Turbo Quant Memory

Name: Turbo Quant Memory
Author: Lexus2016

de Lexus2016versión 0.34.0i★ –iSe ejecuta en tu computadora

Nombre en el registroio.github.Lexus2016/turbo-quant-memory

Instalar

Resumen

Descripción del creador (original en inglés)

Local-first memory and knowledge graph for coding agents. Compact retrieval, no network.

Los tres pilares de PopNx MCP

Estos tres nunca se combinan en una sola puntuación: las opiniones, las mediciones y la popularidad son cosas distintas.

Opinión de usuariosiAún no hay reseñasLas reseñas se abrirán junto con las cuentas en una etapa posterior
Nuestras revisiones básicasi1 de 1 superadasRevisado con información pública; el código aún no se ha escaneado
UsoiMuy nuevo↓ 54/sem · ★ –

Qué puedes hacer con él

Todavía no escribimos un resumen sencillo para este. Abajo están los datos que leímos del registro.

Conexión: Se ejecuta en tu computadora
Transporte: stdio
Categoría: Búsqueda y memoria de IA
Debes completar: TQMEMORY_SECRETS_PASSPHRASE

Instalación

Elige la app de IA que usas y copia la configuración.

Antes de instalar

Revisiones básicas: 1 de 1 superadas
Se ejecuta en tu computadora con los permisos de tu usuario (archivos, red, apps).
Debes completar tú: TQMEMORY_FTS_LANGUAGE, TQMEMORY_EMBEDDING_BACKEND, TQMEMORY_MIGRATE_ON_STARTUP, TQMEMORY_SECRETS_PASSPHRASE

Los valores marcados como secretos son llaves de tu cuenta. Nunca los compartas ni los pegues en un chat.

Necesitas

PyPIuv de Python instalado (para el comando uvx)

¿Qué app usas?

ClaudeClaude CodeCursorVS CodeChatGPT

Elige tu app arriba. La recordamos, así que la próxima vez el botón dirá “Instalar en …”.

Abre Claude Desktop → Settings → Developer → Edit Config y pega esto en claude_desktop_config.json

{
  "mcpServers": {
    "turbo-quant-memory": {
      "command": "uvx",
      "args": [
        "turbo-quant-memory",
        "serve"
      ],
      "env": {
        "TQMEMORY_FTS_LANGUAGE": "your-value",
        "TQMEMORY_EMBEDDING_BACKEND": "your-value",
        "TQMEMORY_MIGRATE_ON_STARTUP": "your-value",
        "TQMEMORY_SECRETS_PASSPHRASE": "your-value"
      }
    }
  }
}

Ejecuta esto en tu terminal

claude mcp add turbo-quant-memory --env TQMEMORY_FTS_LANGUAGE=your-value --env TQMEMORY_EMBEDDING_BACKEND=your-value --env TQMEMORY_MIGRATE_ON_STARTUP=your-value --env TQMEMORY_SECRETS_PASSPHRASE=your-value -- uvx turbo-quant-memory serve

Completa los valores vacíos antes de ejecutarlo.

Abrir en Cursor

O copia la configuración tú

Pégalo en .cursor/mcp.json de tu proyecto, o en ~/.cursor/mcp.json

{
  "mcpServers": {
    "turbo-quant-memory": {
      "command": "uvx",
      "args": [
        "turbo-quant-memory",
        "serve"
      ],
      "env": {
        "TQMEMORY_FTS_LANGUAGE": "your-value",
        "TQMEMORY_EMBEDDING_BACKEND": "your-value",
        "TQMEMORY_MIGRATE_ON_STARTUP": "your-value",
        "TQMEMORY_SECRETS_PASSPHRASE": "your-value"
      }
    }
  }
}

Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.

Abrir en VS Code

O copia la configuración tú

Pégalo en .vscode/mcp.json de tu proyecto

{
  "servers": {
    "turbo-quant-memory": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "turbo-quant-memory",
        "serve"
      ],
      "env": {
        "TQMEMORY_FTS_LANGUAGE": "your-value",
        "TQMEMORY_EMBEDDING_BACKEND": "your-value",
        "TQMEMORY_MIGRATE_ON_STARTUP": "your-value",
        "TQMEMORY_SECRETS_PASSPHRASE": "your-value"
      }
    }
  }
}

Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.

Este se ejecuta en tu computadora, y ChatGPT solo puede conectarse a servidores en internet. Elige otra app.

Tu elección se guarda en una cookie en este dispositivo; no necesitas cuenta.

Valores que debes completar

TQMEMORY_FTS_LANGUAGE env
Snowball stemmer for the BM25 lane. Use Russian for Cyrillic-dominant corpora.
TQMEMORY_EMBEDDING_BACKEND env
Embedder backend. Default fastembed (ONNX); sentence-transformers needs the [torch] extra.
TQMEMORY_MIGRATE_ON_STARTUP env
Set to 1 to apply pending schema migrations automatically on startup.
TQMEMORY_SECRETS_PASSPHRASE secreto env
Argon2id passphrase for the secrets vault on headless hosts. Omit to use the OS keyring.

Esta configuración se genera a partir de la ficha del creador en el registro. Si el README dice otra cosa, sigue el README.

Qué puede hacer

Se ejecuta en tu computadora; la lista de herramientas aparece en tu app de IA después de instalarlo.

Revisiones básicasi

Revisamos información que cualquiera puede ver; no hemos leído el código. Las revisiones que no aplican no se cuentan. · Revisado el 8 nov 2026

✓ Superada
El creador coincide con el repo
El nombre en el registro se verificó con la cuenta de GitHub Lexus2016, dueña del repo
… Aún sin revisar
Sigue en mantenimiento
Todavía no hemos leído este repo en GitHub
… Aún sin revisar
Tiene licencia
Todavía no hemos leído este repo en GitHub
– No aplica
El endpoint responde
Este se ejecuta en tu computadora; no hay endpoint en internet
– No aplica
Inicio de sesión con OAuth
Se ejecuta en tu computadora y usa ajustes locales en su lugar
… Aún sin revisar
Sin instrucciones ocultas en las descripciones de herramientas
Se ejecuta en tu computadora; solo podemos leer listas de herramientas de endpoints en internet

Comparado con otros en Búsqueda y memoria de IAi

Más estrellas que el 0% de los otros 5722 servidores de esta categoría
Publicado en el registro más recientemente que el 69% de los otros 5722 servidores de esta categoría
Revisiones básicas iguales o mejores que el 100% de los otros 5722 servidores de esta categoría

Comparado con todos los servidores activos de esta categoría en el registro. Las estrellas solo cuentan cuando quien lo publica es dueño del repo.

Preguntas frecuentes

¿Es seguro Turbo Quant Memory?

Superó 1 de 1 revisiones básicas aplicables. No hemos leído el código. Antes de agregar una clave o un token, revisa qué acceso pide el servidor y usa una clave que tenga solo los permisos que necesitas.

¿Qué claves o códigos necesita?

Debes completar: TQMEMORY_SECRETS_PASSPHRASE

¿Se ejecuta en mi computadora o en la nube?

Se ejecuta en tu computadora. Tu app de IA lo inicia cuando hace falta, y los datos no pasan por los servidores del creador (a menos que el propio servidor llame a un servicio en línea).

¿Sigue en mantenimiento?

El repo de GitHub cambió por última vez –, y la última versión (0.34.0) llegó al registro hace 18 días.

¿Qué apps pueden usarlo?

Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. También necesitas Python (uv) en tu computadora.

¿Qué puedo usar en su lugar?

En la misma categoría: Context7, Codebase Memory, Exa

Alternativas

Servidores de la misma categoría hechos por otros creadores, ordenados por estrellas.

Cómo leer una tarjeta:↓ Descargas por semanai★ Estrellas de GitHubiTres pilares: reseñas · revisiones · usoiActualizado = fecha en que se publicó la última versión en el registroi

Context7

Up-to-date docs for AI agents

de upstashMuy usado↓ 972,7 mil/sem★ 64,2 milActualizado anteayer

Computadora o nube

Instalar

Codebase Memory

Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.

de DeusDataMuy usado↓ 18 mil/sem★ 48,1 milActualizado hace 22 días

Se ejecuta en tu computadora

Instalar

Exa

Connect AI agents to Exa for web search, content fetching, and multi-step research.

de exa-labsMuy usado★ 5,2 milActualizado hace 2 meses

Se ejecuta en la nube✓ exa.ai

Instalar

README del creador

Abrir el README

Copiado tal cual del repo del creador. PopNx MCP no lo ha revisado ni lo respalda. Se quitaron HTML, imágenes y scripts. Los enlaces llevan fuera de este sitio.

Local-first memory and knowledge graph for AI coding agents

Your agent stops re-reading files and re-deriving the same conclusions.

Your notes, code and secrets never leave your machine.

Demo

Watch the 30-second demo

The problem

A long session accumulates hard-won detail about why the code is the way it is. Then the context compacts and it is gone. Next session the agent re-reads the same files, re-derives the same conclusions, and bills you for the same tokens again.

CLAUDE.md does not scale past a few dozen lines, and it cannot answer *"what did we decide about X, and why?"*.

Turbo Quant Memory is an MCP server that gives the agent a persistent, searchable store it writes to while it works — decisions, lessons, patterns, session handoffs — plus a compact index of your Markdown. Retrieval returns ~220-character result cards rather than whole documents; the agent loads full content only when a card is not enough.

Why this one

	Turbo Quant Memory	mem0 / OpenMemory	MCP `memory` server
Where your data lives	your disk, always	vendor cloud or self-host	your disk
Your data leaves the host	never	yes, unless self-hosted	never
Retrieval	hybrid BM25 + dense vector, RRF-fused	dense vector	exact graph lookup
What a search returns	compact cards, hydrate on demand	full memories	full nodes
Knowledge graph	yes — with lifecycle + linting	no	yes
Non-English content	Cyrillic exact-match out of the box	varies	n/a
Measures its own savings	yes — `server_info()`	no	no
Price	free, MIT	paid tiers	free

No HTTP client, no telemetry, no phone-home. Verify it yourself — this returns nothing:

grep -rnE '^[[:space:]]*(import|from)[[:space:]]+(requests|httpx|aiohttp|urllib3)\b' src/

To be precise about the one exception: on first run fastembed downloads the embedding model (~0.22 GB) from Hugging Face. After that the server runs fully offline. Your notes, code and secrets are never transmitted anywhere — there is nothing in the package that could send them.

Install

Let your agent install it

Paste this into Claude Code, Codex, Gemini CLI, Cursor or Antigravity:

Install and configure the Turbo Quant Memory MCP server for this workspace from

https://github.com/Lexus2016/turbo_quant_memory — follow the README, register the

tqmemory server, run turbo-memory-mcp skill install, run the health check, and

index this project.

skill install copies an operating manual into every agent skill directory on the machine, so every future session already knows how to use the memory without being told.

Or install it yourself

uv tool install turbo-quant-memory

Upgrading from 0.27.x or earlier? The distribution was renamed in 0.28.0, so uv tool upgrade turbo-memory-mcp no longer resolves — run uv tool install --force turbo-quant-memory once, and uv tool upgrade turbo-quant-memory afterwards. The turbo-memory-mcp command itself is unchanged, so client configs keep working.

Then register the server with your client:

claude mcp add --scope project tqmemory -- turbo-memory-mcp serve   # Claude Code

codex mcp add tqmemory -- turbo-memory-mcp serve # Codex gemini mcp add tqmemory turbo-memory-mcp serve # Gemini CLI

Cursor, OpenCode, Antigravity and other clients → CLIENT_INTEGRATIONS.md. Hermes runs MCP through a systemd gateway → docs/hermes.md.

📈 It measures its own savings — see for yourself

Turbo Quant Memory doesn't just *claim* to save tokens — every install keeps a running tally you can read anytime with server_info() (field usage_stats.headline). The savings are yours to verify, not ours to promise.

Live snapshot from a real developer instance (v0.28.2):

What the memory did	Number
🔢 Input tokens saved (cumulative)	≈ 2,640,000 and counting
🔁 Retrievals served	2,280 searches + 280 deep hydrations
📉 Average saved per retrieval	≈ 1,200 tokens
📚 Knowledge under management	237 active notes + 763 indexed code blocks
🛡️ Integrity	0 corrupted records · 0 pending migrations

These are one machine's cumulative numbers, not a synthetic benchmark — your own counter starts at zero and grows as your agent works. Run server_info() on your install to see your real figure.

What it does

Typed notes. decision, lesson, pattern, handoff — each stored with tags, provenance and a knowledge-graph link to the file or issue it is about.
Tiered memory. durable (decisions, patterns) and reference (indexed docs) are searched by default; episodic (session handoffs) stays out of the way until you ask for it, so yesterday's noise never buries an architectural decision.
Hybrid retrieval. A dense vector lane leads; a BM25 lane rescues exact terms — function names, file paths, IDs — fused with Reciprocal Rank Fusion. Cyrillic and other non-English terms match exactly, case- and accent-insensitive, with no configuration.
Knowledge graph. Directed, timestamped relations between notes, files and issues. Search results carry the linked context inline, so the agent does not need a second lookup.
Human notes outrank agent notes. Anything you explicitly asked to remember is flagged human-explicit and ranks above the agent's own observations at equal relevance.
Encrypted secrets vault. Project-scoped, AES-256-GCM, structurally unreachable from search. → docs/secrets-vault.md
Runs on a small machine. The default embedder is ONNX via fastembed — no PyTorch, ~0.22 GB model, comfortable on 2 GB of RAM.
Several agents, one project — automatically. Agents working in the same git working tree see each other's sessions, announced work and recent file changes; while two or more of them share the tree, changes to text files are recorded so they can be restored. No setup.

Full technical detail → docs/features.md

Several agents in one project

If you run more than one agent in the same working tree, tqmemory connects them automatically. There is nothing to configure.

Agents see each other. workspace_status lists the active sessions, what each one announced it is working on (announce_work, finish_work) and which files changed recently. A session that made no tqmemory call for 30 minutes is listed under idle_sessions instead: it is not an active peer and its announced areas are left out of overlaps. Other tqmemory responses carry a short workspace note only when something new has happened, and never for a lone session. health and server_info always include a workspace diagnostics block.
Changes are recorded. While two or more sessions share a git working tree, the watcher records new versions of text files it sees change (up to 1 MiB each, skipping anything matched by .gitignore or .tqmemoryignore). Several quick writes in a row can be merged into one version. file_history lists the versions and restore_file brings one back; the restore is itself undoable. The same is available from a terminal: turbo-memory-mcp files log and turbo-memory-mcp files restore.
Limits. Versions are recorded only while two or more sessions share a git working tree. The journal never runs outside a git working tree, in your home directory or at a filesystem root. Defaults: 1 MiB per file, a 256 MiB per-project size target and 14 days of retention. Recorded versions stay recoverable for 14 days; past that, or when the project is over its size target, the oldest are removed. The newest version of each file changed in the last 24 hours is never dropped for size. These defaults are set by TQMEMORY_JOURNAL_MAX_FILE_BYTES, TQMEMORY_JOURNAL_MAX_BYTES and TQMEMORY_JOURNAL_RETENTION_DAYS; the size limit is a target, not a hard maximum.

This is partial protection, not a guarantee that every change is saved. It does not block writes: two agents can still overwrite each other's work, and tqmemory can only show it and help you recover. Agents that never call tqmemory see nothing. It works on one computer only. To turn it off, set TQMEMORY_WORKSPACE_DISABLE=1.

The 24 MCP tools

Group	Tools
Write	`remember_note` · `deprecate_note` · `promote_note` · `index_paths`
Read	`semantic_search` · `hydrate` · `recent_context` · `list_scopes`
Graph	`link_entities` · `unlink_entities` · `get_related_entities`
Hygiene	`lint_knowledge_base` · `health` · `self_test` · `server_info`
Vault	`set_secret` · `get_secret` · `list_secrets` · `delete_secret`
Workspace	`announce_work` · `finish_work` · `workspace_status` · `file_history` · `restore_file`

Documentation


MEMORY_STRATEGY.md	How to actually use the memory day to day
CLIENT_INTEGRATIONS.md	Per-client setup: Cursor, OpenCode, Antigravity, …
TECHNICAL_SPEC.md	Architecture and storage format

| [docs/featur

Solo se muestra el principio; lee el resto en el repo

Turbo Quant Memory

Resumen

Los tres pilares de PopNx MCP

Qué puedes hacer con él

Instalación

Antes de instalar

Valores que debes completar

Qué puede hacer

Revisiones básicasi

El creador coincide con el repo

Sigue en mantenimiento

Tiene licencia

El endpoint responde

Inicio de sesión con OAuth

Sin instrucciones ocultas en las descripciones de herramientas

Comparado con otros en Búsqueda y memoria de IAi

Preguntas frecuentes

Alternativas

Context7

Codebase Memory

Exa

README del creador

Demo

The problem

Why this one

Install

Let your agent install it

Or install it yourself

📈 It measures its own savings — see for yourself

What it does

Several agents in one project

The 24 MCP tools

Documentation