PMB | Local-first memory for AI

PMB clasifica cada mensaje en menos de un milisegundo y trae las lecciones, las decisiones y un resumen del proyecto que coinciden antes de que el agente razone. Nada depende de que el modelo se acuerde de llamar a una herramienta. La ruta de lectura no lleva ninguna llamada a un LLM, así que la recuperación sigue siendo barata y rápida. No la gestionas tú. Simplemente ocurre.

La búsqueda combina el emparejamiento por palabras clave BM25, vectores densos y un grafo de entidades, con un paso opcional de reordenación, todo unido mediante Reciprocal-Rank-Fusion. Según el proveedor, esto llega a un 94,5 % de recall@10. En la práctica obtienes una sola lista ordenada en lugar de adivinar en qué modo de recuperación confiar. Una llamada, una respuesta.

La herramienta MCP responde al instante. PMB escribe primero en SQLite y luego ejecuta el embedding y la inserción en LanceDB en un hilo en segundo plano. Eso significa que registrar una decisión nunca bloquea el turno que estás usando.

Cada regla se sigue según si el agente de verdad la cumple. Las lecciones útiles se marcan y las ignoradas se marcan como muertas para que puedas quitarlas. El indicador de tasa de cumplimiento es la parte honesta del sistema. Te dice qué recuerdos no se ganan su sitio.

El panel local dibuja tu memoria como un grafo donde los hechos, los archivos y las entidades son nodos cuyo tamaño depende de su importancia, más una línea de tiempo estilo git de decisiones y eventos, del más reciente al más antiguo. Al pasar el cursor por un nodo se atenúa el resto y se iluminan los vecinos. Es una vista real servida desde tu máquina, no una maqueta. ¿Quieres ver cómo se conecta el conocimiento de tu proyecto? Pasa el cursor por un nodo y el grafo responde.

Claude Code, Cursor, Codex y Zed leen todos del mismo almacén. Cambiar de agente no te cuesta nada porque tu contexto vive con el proyecto. Esa es la función que hace útil esta capa y no solo ordenada.