PMB | Local-first memory for AI
PMB é uma camada de memória persistente local-first, nativa do MCP, Apache-2.0 que armazena o conhecimento do agente em SQLite + LanceDB em disco e injeta automaticamente recuperação híbrida rápida (BM25 + vetores + grafo de entidades) em ferramentas como Claude Code, Cursor, Codex e Zed – offline, sem chaves de API ou nuvem.
https://pmbai.dev/?ref=producthunt&utm_source=aipure
Informações do Produto
Atualizado:Jun 29, 2026
O que é PMB | Local-first memory for AI
PMB (Personal Memory Brain) é um sistema de memória local-first projetado para resolver o problema de "a IA esquece a cada sessão" para agentes de codificação. Em vez de depender do histórico de bate-papo ou de serviços em nuvem, o PMB armazena memórias duráveis e reutilizáveis – como fatos do projeto, decisões, lições e contexto de arquivo – diretamente em sua máquina em um único espaço de trabalho que você controla. Ele se integra a clientes compatíveis com MCP (incluindo Claude Code, Cursor, Codex, Zed, Windsurf, Gemini e configurações Copilot MCP) para que seu agente possa carregar contexto entre sessões e até mesmo entre diferentes ferramentas, mantendo tudo privado e offline-first. O PMB também fornece uma interface de usuário de painel local para inspecionar, auditar e explorar o que foi armazenado.
Principais Recursos do PMB | Local-first memory for AI
PMB (Personal Memory Brain) é uma camada de memória persistente local-first Apache-2.0 para agentes de codificação de IA que armazena decisões, lições, fatos do projeto e contexto de fluxo de trabalho em sua máquina (SQLite + LanceDB) e automaticamente "traz à tona" as memórias mais relevantes para ferramentas compatíveis com MCP (por exemplo, Claude Code, Cursor, Codex, Zed) antes que o modelo responda. Ele enfatiza a recuperação rápida e offline (sem chaves de API, sem nuvem, sem telemetria), a qualidade da pesquisa híbrida (BM25 + vetores densos + grafo de entidades com reranking opcional) e recursos de "higiene da memória", como pontuação de taxa de acompanhamento que ajuda a podar regras inúteis. Um painel local fornece visibilidade e controle através de um grafo (Mapa) e um diário (Linha do Tempo), enquanto as opções de backup/sincronização/exportação suportam a portabilidade entre máquinas.
Armazenamento de memória persistente local-first: Mantém a memória de longo prazo do agente em seu disco em um banco de dados SQLite durável com vetores LanceDB ao lado – copiável, inspecionável e utilizável offline com zero chaves de API.
Integração de agente nativa MCP, com um comando: Conecta-se a agentes de codificação populares via MCP sobre stdio (servidor de processo filho) usando comandos simples como `pmb connect ...`, permitindo que vários agentes compartilhem um espaço de trabalho.
Injeção automática de memória pré-prompt: Recupera e injeta decisões/lições/arquivos relevantes no contexto do agente antes que ele raciocine, para que o agente não precise se lembrar de chamar uma ferramenta de memória.
Recuperação híbrida com fusão ranqueada: Combina pesquisa lexical BM25, embeddings densos e um grafo de entidades, fundidos via Reciprocal Rank Fusion (com reranking opcional) para melhorar a qualidade e relevância da recuperação.
Gravações rápidas e não bloqueadoras e recuperação de baixa latência: As gravações retornam imediatamente enquanto as inserções de embedding/vetor são executadas assincronamente; a recuperação é projetada para ser rápida na CPU local (dezenas de milissegundos no uso típico).
Painel auditável: Mapa + Linha do Tempo: Fornece uma interface de usuário web local para explorar a memória como um grafo de entidades e um diário de decisões/lições/alterações semelhante a um grafo git, melhorando a transparência e o controle.
Casos de Uso do PMB | Local-first memory for AI
Continuidade da engenharia de software entre sessões: Equipes ou desenvolvedores solo podem preservar decisões arquitetônicas, convenções e lições de depuração anteriores para que cada nova sessão de codificação comece com um contexto estável em vez de reexplicar.
Fluxos de trabalho de desenvolvedor multi-ferramenta (alternância IDE/agente): Desenvolvedores que alternam entre Cursor, Claude Code, Codex CLI, Zed, etc. podem manter um espaço de trabalho de memória compartilhado para que o contexto os siga entre as ferramentas.
Ambientes de codificação offline/privados: Organizações sensíveis à segurança (finanças, saúde, defesa) ou configurações "air-gapped" podem usar o PMB para memória durável e recuperação sem enviar código ou notas para a nuvem.
Desenvolvimento e manutenção de produtos de longa duração: Para projetos com meses/anos de evolução, o PMB pode armazenar "gotchas" recorrentes, notas de migração de dependências e justificativas históricas para reduzir regressões e incidentes repetidos.
Pesquisa e avaliação de sistemas de memória/recuperação: Pesquisadores de IA aplicada podem comparar e iterar em pipelines de recuperação híbrida (BM25 + vetores + grafo) usando medições locais reproduzíveis e artefatos de memória visíveis.
Base de conhecimento pessoal portátil para construtores: Criadores independentes podem manter um "cérebro de engenharia" pessoal de decisões e lições, e então exportar/criptografar/sincronizar o espaço de trabalho entre dispositivos para continuidade.
Vantagens
Forte postura de privacidade: armazenamento local-first, sem nuvem, sem telemetria, sem chaves de API necessárias para recuperação.
Abordagem de recuperação de alta qualidade: pesquisa híbrida (BM25 + vetores + grafo de entidades) com fusão ranqueada e reranking opcional.
Fluxo de trabalho de baixa fricção: injeção automática de recuperação e registro reduzem a solicitação manual e a sobrecarga de chamada de ferramentas.
Transparência e controle: painel local (Mapa/Linha do Tempo) mais portabilidade baseada em arquivo (SQLite/LanceDB) tornam a memória auditável.
Desvantagens
Requer configuração/manutenção local: os usuários devem instalar/configurar e gerenciar espaços de trabalho, backups e opções de modelo para embeddings/extração.
A relevância/segurança depende da filtragem correta: agentes personalizados devem replicar o comportamento de instrução/filtragem do PMB para evitar a exibição de fatos pessoais irrelevantes.
A escolha do modelo de embedding é importante: espaços de trabalho multilíngues podem precisar de configuração explícita para evitar degradação da recuperação com embeddings apenas em inglês.
Compromissos de recursos locais: indexação, embeddings e extração/resumo opcionais podem consumir CPU/RAM e podem precisar de ajuste para grandes espaços de trabalho.
Como Usar o PMB | Local-first memory for AI
1) Instale o PMB: Em um terminal, instale o PMB com pip:
pip install pmb-ai
O PMB é puro Python e funciona em macOS, Linux e Windows.
2) Conecte o PMB ao seu agente de codificação de IA (MCP): Conecte o PMB ao seu agente via MCP (stdio). Exemplo para Claude Code:
pmb connect claude-code
O PMB é executado como um processo filho do seu agente (sem rede, sem porta). Ele injetará memória relevante antes que o modelo responda e registrará o trabalho depois.
3) Verifique a configuração: Execute os diagnósticos integrados para confirmar que a fiação e os ganchos do MCP estão ativos:
pmb doctor
4) Use seu agente normalmente (a memória é automática): Comece a trabalhar como de costume em seu agente/editor. O PMB automaticamente:
- Classifica cada mensagem rapidamente
- Recupera memórias correspondentes antes que o modelo responda
- Escreve novos eventos assincronamente (as gravações retornam instantaneamente; a inserção de incorporação/vetor acontece em segundo plano)
Nenhuma chamada de ferramenta especial é necessária durante o uso normal.
5) Teste manualmente a recuperação da CLI (opcional): Você pode consultar sua memória diretamente para ver o que o PMB exibiria:
pmb recall
Em seguida, digite uma consulta (por exemplo, um nome de bug ou decisão) e revise os resultados classificados (lições/decisões/arquivos/etc.).
6) Abra o painel local para explorar a memória: Inicie o painel:
pmb dashboard
Em seguida, abra a interface web local (comumente mostrada como http://127.0.0.1:8765). O painel permite inspecionar sua memória como:
- Um gráfico (entidades e conexões)
- Uma linha do tempo/diário (decisões, lições, commits, falhas, etc.)
É apenas local (sem autenticação, sem nuvem).
7) Mude para um modelo de incorporação multilíngue se seu espaço de trabalho não for principalmente texto latino (recomendado quando avisado): Se você vir um aviso como "O espaço de trabalho tem 81% de caracteres não latinos, mas usa all-MiniLM-L6-v2 (somente inglês)", mude as incorporações para um modelo multilíngue:
pmb config set embedding.model paraphrase-multilingual-MiniLM-L12-v2
Isso melhora a recuperação quando suas memórias/consultas incluem texto não inglês.
8) (Avançado) Garanta que seu agente personalizado replique o gate de segurança de memória do PMB: Se você construir sua própria integração de agente sobre o PMB, replique o mesmo bloco de gating/instrução que o PMB injeta; caso contrário, fatos pessoais irrelevantes podem surgir em perguntas não relacionadas. A referência canônica está em:
src/pmb/cli/connect.py
9) Faça backup / sincronize seu espaço de trabalho PMB com Git (recomendado): Inicialize um remoto de espaço de trabalho e envie regularmente:
pmb workspace init --remote [email protected]:you/my-memory.git
pmb workspace push
Em outra máquina:
pmb workspace pull
Ou clone para um novo dispositivo:
pmb workspace clone <url> work-laptop
(Comportamento de conflito observado na documentação: o remoto vence em caso de conflito.)
10) Exporte um pacote de backup criptografado (restauração portátil): Crie um pacote criptografado e autenticado:
pmb workspace export memory.enc
Restaure-o em qualquer lugar em um espaço de trabalho:
pmb workspace import memory.enc personal
Isso usa AES + HMAC com uma chave derivada de scrypt (conforme o trecho de código fornecido).
11) Se precisar começar do zero, copie o diretório do espaço de trabalho (opção de recuperação): No pior dos casos, você pode copiar seu diretório de espaço de trabalho e começar do zero. O trecho indica que o espaço de trabalho reside em:
~/.pmb/workspaces/<id>/
Copie-o como um backup manual ou para migrar o estado.
Perguntas Frequentes do PMB | Local-first memory for AI
PMB (Personal Memory Brain) é um sistema de memória persistente local-first para agentes de codificação de IA. Ele armazena decisões, lições, fatos do projeto e outras memórias em sua máquina (principalmente em um arquivo SQLite) e alimenta o contexto relevante de volta aos agentes via MCP (Model Context Protocol).
Artigos Populares
Atoms: Uma Plataforma de IA Multiagente Que Transforma Ideias em Produtos Prontos para Lançamento
May 22, 2026
Nano Banana SBTI: O Que É, Como Funciona e Como Usá-lo em 2026
Apr 15, 2026
Análise do Atoms — O Construtor de Produtos de IA Redefinindo a Criação Digital em 2026
Apr 10, 2026
Kilo Claw: Como Implementar e Usar um Verdadeiro Agente de IA "Faça Você Mesmo" (Atualização de 2026)
Apr 3, 2026
Ferramentas de IA Mais Recentes Semelhantes a PMB | Local-first memory for AI
Gait
O Gait é uma ferramenta de colaboração que integra a geração de código assistida por IA com controle de versão, permitindo que as equipes rastreiem, entendam e compartilhem o contexto do código gerado por IA de forma eficiente.
invoices.dev
invoices.dev é uma plataforma de faturamento automatizada que gera faturas diretamente dos commits do Git dos desenvolvedores, com capacidades de integração para GitHub, Slack, Linear e serviços do Google.
EasyRFP
EasyRFP é um kit de ferramentas de computação de borda alimentado por IA que agiliza as respostas a RFP (Pedido de Proposta) e possibilita fenotipagem de campo em tempo real por meio de tecnologia de aprendizado profundo.
Cart.ai
O Cart.ai é uma plataforma de serviços impulsionada por IA que fornece soluções abrangentes de automação de negócios, incluindo codificação, gerenciamento de relações com clientes, edição de vídeo, configuração de e-commerce e desenvolvimento de IA personalizado com suporte 24/7.
Ferramentas de IA Populares Como PMB | Local-first memory for AI
GitHub Copilot Chat
O GitHub Copilot Chat é um assistente de codificação alimentado por IA que fornece interações em linguagem natural, sugestões de código em tempo real e suporte contextual diretamente dentro de IDEs suportadas e GitHub.com.
CopilotForXcode
O CopilotForXcode é uma Extensão do Editor de Código do Xcode que integra GitHub Copilot, Codeium e ChatGPT para fornecer sugestões de código impulsionadas por IA, assistência por chat e funcionalidade de prompt-para-código dentro do Xcode.
BrowserAI
BrowserAI é uma biblioteca de código aberto que permite executar Modelos de Linguagem Grandes (LLMs) locais diretamente em navegadores da web com aceleração WebGPU, oferecendo recursos de IA focados na privacidade sem exigir infraestrutura de servidor.
OpenAI Codex CLI
OpenAI Codex CLI é um agente de codificação leve e de código aberto que é executado no seu terminal, permitindo que os desenvolvedores traduzam linguagem natural em execução de código, ao mesmo tempo em que fornece raciocínio em nível de ChatGPT com a capacidade de executar código, manipular arquivos e iterar sob controle de versão.