Hipocampus - AI एजेंट्स के लिए स्थायी मेमोरी सिस्टम (ज़ीरो इन्फ्रास्ट्रक्चर)

Claude Code और OpenClaw जैसे AI एजेंट्स सेशन खत्म होते ही अपनी सारी यादें भूल जाते हैं। 2 हफ्ते पहले DB migration strategy जैसी किसी बात पर सहमति बनी हो, और अगले सेशन में उन्हें फिर से शुरुआत से जांच-पड़ताल करते देखना काफ़ी निराशाजनक होता है.

बेशक, इसके लिए कई तरह के समाधान मौजूद हैं, लेकिन उनकी सीमाएँ साफ़ हैं:

• सिर्फ़ एक MEMORY.md से काम चलाना: एक हफ्ते में ही भर जाता है, फिर सोचना पड़ता है कि क्या हटाएँ। जो हटा दिया, वह हमेशा के लिए खो गया
• RAG search: जो ढूंढना है वह मिल जाता है, लेकिन शुरुआत में ही यह तय नहीं कर पाता कि "क्या मुझे यह पहले से पता था?"
• सब कुछ 1M context में ठूंस देना: काम तो करता है, लेकिन attention बिखर जाती है और token cost बहुत बढ़ जाती है

Hipocampus इसे 3-स्तरीय मेमोरी (hot/warm/cold) और 5-लेवल compaction tree के साथ हल करता है। अब तक जमा हुई पूरी conversation/work history को लगभग 100 लाइनों की ROOT.md index में compress करके, हर call पर सिर्फ़ ~3K tokens जोड़ने से एजेंट तुरंत समझ जाता है कि "मुझे क्या पता है और क्या नहीं"।

• npx hipocampus init की एक लाइन से इंस्टॉलेशन पूरा।
• external dependency शून्य + server जैसी किसी infrastructure की ज़रूरत नहीं
• मौजूदा Claude Code और OpenClaw के साथ तुरंत इस्तेमाल किया जा सकता है
• qmd-आधारित BM25 + vector hybrid search (वैकल्पिक)
• मेमोरी write को sub-agent संभालता है, जिससे main session context साफ़ बना रहता है
• MIT लाइसेंस

एजेंट हर बार वही बातें फिर से पूछे और शुरुआत से दोबारा जांच करे, इसमें समय और tokens दोनों की बर्बादी होती थी। इसी वजह से इसे बनाया, और उम्मीद से बेहतर काम करने पर इसे open source के रूप में जारी किया।

[gykim]

अच्छा लग रहा है। मैं हर काम का रिकॉर्ड तारीख के हिसाब से छोड़ता हूँ और फिर उस पर grep चलाता हूँ, यह भी एक बार इस्तेमाल करके देखना पड़ेगा।