Engram: Cómo darle memoria persistente a tu agente de IA

El problema: tu agente de IA tiene amnesia

Si trabajas con agentes de código como Claude Code, Cursor o Copilot, conoces la frustración. Empiezas una sesión, le explicas la arquitectura de tu proyecto, tomas decisiones importantes, resuelves bugs complejos — y cuando cierras la sesión, todo desaparece.

La siguiente vez que abres el agente, es como hablar con alguien que nunca te conoció. Tienes que re-explicar todo desde cero. El contexto se pierde, las decisiones se olvidan, los patrones descubiertos se evaporan.

Este es el problema fundamental de los agentes de IA actuales: no tienen memoria persistente.

Qué es Engram

Engram es un sistema de memoria persistente para agentes de código. Fue creado por Gentleman Programming como un proyecto open-source (MIT) y resuelve el problema de la amnesia con una arquitectura simple y elegante.

Un binario Go compilado. Una base de datos SQLite. Cero dependencias externas.

No necesitas Node.js, Python ni Docker. Descargas un archivo, lo ejecutas, y tu agente tiene cerebro.

Cómo funciona

El flujo es directo:

1. Tu agente trabaja — resuelve un bug, toma una decisión de arquitectura, descubre un gotcha
2. Engram guarda — el agente llama a mem_save con un título, tipo y contenido estructurado
3. SQLite indexa — FTS5 (Full-Text Search 5) indexa el contenido para búsquedas rápidas
4. La próxima sesión — el agente busca con mem_search y recupera el contexto relevante

El agente ya no empieza de cero. Sabe qué decidiste, qué bugs resolviste, qué patrones estableciste.

Arquitectura técnica

Engram está construido con decisiones técnicas deliberadas:

• Go como lenguaje — un solo binario compilado, sin runtime, sin garbage collection lento
• SQLite con FTS5 — búsqueda full-text indexada localmente, sin servidor de base de datos
• MCP (Model Context Protocol) — el estándar de Anthropic para que herramientas se comuniquen con agentes
• Almacenamiento local — ~/.engram/engram.db, tus datos en tu máquina

La base de datos almacena “observaciones” — cada una con título, tipo, contenido, proyecto, timestamp y topic key.

Las 19 herramientas MCP

Engram expone 19 herramientas que el agente puede usar:

Guardar y actualizar:

• mem_save — guardar una nueva observación
• mem_update — actualizar una existente
• mem_delete — eliminar una obsoleta
• mem_suggest_topic_key — sugerir una clave temática para organizar

Buscar y recuperar:

• mem_search — búsqueda full-text por keywords
• mem_context — contexto reciente de la sesión
• mem_timeline — línea temporal de una observación
• mem_get_observation — contenido completo de una observación

Gestión de sesiones:

• mem_session_start — iniciar sesión de trabajo
• mem_session_end — finalizar sesión
• mem_session_summary — resumen estructurado de la sesión