PMB | Local-first memory for AI

O PMB classifica cada mensagem em menos de um milissegundo e busca as lições, as decisões e um resumo do projeto que combinam antes que o agente raciocine. Nada depende de o modelo lembrar de chamar uma ferramenta. O caminho de leitura não carrega nenhuma chamada a um LLM, então a recordação continua barata e rápida. Você não a gerencia. Ela simplesmente acontece.

A busca funde o casamento por palavras-chave BM25, vetores densos e um grafo de entidades, com uma etapa opcional de reordenação, tudo combinado via Reciprocal-Rank-Fusion. Segundo o fornecedor, isso chega a 94,5% de recall@10. Na prática você obtém uma lista ordenada em vez de adivinhar em qual modo de recuperação confiar. Uma chamada, uma resposta.

A ferramenta MCP responde na hora. O PMB grava primeiro no SQLite e depois roda o embedding e a inserção no LanceDB em uma thread em segundo plano. Isso significa que registrar uma decisão nunca trava o turno em que você está no meio.

Cada regra é acompanhada conforme o agente de fato a segue. As lições úteis são marcadas e as ignoradas são sinalizadas como mortas para que você possa removê-las. O indicador de taxa de adesão é a parte honesta do sistema. Ele diz quais memórias não estão valendo o espaço.

O painel local desenha sua memória como um grafo em que fatos, arquivos e entidades são nós dimensionados pela importância, além de uma linha do tempo estilo git de decisões e eventos, do mais recente ao mais antigo. Passar o cursor sobre um nó escurece o resto e acende os vizinhos. É uma visão real servida da sua máquina, não uma maquete. Quer ver como o conhecimento do seu projeto se conecta? Passe o cursor sobre um nó e o grafo responde.

Claude Code, Cursor, Codex e Zed leem todos do mesmo armazenamento. Trocar de agente não custa nada porque seu contexto vive com o projeto. Esse é o recurso que torna a camada útil, e não apenas organizada.