Antigravity Plugin · L0–L3 Zero Dependencies · Python 3.10+ · SQLite FTS5 MIT + CC BY 4.0 Open License

Antigravity Persistent Memory (L0–L3)

Sistema Local-First de memoria persistente en cuatro capas para convertir a tus agentes de IA en auténticos especialistas mediante experiencia real verificada: diarios en Markdown bajo Git, índice SQLite FTS5 + BM25, servidor MCP federado, compuerta anti-envenenamiento (PROVISIONAL → VERIFIED) y guardianes automáticos de presupuesto (24.000 bytes y 20.000 tokens Always-On).

Instalación en 1 Comando (Windows / macOS / Linux)

Clona el repositorio e instala automáticamente el plugin, las reglas globales, el servidor MCP persistent_memory y los hooks SessionStart + Stop sin sobrescribir tus servidores existentes:

git clone https://github.com/0utKast/antigravity-persistent-memory.git
cd antigravity-persistent-memory
python install_persistent_memory.py

Para auditar tu estación o probar el ciclo completo de 6 etapas en sandbox sin tocar ~/.gemini:

python install_persistent_memory.py --check
python laboratorio_memoria_persistente_antigravity.py
python tests/test_persistent_memory_portable.py

Impacto Empírico Medido en Producción

Resultados reales verificados sobre Fallout 4 (Crónicas del Refugio 13, Piper Wright AI), Cyberpunk 2077 (Ghost Echo, Chispa NC) y producción automatizada de cursos 4K:

87,9 %Ahorro en tokens de misión (Pass@1: 1.120 vs 9.240 tok)
87 % – 90,3 %Ahorro fijo al arrancar mediante índice L2
-78,5 %Rescate real de AGENTS.md (23.585 B → 5.071 B)
29 VERIFIEDLecciones consolidadas con Trampa Semántica

Arquitectura de 4 Capas (L0–L3) y Presupuestos de Antigravity

CapaArtefactosFunción y CargaProtección de Límites
L0 · ConstituciónAGENTS.md + GEMINI.mdCarga incondicional (Always-On) al inicio de cada sesión.Tope sano < 12 KB, alerta ≥ 16 KB, límite duro 24.000 B y techo 20.000 tok.
L1 · Modular.agents/rules/*.md y SKILL.mdDivulgación progresiva (trigger: model_decision, ~30 tok en reposo).Límite 18.000 B efectivos (expandiendo @[label](ruta)). Destino cuando N ≥ 2.
L2 · EpisódicaMEMORIA_INDICE.md + diarios/*.mdEscape Hatch legible en Markdown y versionado en Git.Ahorro del 87,0 % al 90,3 % frente a cargar históricos completos.
L3 · FTS5 + MCPmemoria_fts.sqlite + memctl.py + hooks.jsonBúsqueda BM25 Unicode, federación solo lectura y compuertas.Hooks SessionStart y Stop anti-bucle sin alterar permisos PreToolUse.

Bibliografía Verificada de O'Reilly Learning (MCP)

#Obra / CharlaAutor(es)Identificador URN
1Memory for Personal AI with Duncan DavidsonBen Lorica, Duncan Davidsonurn:orm:video:0642572475086
2Agent MemoryBenjamin Labaschinurn:orm:book:0642572370473
3Managing Memory for AI AgentsBenjamin Labaschin et al.urn:orm:book:9798341661257
4Expert Showcase: Agent MemoryKsenia Se, Lewis Liu, Pete Johnsonurn:orm:video:0642572428136
5Build Self-Improving Agents with Memory, Traces, and SkillsRichmond Alakeurn:orm:live-event-series:0642572457082
6Agentic EngineeringAddy Osmaniurn:orm:book:0642572392291
7Harness EngineeringNicole Koenigsteinurn:orm:book:0642572422783
8The Context Engineering HandbookDrew Breunigurn:orm:book:0642572260705
9Agentic Reliability EngineeringDavid Jamborurn:orm:book:0642572294809
10Architecting Data Systems for AI AgentsFirat Tekinerurn:orm:book:0642572354664
11Game Engine Architecture, 3rd EditionJason Gregoryurn:orm:book:9781351974271
12AI EngineeringChip Huyenurn:orm:book:9781098166298
13Building Applications with AI AgentsMichael Albadaurn:orm:book:9781098176495