क्या आप जानते हैं कि Codex में "दूसरा दिमाग" जोड़ने का तंत्र क्या है ताकि बातचीत बाधित होने पर भी संदर्भ बना रहे? इसका नाम है Agentmemory. मैंने इसकी इंस्टॉलेशन प्रक्रिया और कॉन्फ़िगरेशन से लेकर सामान्य समस्याओं तक सब कुछ संक्षेप में बताया है। यह उन लोगों के लिए अवश्य पढ़ना चाहिए जिन्हें हर बार एक ही चीज़ समझाना उबाऊ लगता है और जो टोकन बर्बाद नहीं करना चाहते।
हर सुबह, मैं Claude Code शुरू करता हूँ और "कल से जारी रखें" टाइप करता हूँ, केवल यह सुनने के लिए कि "कृपया पिछले सत्र की सामग्री बताएं।" यह एक ऐसी घटना है जो लगभग हर दिन होती है।
जैसे ही कोई सत्र कटता है, प्रोजेक्ट का संदर्भ रीसेट हो जाता है। जबकि CLAUDE.md में लिखी गई चीज़ें पढ़ी जाती हैं, "संदर्भ का भार"—जैसे तीन दिन पहले एक बग के बारे में चर्चा या पिछले सप्ताह तय की गई डिज़ाइन नीति के पीछे का तर्क—पूरी तरह से गायब हो जाता है।
एक डेवलपर ने लिखा:
आपके Claude Code सत्र इतिहास का केवल 30 दिनों का डेटा आपके कंप्यूटर पर डिफ़ॉल्ट रूप से सहेजा जाता है, यदि आप उन सभी पर मेमोरी चाहते हैं तो आपको इसे लंबा सेट करना होगा।
सत्र इतिहास के लिए डिफ़ॉल्ट प्रतिधारण अवधि 30 दिन है। इसके अलावा, जो सहेजा जाता है वह सिर्फ एक "स्ट्रिंग के रूप में रिकॉर्ड" है, कोई ऐसा तंत्र नहीं जिसे संदर्भ के रूप में बुलाया जा सके।
Codex पक्ष पर भी मूल रूप से यही स्थिति है। GPT-5.5 का संदर्भ API के माध्यम से 1M टोकन और Codex CLI में 400K है। भौतिक आकार पर्याप्त लगता है, लेकिन व्यवहार में, सटीकता कम होने लगती है लगभग 200K टोकन के आसपास।
तभी Agentmemory आया, जिसने 4,000 Stars पार करने के बाद सुर्खियाँ बटोरीं। मैं इसे एक सप्ताह से भारी मात्रा में उपयोग कर रहा हूँ। यहाँ मेरा निष्कर्ष है:
"Codex/Claude Code में असीमित मेमोरी जोड़ने" की अभिव्यक्ति आधा अतिशयोक्ति और आधा सच है।
इस लेख में, मैं समझाऊंगा कि "सच" वाले हिस्से को अधिकतम कैसे करें और "अतिशयोक्ति" वाले हिस्से का सामना होने पर उससे कैसे बचें।
1. Codex/Claude Code को "भूलने की बीमारी" क्यों होती है?
Agentmemory पर चर्चा करने से पहले, मुझे यह स्पष्ट करने दें कि मौजूदा उपकरण पर्याप्त क्यों नहीं हैं। यदि हम इसे छोड़ देते हैं, तो यह सिर्फ "मैंने एक सुविधाजनक मेमोरी टूल जोड़ा" पर समाप्त होता है, और हम सार से चूक जाते हैं।
भले ही संदर्भ विंडो बड़ी हो, व्यवहार में इसका पूरी तरह से उपयोग नहीं किया जा सकता है।
मई 2026 तक, प्रमुख मॉडलों की संदर्भ विंडो इस प्रकार हैं:
● Claude Opus 4.7: 1M टोकन (200K से विस्तारित)
● GPT-5.5: 1M टोकन (API) / Codex CLI में 400K सीमा
● Gemini 3.1 Pro: 1M टोकन
हिंदी के संदर्भ में, यह लगभग 1.41 मिलियन वर्ण है। यह सिर्फ एक किताब नहीं, बल्कि एक पूरी श्रृंखला को फिट करने के लिए पर्याप्त क्षमता है। संख्याओं को देखकर, ऐसा लगता है कि "सब कुछ फिट बैठता है।"
हालाँकि, Anthropic ने स्वयं अपने आधिकारिक इंजीनियरिंग ब्लॉग में लिखा है:
जैसे-जैसे संदर्भ विंडो में टोकन की संख्या बढ़ती है, उस संदर्भ से जानकारी को सटीक रूप से याद करने की मॉडल की क्षमता कम हो जाती है।
भौतिक क्षमता सटीकता बनाए रखने की क्षमता के बराबर नहीं है। अनुभव से पता चलता है कि लगभग 200K से 400K टोकन के आसपास, Claude "अभी जो कहा" भूलना शुरू कर देता है। इसे आमतौर पर संदर्भ सड़न (context rot) के रूप में जाना जाता है।
आधिकारिक Claude Code में भी हुआ "विचार का पतन"
मैं एक वास्तविक उदाहरण देता हूँ। 23 अप्रैल, 2026 को, Anthropic ने आधिकारिक रूप से एक पोस्टमार्टम जारी किया।
26 मार्च को रोल आउट किए गए एक बग के कारण "1 घंटे की निष्क्रियता के बाद पुराने विचारों को साफ़ करने की सुविधा" सत्र फिर से शुरू करने के बाद हर बारी पर फायर होने लगी।
परिणामस्वरूप, औसत दृश्य सोचने की लंबाई इस प्रकार बदल गई:
● जनवरी: 2,200 वर्ण
● मार्च: 600 वर्ण
73% का पतन। लगभग एक महीने तक, आधिकारिक Claude Code मनमाने ढंग से अपना संदर्भ काट रहा था।
यह महत्वपूर्ण है क्योंकि यह दर्शाता है कि संदर्भ सड़न सिर्फ "उपयोगकर्ता त्रुटि" नहीं है, बल्कि सेवा-पक्ष की परिस्थितियों के कारण भी हो सकती है। आप CLAUDE.md को कितनी भी सफाई से लिखें, टूल पक्ष पर एक ट्यूनिंग समायोजन "पिछले सप्ताह के संदर्भ" को बेकार कागज़ में बदल सकता है।
मौजूदा समाधानों की सीमाएँ (CLAUDE.md / auto-memory)
Anthropic उपाय कर रहा है। Claude Code का auto-memory फ़ीचर एक ऐसा तंत्र है जो सत्रों के बीच जो सीखा गया है उसे याद रखता है और पुनरारंभ करने पर उसे वापस बुलाता है। Claude Code टीम ने मई में इसकी घोषणा की थी।
हालाँकि, यह कॉम्पैक्शन के साथ मिलकर काम करने के लिए संरचित है। यह "संदर्भ को संपीड़ित करने → महत्वपूर्ण जानकारी को मेमोरी में ले जाने" का एक आंतरिक प्रवाह करता है, और AI प्रत्येक संपीड़न के दौरान तय करता है कि "क्या रखना है।" उपयोगकर्ता इस निर्णय तर्क को छू नहीं सकते हैं।
इसके अलावा, auto-memory विशेष रूप से Claude Code के लिए है। Codex, Cursor, Cline, या Hermes जैसे अन्य एजेंटों से इसे पढ़ने के लिए कोई API नहीं है। कई एजेंटों का उपयोग करने वालों के लिए, "एक ही आधार को तीन बार समझाने" की स्थिति सामान्य हो जाती है।
2. Agentmemory अलग कैसे है
अब मुख्य विषय पर आते हैं। Agentmemory (आधिकारिक रेपो: rohitg00/agentmemory) एक ओपन-सोर्स मेमोरी इंजन है जो 15 मई, 2026 तक 8.8k Stars तक पहुँच गया है। यह "4,000+ Stars" की प्रारंभिक रिपोर्ट के बाद से दोगुना से अधिक हो गया है। यह Apache 2.0 लाइसेंस, TypeScript-आधारित है, और नवीनतम रिलीज़ v0.9.12 (13 मई) है। यह पूरी तरह से सेल्फ-होस्टेड है जिसमें बाहरी SaaS को कोई डेटा नहीं भेजा जाता है।
डेवलपर का दर्शन
प्रमुख डेवलपर रोहित घुमारे (@ghumare64) ने Agentmemory के सार को एक वाक्य में संक्षेपित किया:
इसे 6 महीने पहले agentmemory के साथ बनाया: AI कोडिंग एजेंटों के लिए स्थायी मेमोरी। एक ही मूल विचार: पुनः व्युत्पन्न करना बंद करें, संकलन करना शुरू करें।
"पुनः व्युत्पन्न करना बंद करें, संकलन करना शुरू करें।" यह मौजूदा उपकरणों से दार्शनिक अंतर है।
CLAUDE.md "हर बार पुनः व्युत्पन्न करने के लिए इनपुट" था। प्रोजेक्ट संरचना, परंपराएँ, पिछले निर्णय। AI हर सत्र में उन्हें फिर से पढ़ता, फिर से व्याख्या करता, और फिर भूल जाता। Agentmemory "पुनः व्युत्पन्न लूप" को "संकलित मेमोरी लेयर" से बदलकर इसे बदल देता है।
3-स्तरीय आर्किटेक्चर (README से सारांश)
आधिकारिक README के अनुसार, आंतरिक संरचना तीन चरणों में विभाजित है:
पहला है कैप्चर (Capture)। यह डेटा को स्वचालित रूप से कैप्चर करने के लिए 12 Claude Code लाइफसाइकिल हुक का उपयोग करता है, इसलिए मैन्युअल रूप से memory_save चलाने की कोई आवश्यकता नहीं है।
दूसरा है पाइपलाइन (Pipeline)। यह डिडुप्लीकेशन → प्राइवेसी फ़िल्टर (API कुंजियों/PII का स्वचालित निष्कासन) → AI-आधारित संपीड़न के प्रवाह के माध्यम से अवलोकनों को व्यवस्थित करता है।
तीसरा है पुनर्प्राप्ति (Retrieval)। यह RRF k=60 का उपयोग करके तीन प्रकार की हाइब्रिड खोज (BM25 / वेक्टर / ग्राफ़) को फ़्यूज़ करता है। BM25 स्टेमिंग कीवर्ड और पर्यायवाची विस्तार को संभालता है, वेक्टर डेंस एम्बेडिंग की कोसाइन समानता को संभालता है, और ग्राफ़ नॉलेज ग्राफ़ ट्रैवर्सल को संभालता है। रेसिप्रोकल रैंक फ़्यूज़न के साथ फ़्यूज़ करके, यदि एक विधि कुछ याद करती है, तो दूसरी उसे उठा लेती है। परिणाम सत्र फैलाव के साथ लौटाए जाते हैं (प्रति सत्र अधिकतम 3), केवल एक ही सत्र से परिणाम प्राप्त करने की समस्या को हल करते हुए।
4-स्तरीय मेमोरी (एबिंगहॉस से प्रेरित)
एक और दिलचस्प पहलू वह डिज़ाइन है जो मेमोरी को चार स्तरों में विभाजित करता है जो समय के साथ "बढ़ते" हैं।
सबसे निचला स्तर वर्किंग (Working) है, जो अल्पकालिक मेमोरी है जैसे कच्चे टूल निष्पादन अवलोकन, त्रुटि लॉग और कमांड इतिहास। एपिसोडिक (Episodic) तक जाने पर, यह "क्या हुआ" के सत्र सारांश बन जाता है। सिमैंटिक (Semantic) स्तर पर, यह "मैं क्या जानता हूँ," निकाला गया ज्ञान और पैटर्न बन जाता है। शीर्ष स्तर प्रोसीजरल (Procedural) है, जिसमें "आगे कैसे बढ़ना है" पर वर्कफ़्लो और प्रक्रियाएँ शामिल हैं।
बार-बार एक्सेस की जाने वाली यादें मजबूत होती हैं, जबकि अनरेफ़रेंस की गई यादें एबिंगहॉस भूलने की वक्र के अनुसार क्षय होती हैं। यह मानव मेमोरी संरचना पर आधारित एक तंत्र है। यह "पुनः व्युत्पन्न करना बंद करें और संकलन करना शुरू करें" का असली स्वरूप है।
प्रतिस्पर्धियों के मुकाबले स्थिति
सच कहूँ तो, केवल GitHub Stars को देखते हुए, Agentmemory प्रतिस्पर्धियों की तुलना में अभी भी छोटा है।
● Mem0: 55.7k Stars, सामान्य-उद्देश्य मेमोरी लेयर, API/Cloud पहले
● Letta (पूर्व में MemGPT): 22.7k Stars, एजेंट OS, आभासी संदर्भ प्रबंधन
● Agentmemory: 8.8k Stars, कोडिंग एजेंटों के लिए विशिष्ट, स्थानीय SQLite
यह संख्याओं के खेल में हारता है। हालाँकि, Agentmemory जहाँ चमकता है वह है कोडिंग एजेंटों के लिए इसकी विशेषज्ञता और डिकपल्ड डिज़ाइन। रोहित ने स्वयं लिखा:
यदि आप वास्तविक विस्तारित मेमोरी आर्किटेक्चर, क्रॉस-एजेंट, पोर्टेबल, किसी विशेष एजेंट से बंद नहीं, चाहते हैं, तो agentmemory देखें। इसे एक डिकपल्ड मेमोरी लेयर के रूप में डिज़ाइन किया गया है जो हार्नेस में काम करता है।
आप एक ही मेमोरी का उपयोग करके Cursor, Cline, Claude Code, Codex, और Hermes से कनेक्ट कर सकते हैं। यह Mem0 और Letta से अंतर है। Mem0 बहुत सामान्य है और कोडिंग संदर्भों के लिए स्वचालित कैप्चर कमजोर है, जबकि Letta एक एजेंट OS है, जिससे केवल मेमोरी लेयर निकालना कठिन है।
Agentmemory "एक साथ कई कोडिंग एजेंटों का उपयोग करने वाले डेवलपर्स" के आला के लिए बिल्कुल सटीक है।
3. 3 मिनट में शुरू करना — इंस्टॉलेशन और प्रारंभिक सेटअप
चलिए व्यावहारिक रूप से करते हैं। मूल प्रवाह Mac, Linux और Windows के लिए समान है, जब तक आपके पास Node.js वातावरण है।
चरण 1: मेमोरी सर्वर शुरू करें
बस एक टर्मिनल खोलें और यह चलाएँ:
मेमोरी सर्वर शुरू करें (इसे चालू रखें)
npx @agentmemory/agentmemory
पहली बार डिपेंडेंसी डाउनलोड करने में 1-2 मिनट लगते हैं। सफल होने पर, एक REST API http://localhost:3111 पर शुरू होगी। आप स्वास्थ्य की जाँच इससे कर सकते हैं:
curl http://localhost:3111/agentmemory/health
→ {"status":"ok","version":"0.9.12"}
एक व्यूअर भी शुरू होता है, इसलिए आप अपने ब्राउज़र में http://localhost:3113 खोलकर मेमोरी सामग्री को विज़ुअलाइज़ कर सकते हैं।
चरण 2: डेमो डेटा डालें
खाली सामग्री के साथ कल्पना करना कठिन है, तो चलिए नमूना डेटा जोड़ते हैं।
एक अलग टर्मिनल में चलाएँ
npx @agentmemory/agentmemory demo
यह SQLite में डमी सत्र इतिहास लिखता है, जिससे इसे व्यूअर में देखा जा सकता है।
चरण 3: Claude Code में एकीकृत करें
Claude Code पक्ष से सबसे तेज़ तरीका प्लगइन मार्केटप्लेस के माध्यम से है।
Claude Code के भीतर निष्पादित करें
/plugin marketplace add rohitg00/agentmemory
/plugin install agentmemory
यह स्वचालित रूप से निम्नलिखित पंजीकृत करता है:
● 12 हुक (SessionStart / PostToolUse / Stop सहित सभी लाइफसाइकिल)
● 4 कौशल (recall / consolidate / export / governance)
● 51 MCP टूल (AGENTMEMORY_TOOLS=all सब कुछ के लिए, डिफ़ॉल्ट 15 कोर टूल है)
चरण 4: Codex CLI में एकीकृत करें
Codex एक समान शैली का अनुसरण करता है।
codex plugin marketplace add rohitg00/agentmemory
codex plugin install agentmemory
Codex के लिए, AGENTMEMORY_URL=http://localhost:3111 एक पर्यावरण चर के रूप में स्वचालित रूप से सेट होता है। ध्यान दें कि Codex MCP सिंक्रोनिसिटी के बारे में Claude Code से अधिक सख्त है, इसलिए यदि सर्वर डाउन है तो यह तुरंत त्रुटि देगा। इसे चालू रखना न भूलें।
चरण 5: Cursor / Cline आदि से कनेक्ट करें
इसे Cursor के माध्यम से उपयोग करने के लिए, इसे ~/.cursor/mcp.json में जोड़ें:
{
"mcpServers": {
"agentmemory": {
"command": "npx",
"args": ["-y", "@agentmemory/mcp"],
"env": { "AGENTMEMORY_URL": "http://localhost:3111" }
}
}
}
Cline, Hermes, और अन्य MCP-संगत संपादक उसी पैटर्न में कनेक्ट होते हैं। एक जाल है जहाँ Cursor की MCP सेटिंग्स सिर्फ बंद करके और फिर से खोलने से प्रतिबिंबित नहीं होती हैं; मैं इसे "5 नुकसान" अनुभाग में विस्तार से बताऊंगा।
चरण 6: स्वास्थ्य जाँच अनुष्ठान
सेटअप के बाद, यहाँ अनिवार्य जाँच सूची है:
1. मेमोरी सर्वर कनेक्टिविटी
curl http://localhost:3111/agentmemory/health
2. iii-engine संस्करण जाँचें (v0.11.2 आवश्यक)
iii --version
3. व्यूअर में मेमोरी जाँचें
यदि आप व्यूअर में रिकॉर्ड किए गए अवलोकन देखते हैं, तो सेटअप सफल है। यदि Node.js पहले से इंस्टॉल है, तो इसमें 3 मिनट से कम समय लगता है।
4. 3 बुनियादी क्रियाएँ — सहेजें, खोजें, ऑटो-कंप्रेस
Agentmemory के उपयोग को तीन मुख्य क्रियाओं में व्यवस्थित किया जा सकता है।
क्रिया 1: सहेजें (स्वचालित कैप्चर डिफ़ॉल्ट है)
Mem0 या Letta में, मैन्युअल कमांड जैसे memory_add(...) का उपयोग करके सहेजना सामान्य है। Agentmemory का एक अलग दर्शन है: यह 12 हुक का उपयोग करके स्वचालित रूप से सब कुछ कैप्चर करता है।
उदाहरण के लिए, निम्नलिखित अवलोकन आपके कुछ किए बिना रिकॉर्ड किए जाते हैं:
● Bash टूल निष्पादन के दौरान कमांड और आउटपुट (PostToolUse हुक)
● फ़ाइल संपादन से पहले और बाद में Diffs (PreToolUse / PostToolUse हुक)
● सत्र प्रारंभ पर संबंधित मेमोरी का स्वचालित इंजेक्शन (SessionStart हुक)
● सत्र समाप्ति पर सारांश संपीड़न (Stop हुक)
सबसे बड़ा मूल्य यह है कि "उपयोगकर्ता द्वारा यह तय करने का बोझ कि क्या सहेजना है" शून्य हो जाता है। जबकि हम पहले CLAUDE.md में सोचते थे "यह महत्वपूर्ण है, चलो इसे लिखते हैं" या "चलो इसे हटाते हैं," यहाँ विचार उस निर्णय तर्क को AI पर छोड़ने का है।
आप मैन्युअल रूप से भी सहेज सकते हैं। MCP टूल के माध्यम से memory_save कॉल करके, आप स्पष्ट रूप से चिह्नित कर सकते हैं "यह महत्वपूर्ण है।" केवल स्वचालित कैप्चर पर निर्भर रहने के बजाय महत्वपूर्ण डिज़ाइन निर्णयों को मैन्युअल रूप से सहेजना सुरक्षित है।
क्रिया 2: खोजें (3-सिस्टम हाइब्रिड + RRF)
खोज MCP टूल के माध्यम से या सीधे REST API को हिट करके की जाती है। यहाँ प्रतिनिधि MCP टूल हैं:
● memory_recall — प्राकृतिक भाषा का उपयोग करके संबंधित मेमोरी प्राप्त करें
● memory_smart_search — हाइब्रिड खोज का पूर्ण-फीचर्ड संस्करण
● memory_sessions — सत्र के अनुसार सूचीबद्ध करें
● memory_timeline — समय के अनुसार क्रमबद्ध करें
● memory_relations — संबंधित संस्थाओं का ग्राफ़ ट्रैवर्सल
यदि सीधे REST API को हिट कर रहे हैं:
"सुपाबेस प्रमाणीकरण के संबंध में पिछला फिक्स" खोजें
curl -X POST http://localhost:3111/agentmemory/search \
-H "Content-Type: application/json" \
-d '{"query": "supabase auth fix", "limit": 5}'
लौटाए गए परिणाम RRF k=60 का उपयोग करके BM25 / वेक्टर / ग्राफ़ का एक संलयन हैं। विलंबता P50 पर 20ms से कम है (तेज़ क्योंकि यह स्थानीय SQLite है)।
आधिकारिक बेंचमार्क (LongMemEval-S, 500 प्रश्न, ICLR 2025) में सटीकता इस प्रकार है:
● R@5: 95.2% (संभावना है कि सही उत्तर शीर्ष 5 उम्मीदवारों में है)
● R@10: 98.6%
● MRR: 88.2%
ध्यान दें कि यह "खोज सटीकता" है, "एंड-टू-एंड QA सटीकता" नहीं। यह संभावना है कि सही उत्तर उम्मीदवारों में कहीं है; Claude इसका उपयोग सही उत्तर देने के लिए करता है या नहीं, यह एक अलग मुद्दा है। दोनों को भ्रमित करके इस पर अत्यधिक निर्भर न हों।
क्रिया 3: ऑटो-कंप्रेसन (समय के साथ 4 स्तर बढ़ते हैं)
हर बार जब Stop हुक चलता है, तो तीन चरणों में संपीड़न क्रमिक रूप से होता है:
पहले, वर्किंग → एपिसोडिक कच्चे टूल लॉग को सत्र सारांश में संक्षिप्त करता है। इसके बाद, एपिसोडिक → सिमैंटिक कई सत्र घटनाओं से "पैटर्न" और "ज्ञान" निकालता है। अंत में, सिमैंटिक → प्रोसीजरल बार-बार दोहराए जाने वाले चरणों को "वर्कफ़्लो" में ठोस बनाता है।
यह स्वचालित रूप से "सब कुछ सहेजने और खोज शोर पैदा करने" की समस्या को हल करता है। सत्र प्रारंभ पर इंजेक्ट किया गया टोकन बजट डिफ़ॉल्ट रूप से 2,000 टोकन है। इसे आवश्यक और पर्याप्त रूप में "पिछले संदर्भ" को पुनर्स्थापित करने के लिए डिज़ाइन किया गया है।
5. Codex / Claude Code को दोहरी चाल से चलाने का वर्कफ़्लो
अब व्यावहारिक अनुप्रयोग के लिए। उन लोगों के लिए जो गंभीरता से Codex और Claude Code दोनों का उपयोग करते हैं, यहाँ तीन वर्कफ़्लो पैटर्न हैं।
पैटर्न 1: एकल विकास के लिए दैनिक प्रवाह
agentmemory सर्वर को चालू रखने से, जब Claude Code शुरू होता है तो SessionStart हुक फायर होता है, स्वचालित रूप से पिछले दिन की एपिसोडिक मेमोरी इंजेक्ट करता है। यहां तक कि "कल से जारी रखें" कहे बिना, बातचीत Claude के साथ शुरू होती है जो पहले से ही समझता है "चलो Supabase RLS पर अटके होने की चर्चा जारी रखते हैं।"
कोडिंग के दौरान, PostToolUse हुक SQLite में कमांड, आउटपुट और डिफ्स लिखता रहता है। जब सत्र बंद होता है, तो Stop हुक वर्किंग को एपिसोडिक में संपीड़ित करता है। अगली सुबह, यह स्वचालित रूप से पढ़ा जाता है, जिससे लूप पूरा होता है।
पैटर्न 2: कई प्रोजेक्ट प्रबंधित करना
Agentmemory मेमोरी को तीन दायरों में विभाजित कर सकता है। उपयोगकर्ता (user) दायरा व्यक्ति से जुड़ा होता है, जिसमें कोडिंग कन्वेंशन प्राथमिकताओं जैसी "व्यक्तिगत आदतें" होती हैं। प्रोजेक्ट (project) दायरा प्रत्येक प्रोजेक्ट के लिए अलग से प्रबंधित किया जाता है, जिसमें अलग SQLite फ़ाइलें होती हैं। स्थानीय (local) दायरा केवल उस मशीन पर रहता है और टीम शेयरिंग मोड में भी बाहर नहीं जाता है।
प्रोजेक्ट स्विच करते समय पर्यावरण चर को AGENTMEMORY_PROJECT=foo-app में बदलकर, एक अलग SQLite फ़ाइल संदर्भित की जाती है। यह समानांतर में कई प्रोजेक्ट चलाने वाले लोगों के लिए अविश्वसनीय रूप से प्रभावी है। वह घटना जहाँ प्रोजेक्ट A के डिज़ाइन निर्णय प्रोजेक्ट B की चर्चाओं में घुस जाते हैं, CLAUDE.md के साथ अक्सर होती थी। Agentmemory के साथ, वे शारीरिक रूप से अलग होते हैं, इसलिए कोई क्रॉस-टॉक नहीं होता है।
पैटर्न 3: सूचीबद्ध कंपनियों के साथ टीम शेयरिंग और संयुक्त विकास
हम वर्तमान में सूचीबद्ध कंपनियों के साथ AI एजेंटों का सह-विकास कर रहे हैं, और MCP सर्वर शेयरिंग मोड यहाँ सूक्ष्म रूप से प्रभावी है। collab=true फ़्लैग सेट करके, कई Codex / Claude Code इंस्टेंस एक ही मेमोरी सर्वर को संदर्भित कर सकते हैं।
सर्वर पक्ष
AGENTMEMORY_COLLAB=true npx @agentmemory/agentmemory --bind 0.0.0.0
इसे टीम VPN के माध्यम से संदर्भित करके, कई लोग "एक ही प्रोजेक्ट की मेमोरी" साझा करते हुए काम कर सकते हैं। हालाँकि, प्राइवेसी फ़िल्टर को मजबूती से सेट किया जाना चाहिए। यदि API कुंजियाँ या व्यक्तिगत जानकारी मिल जाती है, तो वे पूरी टीम के साथ साझा हो जाएँगी, इसलिए .agentmemoryignore में बहिष्करण सेटिंग्स अनिवार्य हैं। मैं इसे "नुकसान" अनुभाग में स्पर्श करूंगा।
दोहरी चाल के लिए अद्वितीय नुकसान
एक ही प्रोजेक्ट पर Codex और Claude Code के बीच स्विच करते समय, मेमोरी साझा की जाती है, लेकिन प्रॉम्प्ट सिंटैक्स अलग है। Claude Code का /plugin कमांड Codex में काम नहीं करता है, और Codex का codex plugin install Claude Code में काम नहीं करता है। भले ही यह एक "उपकरण है जो दोनों के लिए काम करता है," सेटिंग्स व्यक्तिगत रूप से आवश्यक हैं। पहले सप्ताह में कई लोग यहाँ फंस जाते हैं।
6. बेंचमार्क कैसे पढ़ें — संख्याओं को "अनुभव" में अनुवाद करना
मैं आधिकारिक संख्याओं को व्यावहारिक संवेदनाओं में अनुवाद करूंगा।
"92% टोकन कमी" के पीछे का सच
समाचार फ्लैश और Medium लेखों में बताई गई "92% कमी" प्रति-सत्र आधार पर है।
● पारंपरिक CLAUDE.md मैन्युअल संचालन: प्रति सत्र लगभग 22,000 टोकन
● Agentmemory के माध्यम से: प्रति सत्र लगभग 1,900 टोकन
● कमी दर: लगभग 91-92%
सत्र की शुरुआत में संदर्भ इंजेक्शन टोकन में भारी कमी आई है। वार्षिक आधार पर, संख्याएँ बदलती हैं, और README में टोकन बचत तालिका कहती है:
● LLM-सारांशित संचालन: लगभग 650K टोकन / वर्ष (लगभग $500 / वर्ष)
● Agentmemory: लगभग 170K टोकन / वर्ष (लगभग $10 / वर्ष)
टोकन के संदर्भ में, यह लगभग 74% की कमी है, लेकिन लागत के संदर्भ में, यह 98% की कमी है। $500 $10 हो जाता है। अंतर का कारण यह है कि Agentmemory स्थानीय SQLite + स्थानीय एम्बेडिंग पर चलता है। Mem0 या Letta के विपरीत, जो हर बार LLM-आधारित संपीड़न चलाते हैं, परिचालन लागत न्यूनतम है।
"LongMemEval-S R@5 95.2%" का क्या अर्थ है
LongMemEval-S एक दीर्घकालिक मेमोरी बेंचमार्क है जो ICLR 2025 (500 प्रश्न, प्रति प्रश्न लगभग 48 सत्र, लगभग 115K टोकन संदर्भ) पर जारी किया गया था। प्रमुख उपकरणों की तुलना:
टूल | R@5 |
|---|---|
Agentmemory | 95.2% |
Mem0 (नया एल्गोरिदम, अप्रैल 2026) | 94.8% |
Letta | 83.2% |
Cognee | 72.5% |
Zep | 71.0% |
Mem0 (पुराना एल्गोरिदम) | 68.5% |
Mem0 अपने नए एल्गोरिदम के साथ बंद कर रहा है, इसलिए इसे केवल संख्याओं के आधार पर "भारी जीत" कहना उचित नहीं है। हालाँकि, चूंकि Agentmemory कोडिंग एजेंटों के लिए विशिष्ट एक स्वचालित कैप्चर तंत्र के साथ 95.2% प्राप्त करता है, वर्तमान मूल्यांकन यह है कि यह "सटीकता बनाम परिचालन भार" व्यापार-बंद के लिए एक बेहतरीन स्थान पर बैठता है।
फिर से दोहराने के लिए, R@5 खोज सटीकता है, संभावना नहीं कि Claude या Codex अंततः सही उत्तर देगा। इन्हें भ्रमित करने से अधिमूल्यांकन होता है।
Codex 400K बनाम Opus 4.7 1M: "भौतिक बनाम व्यावहारिक"
बेंचमार्क संख्याओं को देखते हुए, मैंने एक और महत्वपूर्ण बिंदु देखा।
Claude Opus 4.7 ने अपने संदर्भ को 1M टोकन तक विस्तारित किया। GPT-5.5 भी API के माध्यम से 1M टोकन है। केवल इसे देखकर, ऐसा लगता है कि "हमें अब मेमोरी टूल की आवश्यकता नहीं है।"
हालाँकि, Codex CLI वास्तव में 400K तक सीमित है। भौतिक सीमा और व्यावहारिक सीमा गलत संरेखित हैं। इसके अलावा, जैसा कि Anthropic ने स्वयं लिखा है, संदर्भ सड़न संदर्भ बढ़ने पर 200K-400K टोकन पर शुरू होती है।
दूसरे शब्दों में, भले ही भौतिक आकार बढ़ता है, मेमोरी इंजन की आवश्यकता कम नहीं होती है। बल्कि, "विस्तृत संदर्भ विंडो का कुशलतापूर्वक उपयोग कैसे करें" एक नई तकनीकी चुनौती बन गई है।
7. 5 नुकसान — ऐसे लैंडमाइन जिन पर मैं वास्तव में पैर रख चुका हूँ
मैं यहाँ ईमानदार रहूंगा। यहाँ 5 लैंडमाइन हैं जिन पर मैंने वास्तव में इसे चलाते समय पैर रखा, जो आधिकारिक README या प्रभावशाली ट्वीट्स में दिखाई नहीं देते हैं। मैंने GitHub Issues से केवल प्रतिलिपि प्रस्तुत करने योग्य चीजें चुनी हैं।
नुकसान 1: iii-engine v0.11.2 संस्करण बेमेल
सेटअप के तुरंत बाद, कुछ लोगों को यह त्रुटि मिलती है:
iii: command not found
या
Version mismatch: expected v0.11.2, got v0.11.0
Agentmemory आंतरिक रूप से iii-engine नामक एक बाइनरी पर निर्भर करता है, और संस्करण v0.11.2 पर पिन किया गया है। यदि कोई अन्य संस्करण पहले से स्थापित है, तो यह स्टार्टअप चरण में विफल हो जाता है। समाधान प्रत्येक OS के लिए रिलीज़ से निश्चित संस्करण प्राप्त करना है।
macOS arm64
curl -fsSL https://github.com/iii-hq/iii/releases/download/iii/v0.11.2/iii-aarch64-apple-darwin.tar.gz \
chmod +x ~/.local/bin/iii
Linux x64
curl -fsSL https://github.com/iii-hq/iii/releases/download/iii/v0.11.2/iii-x86_64-unknown-linux-gnu.tar.gz \
सत्यापन
iii --version # v0.11.2 दिखाना चाहिए
यदि आप इसे छोड़ते हैं, तो बाकी सब कुछ बाद में विफल हो जाएगा, इसलिए पहले इसे पूरा करें।
नुकसान 2: Issue #181 — अनंत लूप के माध्यम से भूत सत्र का बड़े पैमाने पर उत्पादन
यह गंभीर रूप से खतरनाक है। v0.9.1 में रिपोर्ट किया गया एक घातक बग जहां Stop हुक से /summarize कॉल करना API कुंजी सेट किए बिना अनंत चाइल्ड सत्र उत्पन्न करने का कारण बनता है।
Stop हुक → /summarize → चाइल्ड सत्र उत्पन्न
↓
चाइल्ड सत्र का Stop हुक भी फायर होता है → /summarize → अधिक चाइल्ड सत्र
↓
(अनंत लूप)
GitHub Issue #181 में एक रिपोर्ट है कि कुछ ही मिनटों में लगभग 579 भूत सत्र उत्पन्न हुए। तीन समाधान हैं:
विकल्प 1: agent-sdk मोड अक्षम करें (अनुशंसित)
export AGENTMEMORY_ALLOW_AGENT_SDK=false
विकल्प 2: नकली API कुंजी के साथ त्रुटि बल दें
export AGENTMEMORY_ANTHROPIC_API_KEY="fake-key"
विकल्प 3: वास्तविक API कुंजी सेट करें
export AGENTMEMORY_ANTHROPIC_API_KEY="sk-ant-..."
उत्पादन उपयोग के लिए, विकल्प 1 या 3 सुरक्षित है। विकल्प 2 केवल पहले दिन के लिए है जब आप "बस इसे चालू करना चाहते हैं।"
नुकसान 3: Issue #159 — MCP और REST API अलग-अलग KVs पर चल रहे हैं
यह एक और घटना है जो आपको सिर खुजलाने पर मजबूर कर देगी यदि आप इसे नहीं जानते हैं। MCP टूल (जैसे memory_search) कॉल करने पर हर बार खाली परिणाम लौटता है, फिर भी REST API (POST /agentmemory/search) उसी डेटा के साथ हिट पाता है।
REST API: GET /agentmemory/sessions → 69 अवलोकन
MCP टूल: memory_sessions → [] (खाली)
कारण यह है कि @agentmemory/mcp पैकेज और Agentmemory सर्वर पूरी तरह से अलग KV स्टोर रखने के लिए डिज़ाइन किए गए हैं (Issue #159)। MCP "स्थानीय KV" है और सर्वर "दूसरा KV" है, जिनके बीच कोई संचार कोड पथ नहीं है। मई 2026 तक, यह मुद्दा खुला रहता है। समाधान हैं:
● विकल्प 1: सीधे REST API का उपयोग करें (MCP टूल के बजाय curl या fetch के माध्यम से)
● विकल्प 2: अस्थायी रूप से /mcp हुक अक्षम करें और केवल सर्वर चलाएँ
भविष्य में इसे ठीक करने की योजना है, लेकिन अभी के लिए, आपको इस विनिर्देश के आसपास निर्माण करना होगा।
नुकसान 4: MCP Cursor / VSCode में प्रतिबिंबित नहीं हुआ
आपने ~/.cursor/mcp.json संपादित किया और Cursor को पुनरारंभ किया, लेकिन Agentmemory /mcp list में दिखाई नहीं देता है। यह न केवल Cursor के साथ, बल्कि सामान्य रूप से Windows Store ऐप्स के साथ होता है।
GUI "X" बटन से बंद करना डिफ़ॉल्ट रूप से WindowsApps पृष्ठभूमि प्रक्रिया को चालू छोड़ देता है। पुरानी प्रक्रिया मेमोरी में पुरानी सेटिंग्स रखते हुए चलती रहती है। पूर्ण समाप्ति के लिए एक अनुष्ठान आवश्यक है।
macOS
pkill -9 Cursor
खोलें /Applications/Cursor.app
विंडोज (PowerShell)
→ पुनरारंभ करें
यदि आप कॉन्फ़िग फ़ाइल पर संदेह करने से पहले "अवशिष्ट प्रक्रियाओं की जाँच" को अपना डिफ़ॉल्ट बनाते हैं, तो आप यहाँ समय बचाएँगे।
पिटफॉल 5: प्राइवेसी फ़िल्टर द्वारा चुपचाप ड्रॉप किए गए अवलोकन
"सर्वर चल रहा है, लेकिन अवलोकन व्यूअर में दिखाई नहीं देते" की घटना पहले सप्ताह में भी अक्सर होती है। लॉग देखने पर, आपको इस तरह की चेतावनियाँ दिखेंगी:
[warn] observation dropped: private_tag detected
[warn] observation dropped: private_email detected
यह डिज़ाइन द्वारा है, कोई बग नहीं। Agentmemory का प्राइवेसी फ़िल्टर स्वचालित रूप से API कुंजियाँ, पासवर्ड, ईमेल पते, और PII का पता लगाता है, और उन अवलोकनों को रिकॉर्ड किए बिना त्याग देता है। यह सुरक्षा के लिए एक शानदार सुविधा है, लेकिन यदि आप इसके बारे में नहीं जानते, तो आपको लगेगा कि यह "काम नहीं कर रहा"। सह-अस्तित्व की रणनीति है:
.agentmemoryignore का उपयोग करके फ़ाइल को बाहर करें
echo ".env" >> .agentmemoryignore
echo ".env.local" >> .agentmemoryignore
echo "*/.key" >> .agentmemoryignore
echo "*/password*" >> .agentmemoryignore
विशेष रूप से जब प्रयोगात्मक कोड चला रहे हों जिसमें API कुंजियाँ शामिल हों अवलोकनों में, तो इस फ़ाइल को पहले से रखना सुरक्षित है।
8. सारांश — "अनंत मेमोरी" केवल कॉन्टेक्स्ट विंडो का विस्तार नहीं है
Agentmemory का एक सप्ताह तक भारी उपयोग करने के बाद, यह वह भावना है जो सबसे अधिक स्पष्ट हुई: "अनंत मेमोरी" की अभिव्यक्ति कॉन्टेक्स्ट विंडो के भौतिक विस्तार के बारे में नहीं है।
भले ही यह 1M टोकन तक बढ़ जाए, यदि 200K पर सटीकता गिर जाती है, तो यह अंततः अर्थहीन है। मुझे लगता है कि भौतिक आकार की दौड़ पहले ही समाप्त हो चुकी है। इसके बजाय, Agentmemory आपको प्राप्त करने की अनुमति देता है एक सिमैंटिक बाहरी मस्तिष्क।
स्ट्रक्चर्ड मेमोरी को सत्र के अंदर नहीं, बल्कि बाहर रखें। जब आवश्यकता हो तभी वही बुलाएँ जो चाहिए, और समाप्त होने पर बंद करें। याद रखने योग्य चीजें समय के साथ बढ़ती हैं, जबकि जिन्हें भुलाया जा सकता है वे चुपचाप क्षय होती हैं। यह वही संरचना है जिसका उपयोग मनुष्य मेमोरी के लिए करते हैं।
एक डेवलपर के दिमाग में होने वाला परिवर्तन एक वाक्य में वर्णित किया जा सकता है: "जब सत्र कट जाता है तब समाप्त होता है" से "सत्रों के बीच मेमोरी बढ़ती है" में संक्रमण।
पूरा उद्योग इस दिशा में आगे बढ़ रहा है। DeepLearning.AI का एजेंट मेमोरी कोर्स, Mem0 का संदेश "स्टेटलेस एजेंटों को स्टेटफुल बनाना", MemGPT पेपर "LLMs as Operating Systems"—अंततः, ये सभी बाहरी मेमोरी के बारे में हैं, और Agentmemory कोडिंग एजेंट संदर्भ में एक समाधान है।
चाहे वह Mem0 हो, Letta हो, या आपका स्वयं का कार्यान्वयन, उन लोगों के लिए जो गंभीरता से Codex / Claude Code का उपयोग करते हैं, यह वर्तमान में "अनंत मेमोरी की अनुभूति" का प्रयास करने का सबसे तेज़ उपकरण है। स्पष्ट रूप से, यह स्थापित करने लायक है।
9. इस खाते के बारे में
उन लोगों के लिए जिन्होंने यहाँ तक पढ़ा है: यह खाता @Codestudiopjbk तीन कट्टर Codex उपयोगकर्ताओं द्वारा संचालित है।
● ग्रेजुएट छात्रों और पोस्टडॉक के लिए विकास कार्यक्रमों में भागीदारी
● 300,000 येन का पुरस्कार जीता
● वर्तमान में सूचीबद्ध कंपनियों के साथ AI एजेंटों का सह-विकास कर रहे हैं
हमारी सामान्य सामग्री में शामिल हैं:
● GPT-5.5 / OpenAI Codex का उपयोग करके कार्यान्वयन उदाहरण
● Codex उपयोग, CLI ऑटोमेशन, और विकास रुझान
● नवीनतम विदेशी GPT-5.5 / Codex जानकारी का अनुवाद और सत्यापन
● Claude Code के साथ व्यावहारिक तुलना (सैकड़ों घंटों के उपयोग के आधार पर)
● सूचीबद्ध कंपनियों के साथ सह-विकास से सीख
हम एक काम करने वाले उत्पाद को दुनिया में लाने की पूरी प्रक्रिया के बारे में प्रतिदिन पोस्ट करते हैं—विकास दर्शन से लेकर डिज़ाइन, कार्यान्वयन और सुधार तक। यदि आप रुचि रखते हैं, तो कृपया फ़ॉलो करें और हमें देखें। यह आपके समय के लायक होगा।
विकास-संबंधित परामर्श के लिए, कृपया हमें DM करें। Codex परिचय, ऑटोमेशन डिज़ाइन, या AI एजेंट कार्यान्वयन के लिए संपर्क करने में संकोच न करें।
संदर्भ और उद्धरण
● Rohit Ghumare (rohitg00/agentmemory) (2026-05-13) — Agentmemory v0.9.12 — कोडिंग एजेंटों के लिए मेमोरी इंजन — आधिकारिक रेपो, Apache-2.0, 8.8k स्टार्स, TypeScript
● Rohit Ghumare (2026-04) — "यह 6 महीने पहले agentmemory के साथ बनाया गया: AI कोडिंग एजेंटों के लिए स्थायी मेमोरी" — डेवलपर दर्शन
● GitHub Issue #181 — Stop-hook → /summarize → agent-sdk अनंत पुनरावृत्ति — पिटफॉल 2 के लिए प्राथमिक स्रोत
● GitHub Issue #159 — स्टैंडअलोन MCP उपकरण चल रहे agentmemory सर्वर पर प्रॉक्सी नहीं करते — पिटफॉल 3 के लिए प्राथमिक स्रोत
● Anthropic Engineering — AI एजेंटों के लिए प्रभावी कॉन्टेक्स्ट इंजीनियरिंग — कॉन्टेक्स्ट इंजीनियरिंग पर आधिकारिक मार्गदर्शन
● Anthropic (2026-04-23) — 23 अप्रैल पोस्टमार्टम — Claude Code सोच लंबाई पतन घटना का सामाजिक प्रमाण
● Mem0 — Mem0 का परिचय — Mem0 दर्शन और Taranjeet Singh का उद्धरण
● Letta — AI एजेंट मेमोरी का बेंचमार्किंग — Letta बेंचमार्क संख्याओं के लिए स्रोत
● Charles Packer et al. (2023-10) — MemGPT: LLMs को ऑपरेटिंग सिस्टम के रूप में — वर्चुअल कॉन्टेक्स्ट प्रबंधन पेपर, Agentmemory का सैद्धांतिक पूर्ववर्ती
● DeepLearning.AI — एजेंट मेमोरी: मेमोरी-अवेयर एजेंट बनाना — Andrew Ng / Oracle कोर्स
