Eu Construí um Cérebro de Código Aberto para Modelos de IA — Veja Como o Engram Funciona

Todo ferramenta de IA que uso esquece tudo no momento em que uma sessão termina. Eu conto ao Claude Code sobre minha pilha de tecnologia, mudo para Ollama no dia seguinte e começo do zero.

Então eu construí o Engram — uma camada de memória persistente que dá a qualquer modelo de IA uma memória semelhante à humana.

O que é o Engram?

Engram é um cérebro de IA universal. Ele armazena o que suas IAs aprendem, recupera as memórias certas no momento certo e as apresenta como contexto — automaticamente.

Conecte uma vez e toda IA que você usa compartilha um único cérebro em crescimento.

Como funciona

Quando uma IA conectada ao Engram recebe uma consulta:

Incorpora a consulta em um vetor de 384 dimensões (localmente, via ONNX — sem API, sem custo)
Busca no índice de vetores por memórias passadas semelhantes
Expande via o grafo de conhecimento para conceitos relacionados
Avalia por similaridade + recência + importância + frequência de acesso
Verifica se há contradições com memórias existentes
Injeta o contexto montado no prompt da IA

A IA responde com plena consciência de tudo o que já aprendeu.

Três tipos de memória

Engram espelha o cérebro humano:

Tipo	O que armazena	Exemplo
Episódica	Eventos, conversas	"O usuário perguntou sobre implantação em 15 de março"
Semântica	Fatos, grafo de conhecimento	conceito: TypeScript → "superset tipado de JS"
Procedimental	Padrões, habilidades	"Quando perguntado sobre migrações de DB → use drizzle-kit"

Os recursos que o diferenciam

Decaimento da memória — Usa a curva de esquecimento de Ebbinghaus. Memórias que não são acessadas desaparecem com o tempo. As importantes são consolidadas de episódios em fatos semânticos — como a consolidação do sono no cérebro.

Detecção de contradições — Quando você armazena "usamos PostgreSQL" mas já existe uma memória dizendo "usamos MongoDB", o Engram detecta isso e oferece estratégias de resolução (manter a mais nova, manter a mais importante, manter ambas, etc.).

Grafo de conhecimento — Memórias não são apenas vetores. Elas formam um grafo com arestas tipadas (é_um, causa, contradiz, relaciona_com, etc.). A recuperação atravessa esse grafo para encontrar contextos que uma busca puramente vetorial perderia.

Sistema de plugins — 6 ganchos de ciclo de vida (onStore, onRecall, onForget, onDecay, onStartup, onShutdown). Construa extensões sem tocar no código principal.

Começo rápido

# Instale o CLI
npm i -g @engram-ai-memory/cli

# Armazene uma memória
engram store "O usuário prefere TypeScript" --type semântico

# Pergunte ao cérebro
engram recall "Qual linguagem o usuário prefere?" --raw

Integração com Claude Code

Adicione a ~/.claude/settings.json:

{
  "mcpServers": {
    "engram": {
      "command": "node",
      "args": ["/path/to/engram/packages/mcp/dist/server.js"],
      "env": {
        "ENGRAM_DB_PATH": "/path/to/engram.db"
      }
    }
  }
}

18 ferramentas aparecem automaticamente — store_memory, recall_context, check_contradictions, decay_sweep, e mais.

O painel 3D

Engram vem com um painel de visualização React Three Fiber com 5 modos de visualização.

Memórias aparecem como neurônios brilhantes, conexões como arestas, contradições em laranja. Você pode armazenar, deletar, marcar, pesquisar e resolver contradições diretamente da interface.

Arquitetura

@engram-ai-memory/core — O motor do cérebro (NeuralBrain, embeddings, grafo, recuperação)
@engram-ai-memory/mcp — 18 ferramentas MCP para Claude Code
@engram-ai-memory/cli — Interface de terminal
@engram-ai-memory/vis — Auxiliares de visualização 3D

SQLite por padrão (zero configuração), PostgreSQL opcional para equipes.

Desempenho

Métrica	Valor
Latência de recuperação (100 memórias)	~18ms
Taxa de armazenamento	~120 mem/s
Incorporação	8ms/texto (local ONNX)
Inicialização em cache (1k memórias)	~45ms