PMB | Local-first memory for AI
PMB es una capa de memoria persistente local-first, nativa de MCP y Apache-2.0 que almacena el conocimiento del agente en SQLite + LanceDB en disco e inyecta automáticamente una recuperación híbrida rápida (BM25 + vectores + gráfico de entidades) en herramientas como Claude Code, Cursor, Codex y Zed, sin conexión, sin claves de API ni nube.
https://pmbai.dev/?ref=producthunt&utm_source=aipure
Información del Producto
Actualizado:29/06/2026
¿Qué es PMB | Local-first memory for AI?
PMB (Personal Memory Brain) es un sistema de memoria local-first diseñado para resolver el problema de que "la IA olvida cada sesión" para los agentes de codificación. En lugar de depender del historial de chat o los servicios en la nube, PMB almacena memorias duraderas y reutilizables, como hechos del proyecto, decisiones, lecciones y contexto de archivos, directamente en su máquina en un único espacio de trabajo que usted controla. Se integra con clientes compatibles con MCP (incluidos Claude Code, Cursor, Codex, Zed, Windsurf, Gemini y configuraciones de Copilot MCP) para que su agente pueda llevar el contexto entre sesiones e incluso entre diferentes herramientas, manteniendo todo privado y offline-first. PMB también proporciona una interfaz de usuario de panel local para inspeccionar, auditar y explorar lo que se ha almacenado.
Características Principales de PMB | Local-first memory for AI
PMB (Personal Memory Brain) es una capa de memoria persistente local-first con licencia Apache-2.0 para agentes de codificación de IA que almacena decisiones, lecciones, hechos del proyecto y contexto del flujo de trabajo en su máquina (SQLite + LanceDB) y automáticamente muestra las memorias más relevantes a las herramientas compatibles con MCP (por ejemplo, Claude Code, Cursor, Codex, Zed) antes de que el modelo responda. Enfatiza la recuperación rápida y sin conexión (sin claves API, sin nube, sin telemetría), la calidad de búsqueda híbrida (BM25 + vectores densos + grafo de entidades con reranking opcional) y características de "higiene de la memoria" como la puntuación de la tasa de seguimiento que le ayuda a podar reglas inútiles. Un panel local proporciona visibilidad y control a través de un grafo (Mapa) y un diario (Línea de tiempo), mientras que las opciones de copia de seguridad/sincronización/exportación admiten la portabilidad entre máquinas.
Almacén de memoria persistente local-first: Mantiene la memoria a largo plazo del agente en su disco en una base de datos SQLite duradera con vectores LanceDB junto a ella, copiable, inspeccionable y utilizable sin conexión sin claves API.
Integración de agente nativa de MCP, con un solo comando: Se conecta a agentes de codificación populares a través de MCP sobre stdio (servidor de proceso hijo) usando comandos simples como `pmb connect ...`, lo que permite que múltiples agentes compartan un espacio de trabajo.
Inyección automática de memoria previa al prompt: Recuerda e inyecta decisiones/lecciones/archivos relevantes en el contexto del agente antes de que razone, para que el agente no necesite recordar llamar a una herramienta de memoria.
Recuperación híbrida con fusión clasificada: Combina la búsqueda léxica BM25, incrustaciones densas y un grafo de entidades, fusionados a través de Reciprocal Rank Fusion (con reranking opcional) para mejorar la calidad y relevancia de la recuperación.
Escrituras rápidas y no bloqueantes y recuperación de baja latencia: Las escrituras regresan inmediatamente mientras que las inserciones de incrustaciones/vectores se ejecutan asincrónicamente; la recuperación está diseñada para ser rápida en la CPU local (decenas de milisegundos en uso típico).
Panel auditable: Mapa + Línea de tiempo: Proporciona una interfaz de usuario web local para explorar la memoria como un grafo de entidades y un diario de decisiones/lecciones/cambios similar a un grafo de git, mejorando la transparencia y el control.
Casos de Uso de PMB | Local-first memory for AI
Continuidad de la ingeniería de software entre sesiones: Los equipos o desarrolladores individuales pueden preservar las decisiones arquitectónicas, las convenciones y las lecciones de depuración anteriores para que cada nueva sesión de codificación comience con un contexto estable en lugar de volver a explicar.
Flujos de trabajo de desarrollador multiherramienta (cambio de IDE/agente): Los desarrolladores que alternan entre Cursor, Claude Code, Codex CLI, Zed, etc. pueden mantener un espacio de trabajo de memoria compartido para que el contexto los siga a través de las herramientas.
Entornos de codificación sin conexión/privados: Las organizaciones sensibles a la seguridad (finanzas, atención médica, defensa) o las configuraciones aisladas pueden usar PMB para una memoria y recuperación duraderas sin enviar código o notas a la nube.
Desarrollo y mantenimiento de productos a largo plazo: Para proyectos con meses/años de evolución, PMB puede almacenar problemas recurrentes, notas de migración de dependencias y la justificación histórica para reducir regresiones e incidentes repetidos.
Investigación y evaluación de sistemas de memoria/recuperación: Los investigadores de IA aplicada pueden comparar e iterar en pipelines de recuperación híbridos (BM25 + vectores + grafo) utilizando mediciones locales reproducibles y artefactos de memoria visibles.
Base de conocimiento personal portátil para constructores: Los creadores independientes pueden mantener un "cerebro de ingeniería" personal de decisiones y lecciones, luego exportar/cifrar/sincronizar el espacio de trabajo entre dispositivos para la continuidad.
Ventajas
Fuerte postura de privacidad: almacenamiento local-first, sin nube, sin telemetría, sin claves API requeridas para la recuperación.
Enfoque de recuperación de alta calidad: búsqueda híbrida (BM25 + vectores + grafo de entidades) con fusión clasificada y reranking opcional.
Flujo de trabajo de baja fricción: la inyección automática de recuperación y el registro reducen la necesidad de prompts manuales y la sobrecarga de llamadas a herramientas.
Transparencia y control: el panel local (Mapa/Línea de tiempo) más la portabilidad basada en archivos (SQLite/LanceDB) hacen que la memoria sea auditable.
Desventajas
Requiere configuración/mantenimiento local: los usuarios deben instalar/configurar y administrar espacios de trabajo, copias de seguridad y opciones de modelo para incrustaciones/extracción.
La relevancia/seguridad depende de una correcta delimitación: los agentes personalizados deben replicar el comportamiento de instrucción/delimitación de PMB para evitar mostrar hechos personales irrelevantes.
La elección del modelo de incrustación es importante: los espacios de trabajo multilingües pueden necesitar una configuración explícita para evitar una recuperación degradada con incrustaciones solo en inglés.
Compensaciones de recursos locales: la indexación, las incrustaciones y la extracción/resumen opcionales pueden consumir CPU/RAM y pueden necesitar ajustes para espacios de trabajo grandes.
Cómo Usar PMB | Local-first memory for AI
1) Instalar PMB: En un terminal, instale PMB con pip:
pip install pmb-ai
PMB es Python puro y funciona en macOS, Linux y Windows.
2) Conectar PMB a su agente de codificación de IA (MCP): Conecte PMB a su agente a través de MCP (stdio). Ejemplo para Claude Code:
pmb connect claude-code
PMB se ejecuta como un proceso secundario de su agente (sin red, sin puerto). Inyectará la memoria relevante antes de que el modelo responda y registrará el trabajo después.
3) Verificar la configuración: Ejecute los diagnósticos incorporados para confirmar que el cableado y los ganchos de MCP están activos:
pmb doctor
4) Use su agente normalmente (la memoria es automática): Comience a trabajar como lo hace habitualmente en su agente/editor. PMB automáticamente:
- Clasifica cada mensaje rápidamente
- Recuerda las memorias coincidentes antes de que el modelo responda
- Escribe nuevos eventos de forma asíncrona (las escrituras se devuelven instantáneamente; la inserción de incrustaciones/vectores ocurre en segundo plano)
No se requieren llamadas a herramientas especiales durante el uso normal.
5) Probar manualmente la recuperación desde la CLI (opcional): Puede consultar su memoria directamente para ver qué mostraría PMB:
pmb recall
Luego escriba una consulta (por ejemplo, el nombre de un error o una decisión) y revise los resultados clasificados (lecciones/decisiones/archivos/etc.).
6) Abrir el panel local para explorar la memoria: Inicie el panel:
pmb dashboard
Luego abra la interfaz de usuario web local (comúnmente mostrada como http://127.0.0.1:8765). El panel le permite inspeccionar su memoria como:
- Un gráfico (entidades y conexiones)
- Una línea de tiempo/diario (decisiones, lecciones, confirmaciones, fallas, etc.)
Es solo local (sin autenticación, sin nube).
7) Cambie a un modelo de incrustación multilingüe si su espacio de trabajo no es principalmente texto latino (recomendado cuando se le advierte): Si ve una advertencia como "El espacio de trabajo tiene 81% de caracteres no latinos pero usa all-MiniLM-L6-v2 (solo inglés)", cambie las incrustaciones a un modelo multilingüe:
pmb config set embedding.model paraphrase-multilingual-MiniLM-L12-v2
Esto mejora la recuperación cuando sus memorias/consultas incluyen texto no inglés.
8) (Avanzado) Asegúrese de que su agente personalizado replique la puerta de seguridad de memoria de PMB: Si construye su propia integración de agente sobre PMB, replique el mismo bloque de control/instrucción que inyecta PMB; de lo contrario, pueden aparecer hechos personales irrelevantes en preguntas no relacionadas. La referencia canónica se encuentra en:
src/pmb/cli/connect.py
9) Hacer una copia de seguridad / sincronizar su espacio de trabajo PMB con Git (recomendado): Inicialice un remoto de espacio de trabajo y envíe regularmente:
pmb workspace init --remote [email protected]:you/my-memory.git
pmb workspace push
En otra máquina:
pmb workspace pull
O clone a un dispositivo nuevo:
pmb workspace clone <url> work-laptop
(Comportamiento de conflicto anotado en la documentación: el remoto gana en caso de conflicto.)
10) Exportar un paquete de copia de seguridad cifrado (restauración portátil): Cree un paquete cifrado y autenticado:
pmb workspace export memory.enc
Restáurelo en cualquier lugar en un espacio de trabajo:
pmb workspace import memory.enc personal
Esto usa AES + HMAC con una clave derivada de scrypt (según el fragmento de código fuente proporcionado).
11) Si necesita empezar de cero, copie el directorio del espacio de trabajo (opción de recuperación): En el peor de los casos, puede copiar su directorio de espacio de trabajo y empezar de cero. El fragmento indica que el espacio de trabajo se encuentra en:
~/.pmb/workspaces/<id>/
Cópielo como una copia de seguridad manual o para migrar el estado.
Preguntas Frecuentes de PMB | Local-first memory for AI
PMB (Personal Memory Brain) es un sistema de memoria persistente local-first para agentes de codificación de IA. Almacena decisiones, lecciones, hechos del proyecto y otras memorias en su máquina (principalmente en un archivo SQLite) y retroalimenta el contexto relevante a los agentes a través de MCP (Model Context Protocol).
Artículos Populares
Atoms: Una Plataforma de IA Multiagente Que Transforma Ideas en Productos Listos para Lanzar
May 22, 2026
Nano Banana SBTI: Qué es, cómo funciona y cómo usarlo en 2026
Apr 15, 2026
Reseña de Atoms: El Constructor de Productos de IA que Redefine la Creación Digital en 2026
Apr 10, 2026
Kilo Claw: Cómo implementar y usar un verdadero agente de IA "Hágalo por usted" (Actualización 2026)
Apr 3, 2026
Últimas herramientas de IA similares a PMB | Local-first memory for AI
Gait
Gait es una herramienta de colaboración que integra la generación de código asistido por IA con el control de versiones, permitiendo a los equipos rastrear, entender y compartir el contexto del código generado por IA de manera eficiente.
invoices.dev
invoices.dev es una plataforma de facturación automatizada que genera facturas directamente de los commits de Git de los desarrolladores, con capacidades de integración para GitHub, Slack, Linear y servicios de Google.
EasyRFP
EasyRFP es un kit de herramientas de computación en el borde impulsado por IA que agiliza las respuestas a RFP (Solicitud de Propuesta) y permite el fenotipado de campo en tiempo real a través de tecnología de aprendizaje profundo.
Cart.ai
Cart.ai es una plataforma de servicios impulsada por IA que proporciona soluciones integrales de automatización empresarial, incluyendo codificación, gestión de relaciones con clientes, edición de video, configuración de comercio electrónico y desarrollo de IA personalizada con soporte 24/7.
Herramientas de IA populares como PMB | Local-first memory for AI
GitHub Copilot Chat
GitHub Copilot Chat es un asistente de codificación impulsado por IA que proporciona interacciones en lenguaje natural, sugerencias de código en tiempo real y soporte contextual directamente dentro de los IDEs compatibles y GitHub.com.
CopilotForXcode
CopilotForXcode es una Extensión del Editor de Código de Xcode que integra GitHub Copilot, Codeium y ChatGPT para proporcionar sugerencias de código impulsadas por IA, asistencia de chat y funcionalidad de prompt-a-código dentro de Xcode.
BrowserAI
BrowserAI es una biblioteca de código abierto que permite ejecutar modelos de lenguaje grandes (LLM) locales directamente en navegadores web con aceleración WebGPU, ofreciendo capacidades de IA centradas en la privacidad sin necesidad de infraestructura de servidor.
OpenAI Codex CLI
OpenAI Codex CLI es un agente de codificación ligero de código abierto que se ejecuta en su terminal, lo que permite a los desarrolladores traducir el lenguaje natural en la ejecución de código al tiempo que proporciona un razonamiento a nivel de ChatGPT con la capacidad de ejecutar código, manipular archivos e iterar bajo control de versiones.