O Claude Code esquece tudo. O Akita resolveu criando o AI Memory

Video authored by the channel shown, not by IANIA; all rights belong to the creator. Transcript and summary generated automatically; the original-language content is preserved.

Original language: Portuguese

Original video: O Claude Code esquece tudo. O Akita resolveu criando o AI Memory · Channel: Bolt · 03:37 · Watch on YouTube

Topics: AI agents, Claude Code, Prompt and context engineering, AI developer tools

Summary

O vídeo apresenta o AI Memory, ferramenta criada por Fábio Akita para compartilhar a memória de projetos entre agentes e sessões, inclusive ao trocar de ferramenta ou máquina. Ela registra o trabalho em arquivos de texto versionados e oferece recursos como captura de hooks e handoff, sem exigir chamadas de LLM por padrão. O vídeo também destaca limitações de segurança, sincronização e suporte experimental ao Windows. A ideia central é que modelos e ferramentas podem mudar, mas a memória do projeto deve continuar com o usuário.

Key points

Sessões de agentes começam sem lembrar das conversas anteriores, o que dificulta retomar tarefas ao trocar de agente.
O AI Memory mantém o conhecimento do projeto em arquivos de texto que podem ser lidos e editados com ferramentas comuns.
A ferramenta captura hooks em background e permite que agentes consultem o contexto em sessões futuras.
O recurso de handoff registra um bilhete com o ponto em que a tarefa foi interrompida.
O AI Memory funciona com mais de 20 agentes e pode compartilhar o conhecimento do projeto com uma equipe.
Por padrão, a ferramenta não exige chamadas de LLM nem chamadas de API pagas.
A documentação informa que os dados armazenados não são criptografados, e o atalho do Docker inicia sem senha.
Uma sessão já em andamento pode não receber imediatamente as novidades compartilhadas por colegas.
A troca de agente em outra máquina não transfere o histórico completo; o Windows ainda tem suporte experimental.
A recomendação central é manter a memória do projeto sob controle do usuário, independentemente do modelo ou da ferramenta usados.

Chapters

Start	Chapter	Summary
00:00	O problema de perder o contexto	O vídeo apresenta o AI Memory como solução para continuar uma tarefa ao trocar de agente.
00:30	Como funciona a memória compartilhada	A ferramenta registra o trabalho em arquivos acessíveis e prepara contexto e handoff para sessões futuras.
01:33	Compatibilidade e uso em equipe	O AI Memory funciona com diversos agentes, pode ser compartilhado por uma equipe e é apresentado como gratuito.
02:04	Memória do projeto sob controle do usuário	O vídeo defende que a memória deve acompanhar o projeto mesmo quando o usuário troca de modelo ou ferramenta.
02:35	Limitações e considerações finais	São abordados os riscos de segurança, a sincronização não imediata, o suporte experimental ao Windows e a rápida evolução do projeto.

Quotes

Você abre o Codex na mesma pasta e ele não sabe de nada, começa tudo do zero. — 00:00

É como se fosse um wiki versionado no GitHub. — 01:01

O modelo e a ferramenta são alugados e a memória do projeto é sua. — 02:04

Não tem criptografia nos dados guardados. — 02:35

O que o seu projeto aprendeu tem que ficar com você. — 03:05

Concepts and entities

AI Memory, Fábio Akita, Claude Code, Codex, Cursor, Gemini, Copilot, OpenCode, handoff

Full transcript (original language)

00:00 Imagina que você tá no meio de uma tarefa com o Cloud Code, meia hora explicando a arquitetura, o que deu errado, o que falta fazer e aí bum, acabou os tokens do dia. Aí você abre o Codex na mesma pasta e ele não sabe de nada, começa tudo do zero. Fábio Akita criou uma ferramenta para resolver exatamente esse problema, se chama AI Memory. Você sai do Cloud Code no meio de uma tarefa, abre o Codex e continua exatamente de onde parou. O projeto tem menos de cinco meses e já passou de 11.000 estrelas no GitHub. E o mais curioso, por padrão ele funciona com zero chamadas de LLM, sem chamadas de API, sem pagar nada. Mas tem um detalhe nessa história que vale muito mais do que a ferramenta. Fica até o final que eu te mostro. Primeiro, o modelo de IA

00:30 não lembra nada de uma conversa para outra. Cada sessão começa exatamente do zero. Para contornar isso, as ferramentas criam a memória, uma anotação que o agente guarda e lê na próxima vez. O Cloud Code tem, o Codex tem, o Cursor tem, só que todas têm o mesmo problema. Pensa num hospital, o médico do plantão da noite anota tudo num caderninho que fica no bolso dele. Aí acaba o plantão, ele vai embora e leva o caderninho junto. Aí o médico de manhã chega e não sabe nada do paciente, tem que perguntar tudo de novo. É isso que acontece quando você troca do Cloud Code para o Codex ou quando passa o projeto para o seu colega. AI Memory é

01:01 basicamente trocar o caderno para o prontuário do hospital, aquele que fica com as enfermeiras e qualquer médico que chega consegue ler. Funciona em quatro passos. Primeiro ele captura os hooks, fica ouvindo a sessão, o que você pediu, o que o agente fez e tudo isso em background, você não precisa pedir nada para ele. É como se fosse um wiki versionado no GitHub. Arquivo de texto puro e aí dá para abrir no Obsidian, usar o grep, vim, qualquer outro editor de texto. Terceiro, assim como o nome do projeto diz, ele tem memória. Na próxima sessão, em qualquer agente, em qualquer máquina recebe um resuminho curto do projeto e pode buscar o resto. E o

01:33 quarto é o handoff, é a passagem do plantão. Basicamente um bilhete dizendo aonde parou. E funciona com mais de 20 agentes, Cloud Code, Codex, Cursor, Gemini, Copilot, Open Code e dá para usar em time. Aponta todo mundo para um servidor só e o conhecimento do projeto é de todo mundo. E cada escrita fica registrada com o nome de quem fez e isso é de graça, não tem nada pago. Para instalar no Linux ou no Mac é só um comando, depois do setup é só configurar os agentes e ele vai encontrar na sua máquina facilmente. E aí, em vez de abrir o Cloud direto, você abre ele pelo AI Memory. No dia seguinte, é só

02:04 perguntar para o agente aonde a gente parou ou o que você lembra desse projeto? E se a cota acabou e o agente nem conseguiu ler o bilhete de handoff? Na mesma máquina, o AI Memory entrega para o agente novo uma cópia do histórico anterior, na sua máquina sem mandar nada para o servidor. E aqui que tá o detalhe. O Aqui tá resume muito bem a ideia numa frase só: “O modelo e a ferramenta são alugados e a memória do projeto é sua”. Pense bem, esse mês é melhor usar o Cloud Code, mas que vem talvez o Codex, depois outro. Se a memória do seu projeto ficar dentro dessas ferramentas, toda vez que você trocar de ferramenta, o que vai acontecer? Você vai perder, vai ficar preso nela. E o conhecimento fica. E tem

02:35 uma ironia nisso. O readme diz que o AI Memory tá sendo construído junto com o Cloud Code. Basicamente, é IA ajudando a construir a ferramenta que impede que você fique preso nela. Agora as minhas considerações. Primeiro, a própria documentação diz que não tem criptografia nos dados guardados. Quem protege é a permissão do seu sistema. E o atalho do Docker sobe sem senha. Fica só na sua máquina, mas outros programas e até as páginas do navegador conseguem acessar. Segundo, o tempo real entre colegas não é bem tempo real. O próprio Aqui tá avisa. Uma sessão que já tá rodando só vê a novidade na próxima

03:05 busca ou quando abrir de novo. Terceiro ponto, a troca de agente em outra máquina não leva o histórico completo, leva só o que tá no servidor e o bilhete handoff. E no Windows ainda é experimental. O projeto anda muito rápido, saiu da versão 1.1 para 1.39 em um pouco mais de dois meses e já tá na 3.1. Isso é ótimo, mas quer dizer que tem muita coisa que muda e precisa de ajuste. Mas tudo bem, na era da IA, o que não muda todo dia? Então a regra é simples, o modelo que você aluga e a memória você guarda. Troca de IA à vontade, mas o que o seu projeto aprendeu tem que ficar com você. E aí, você já perdeu o contexto trocando de agente no meio da tarefa? Comenta aí.

03:37 Verifica se tá inscrito, deixa o like e valeu, até o próximo vídeo.