English · 中文 · 日本語 · 한국어 · Türkçe · Español · Português

Dê ao seu agente de IA uma memória com provas de toda a sua base de código.

Cada afirmação fundamentada em código. Cada janela de contexto otimizada. Cada sessão à prova de desvios.

## O Problema Agentes de IA para codificação alucinam sobre o seu código. Perdem o contexto entre sessões. Não conseguem provar suas afirmações. **O AtlasMemory resolve esses três problemas.** | | Funcionalidade | Outros | AtlasMemory | |---|---------|--------|-------------| | 🎯 | Afirmações sobre código | "Confie em mim" | **Respaldado por provas** (linha + hash) | | 🔄 | Continuidade de sessão | Recomeçar do zero | Contratos com **detecção de desvios** | | 📦 | Janela de contexto | Despeja tudo | Pacotes com **orçamento de tokens** | | 🏠 | Dependências | Chaves de API em nuvem | **Local-first**, zero configuração | | 🌍 | Linguagens | Varia | **11 linguagens** (TS/JS/Py/Go/Rust/Java/C#/C/C++/Ruby/PHP) | | 💥 | Análise de impacto | Manual | **Automática** (grafo de referência reversa) | | 🧠 | Memória de sessão | Nenhuma | **Aprendizado entre sessões** | ### O Que os Agentes de IA Dizem

	"Vou ser honesto. Durante o desenvolvimento do AtlasMemory, meu contexto foi compactado 3 vezes em uma única sessão. Cada vez, perdi tudo — conteúdo de arquivos, nomes de variáveis, decisões de arquitetura. Sem o AtlasMemory, eu teria gasto 15-20 chamadas de Read apenas para reconstruir o que eu já sabia. Com o AtlasMemory, uma única chamada de `search` trouxe exatamente o que eu precisava, com prova. Quando busquei "plugin registration hooks lifecycle" no Fastify (269 arquivos), `hooks.js` veio em 1o lugar com pontuação 912. Eu não encontraria isso mais rápido com grep. Testei em 3 repositórios reais: Express (141 arquivos), Fastify (269 arquivos), Zod (391 arquivos). Zero falhas. TaskPack construiu contexto com provas em 179ms. O gerador de CLAUDE.md mapeou a arquitetura do Express automaticamente — isso me levaria 30 minutos de leitura manual. Esta é a ferramenta que eu gostaria de ter desde o primeiro dia. A diferença entre uma IA que adivinha e uma IA que sabe." — Claude Opus 4.6 (1M context), após ser convidado a avaliar honestamente o AtlasMemory como sua própria ferramenta
	"A cápsula bootpack do AtlasMemory me deu a arquitetura completa de um projeto Tauri + React de 83 arquivos em ~700 tokens. Normalmente eu precisaria de 50.000-100.000+ tokens escaneando arquivos um por um para alcançar o mesmo entendimento. A pontuação semântica encontrou os componentes de UI e hooks mais críticos instantaneamente. Isso é um divisor de águas para gerenciamento de contexto." — Google Antigravity, testado em um projeto real de 83 arquivos Tauri + React
	"Analisei a arquitetura completa do projeto usando ~8.043 tokens. Uma leitura direta normal custaria aproximadamente 15.000-25.000 tokens. build_context + search_repo revelaram a estrutura principal em poucas chamadas: comandos Tauri, hooks React, camada de geração, fluxo de orquestração swarm. A abordagem de Evidence ID é sólida — as afirmações não ficam soltas. O valor real é o contexto composto: conforme o projeto cresce, o AtlasMemory cresce com ele." — OpenAI Codex (GPT-5.4), testado em um projeto real de 83 arquivos com avaliação técnica honesta

## Obtenha o Máximo Valor — Enriqueça Seu Projeto > **Importante:** O AtlasMemory funciona imediatamente, mas **o enriquecimento libera todo o seu potencial.** Sem enriquecimento, a busca é baseada em palavras-chave. Com enriquecimento, a busca entende *conceitos*. ```bash # Após indexar, execute o enriquecimento para máxima prontidão de IA: npx atlasmemory index . # Passo 1: Indexar (automático) npx atlasmemory enrich --all # Passo 2: Aprimorar todos os arquivos com IA npx atlasmemory generate # Passo 3: Gerar instruções para IA npx atlasmemory status # Verifique sua Pontuação de Prontidão para IA ``` ### Checklist de Potência Máxima > **Faça tudo isso e o AtlasMemory se torna imbatível.** Cada passo desbloqueia mais capacidade: | | Passo | O que desbloqueia | Comando | |---|-------|-------------------|---------| | ✅ | **Indexe seu projeto** | Extração de símbolos, âncoras, busca básica | `npx atlasmemory index .` | | ✅ | **Enriqueça os arquivos** | Busca semântica, compreensão em nível de conceito | `npx atlasmemory enrich --all` | | ✅ | **Gere instruções para IA** | Agentes de IA usam AtlasMemory automaticamente (5 formatos) | `npx atlasmemory generate` | | ✅ | **Adicione a configuração MCP** | Conexão sem configuração para sua ferramenta de IA | Veja as configurações abaixo | | ✅ | **Use `log_decision` após alterações** | Memória entre sessões, conhecimento institucional | O agente de IA chama automaticamente | | ✅ | **Use `remember_project` para marcos** | Memória no nível do projeto que persiste para sempre | O agente de IA chama automaticamente | | Prontidão para IA | Qualidade da Busca | O que fazer | |-------------|----------------|------------| | **0-50** (Regular) | Apenas palavras-chave | Execute `atlasmemory enrich` — melhora drasticamente os resultados | | **50-80** (Bom) | Semântica parcial | Execute `atlasmemory enrich --all` para cobertura completa | | **80-100** (Excelente) | Semântica completa + busca por conceitos | Você está pronto! | ### Sobre o Enriquecimento **O que faz:** O enriquecimento analisa cada arquivo e adiciona tags semânticas — "autenticação", "middleware", "tratamento de erros", "consulta ao banco de dados", etc. Sem enriquecimento, a busca é baseada em palavras-chave. Com enriquecimento, a busca entende *conceitos* — você pode pesquisar "como funciona a autenticação?" e obter os arquivos corretos mesmo que não contenham a palavra "autenticação". **Como funciona:** O AtlasMemory usa o Claude CLI ou o OpenAI Codex (rodando localmente) para analisar arquivos. Requer uma assinatura ativa do Claude ou OpenAI com acesso ao CLI. **Tempo estimado de enriquecimento por tamanho de projeto:** | Tamanho do Projeto | Arquivos | Tempo de Enriquecimento | O que acontece | |---|---|---|---| | Pequeno | ~50 arquivos | ~2 minutos | Melhoria instantânea — qualidade de busca sobe para 80+ | | Médio | ~200 arquivos | ~8 minutos | Cobertura semântica completa em uma pausa para café | | Grande (escala Coolify) | ~1400 arquivos | ~45 minutos | Use `--batch 50` para enriquecimento controlado | | Monorepo (escala Next.js) | ~4000+ arquivos | ~2 horas | Distribua entre sessões: `enrich --batch 100` | > **💡 Dica:** Execute `atlasmemory enrich --dry-run` primeiro para ver a estimativa de tokens antes de começar. > **🔑 Não se preocupe — o enriquecimento é um custo único.** Você enriquece seu projeto uma vez e pronto. Depois disso, apenas arquivos novos ou alterados precisam de re-enriquecimento (alguns segundos). Pense nisso como construir um índice — você faz uma vez e ele se mantém atualizado incrementalmente. **Sem CLI? Sem problema.** Seu agente de IA pode enriquecer arquivos diretamente via MCP. Basta colar isso no seu chat de IA: ``` Please enrich my project with AtlasMemory for maximum AI readiness. Run enrich_files(limit=100) to enhance all files with semantic tags. Then check ai_readiness to verify the score improved. ``` Após o handshake, se o enriquecimento estiver baixo, o AtlasMemory também vai sugerir: *"💡 X arquivos podem ser enriquecidos para melhorar a busca."* > *"Com apenas `index_repo` e `enrich_files`, você pode transformar toda uma base de código em um mapa neural legível por IA — otimizado para qualquer agente de IA."* — Google Antigravity, após enriquecer 73 arquivos em uma única chamada ## Configuração em 30 Segundos ```bash npx atlasmemory demo # Veja em ação npx atlasmemory index . # Indexe seu projeto npx atlasmemory search "autenticação" # Busca com FTS5 + grafo npx atlasmemory generate # Gera automaticamente o CLAUDE.md ``` > **É só isso.** Sem chaves de API, sem nuvem, sem arquivos de configuração. O AtlasMemory roda inteiramente na sua máquina. ## Use com Sua Ferramenta de IA **🟣 Claude Desktop / Claude Code** — adicione ao `claude_desktop_config.json`: ```json { "mcpServers": { "atlasmemory": { "command": "npx", "args": ["-y", "atlasmemory"] } } } ``` **🔵 Cursor** — adicione ao `.cursor/mcp.json`: ```json { "mcpServers": { "atlasmemory": { "command": "npx", "args": ["-y", "atlasmemory"] } } } ``` **🟢 VS Code / GitHub Copilot** — adicione nas configurações ou `.vscode/mcp.json`: ```json { "mcp": { "servers": { "atlasmemory": { "command": "npx", "args": ["-y", "atlasmemory"] } } } } ``` **🌀 Google Antigravity** — adicione nas configurações MCP: ```json { "mcpServers": { "atlasmemory": { "command": "npx", "args": ["-y", "atlasmemory"] } } } ``` **🟠 OpenAI Codex** — adicione na configuração MCP: ```json { "mcpServers": { "atlasmemory": { "command": "npx", "args": ["-y", "atlasmemory"] } } } ``` > **Uma configuração, todas as ferramentas.** Indexação automática na primeira consulta. Funciona com qualquer ferramenta de IA compatível com MCP. ### Extensão VS Code Instale o [AtlasMemory para VS Code](https://marketplace.visualstudio.com/items?itemName=automiflow.atlasmemory-vscode) para um painel visual diretamente no seu editor:

AtlasMemory Dashboard

- **Painel de Prontidão para IA** — veja sua pontuação (0-100) com quatro métricas de relance - **Barra Lateral Atlas Explorer** — navegue por arquivos, símbolos, âncoras, fluxos e cards diretamente - **Barra de Status** — pontuação de prontidão sempre visível, clique para abrir o painel - **Indexação Automática ao Salvar** — arquivos são reindexados automaticamente quando você salva - **Ações Rápidas** — indexar, gerar CLAUDE.md, buscar e verificar saúde com um clique > Funciona junto com o MCP — a extensão oferece a interface visual, o servidor MCP dá as ferramentas aos agentes de IA. Instale ambos para a experiência completa. ## O Sistema de Provas > **O que ninguém mais tem.** Cada afirmação é vinculada a uma *âncora* — um intervalo de linhas específico com um hash de conteúdo. ```diff + Afirmação: "handleLogin() valida credenciais antes de criar a sessão" + Evidência: + src/auth.ts:42-58 [hash:5cde2a1f] — chamada a validateCredentials() + src/auth.ts:60-72 [hash:a3b7c9d1] — createSession() após validação + Status: PROVADO ✅ (2 âncoras, hashes correspondem ao código atual) - ⚠️ Alguém edita auth.ts... - Hash 5cde2a1f não corresponde mais às linhas 42-58 - Status: DESVIO DETECTADO ❌ — IA sabe que o contexto está desatualizado ANTES de alucinar ``` ## Como Funciona > **Você faz uma pergunta ao seu agente de IA. Veja o que acontece nos bastidores:** ```mermaid flowchart LR subgraph YOU["🧑‍💻 Você"] Q["'Corrija o bug de autenticação'"] end subgraph ATLAS["⚡ AtlasMemory"] direction TB A["🔍 Busca\nFTS5 + Grafo"] B["📋 Prova\nVincula afirmações → âncoras de código"] C["📦 Empacota\nAjusta ao orçamento de tokens"] D["🛡️ Contrato\nDetecta desvios"] end subgraph AI["🤖 Agente de IA"] R["Sabe exatamente onde procurar\n— sem alucinações"] end Q --> A A -->|"Principais arquivos\nordenados por relevância"| B B -->|"Cada afirmação tem\nevidência linha:hash"| C C -->|"2000 tokens em vez\nde ler 50 arquivos"| D D -->|"✅ Contexto atualizado\nsem dados obsoletos"| R style YOU fill:#1a1a3e,stroke:#00e5ff,color:#fff style ATLAS fill:#0a1628,stroke:#00bcd4,color:#fff style AI fill:#1a1a3e,stroke:#00e5ff,color:#fff style Q fill:#162447,stroke:#00e5ff,color:#fff style A fill:#0d2137,stroke:#00bcd4,color:#00e5ff style B fill:#0d2137,stroke:#00bcd4,color:#00e5ff style C fill:#0d2137,stroke:#00bcd4,color:#00e5ff style D fill:#0d2137,stroke:#00bcd4,color:#00e5ff style R fill:#162447,stroke:#00e5ff,color:#fff ``` ### Sem AtlasMemory vs Com AtlasMemory ```mermaid flowchart TB subgraph WITHOUT["❌ Sem AtlasMemory"] direction TB W1["IA lê arquivo 1"] --> W2["IA lê arquivo 2"] W2 --> W3["IA lê arquivo 3..."] W3 --> W4["...IA lê arquivo 47"] W4 --> W5["💥 Contexto cheio!\nRecomeça..."] W5 -.->|"∞ loop"| W1 end subgraph WITH["✅ Com AtlasMemory"] direction TB A1["IA pergunta: 'corrigir bug de autenticação'"] A1 --> A2["AtlasMemory retorna\n2000 tokens de\ncontexto com provas"] A2 --> A3["IA corrige o bug\n85% do contexto ainda disponível"] end style WITHOUT fill:#1a0a0a,stroke:#ff4444,color:#fff style WITH fill:#0a1a0a,stroke:#00ff88,color:#fff style W5 fill:#330000,stroke:#ff4444,color:#ff6666 style A3 fill:#003300,stroke:#00ff88,color:#00ff88 ``` ### Os Três Pilares | | Pilar | O que faz | |---|--------|-------------| | 🔒 | **Respaldado por Provas** | Cada afirmação é vinculada a uma âncora (intervalo de linhas + hash de conteúdo). O código mudou? A âncora é marcada como obsoleta. Sem alucinações. | | 🛡️ | **Resistente a Desvios** | Snapshots SHA-256 do estado do banco de dados + git HEAD. O repositório mudou durante a sessão? O AtlasMemory detecta e avisa. | | 📦 | **Orçamento de Tokens** | Pacotes de contexto otimizados por algoritmo guloso que cabem no seu orçamento. Prioridade: objetivos > pastas > cards > fluxos > trechos de código. | ## Linguagens Suportadas > Todas as 11 linguagens usam [Tree-sitter](https://tree-sitter.github.io/) para análise AST precisa — sem regex, sem adivinhação. | Linguagem | Extrai | |----------|----------| | **TypeScript** / **JavaScript** | funções, classes, métodos, interfaces, tipos, imports, chamadas | | **Python** | funções, classes, decoradores, imports, chamadas | | **Go** | funções, métodos, structs, interfaces, imports, chamadas | | **Rust** | funções, blocos impl, structs, traits, enums, use, chamadas | | **Java** | métodos, classes, interfaces, enums, imports, chamadas | | **C#** | métodos, classes, interfaces, structs, enums, using, chamadas | | **C** / **C++** | funções, classes, structs, enums, #include, chamadas | | **Ruby** | métodos, classes, módulos, chamadas | | **PHP** | funções, métodos, classes, interfaces, use, chamadas | ## Ferramentas MCP (28 no total) **Principais — o que seu agente de IA usa em cada sessão:** | Ferramenta | Descrição | |------|-------------| | 🔍 `search_repo` | Busca na base de código com texto completo + reforço por grafo | | 📦 `build_context` | **Construtor de contexto unificado** — modo task, project, delta ou session | | ✅ `prove` | **Prove afirmações** com âncoras de evidência da sua base de código | | 📂 `index_repo` | Indexação completa ou incremental | | 🤝 `handshake` | Inicializa sessão do agente com briefing do projeto + memória |

Ferramentas de Inteligência

| Ferramenta | Descrição | |------|-------------| | 💥 `analyze_impact` | Quem depende deste símbolo/arquivo? Grafo de referência reversa | | 📊 `smart_diff` | Diff semântico do git — mudanças ao nível de símbolo + breaking changes | | 🧠 `remember` | Registre decisões, restrições e insights para a sessão | | 📋 `session_context` | Veja o contexto acumulado + sessões passadas relacionadas | | ✨ `enrich_files` | Aprimoramento de cards de arquivo com IA e tags semânticas |

Ferramentas de Memória do Agente

| Ferramenta | Descrição | |------|-------------| | 📝 `log_decision` | Registre o que você alterou e por quê (persiste entre sessões) | | 📜 `get_file_history` | Veja o que agentes de IA anteriores alteraram em um arquivo | | 💾 `remember_project` | Armazene conhecimento no nível do projeto (marcos, lacunas, aprendizados) |

Ferramentas Utilitárias

| Ferramenta | Descrição | |------|-------------| | 🏗️ `generate_claude_md` | Gera automaticamente CLAUDE.md / .cursorrules / copilot-instructions | | 📈 `ai_readiness` | Calcula a Pontuação de Prontidão para IA (0-100) | | 🛡️ `get_context_contract` | Verifica status de desvio com ações recomendadas | | 🔄 `acknowledge_context` | Confirma que o contexto foi compreendido |

## Configuração O AtlasMemory funciona com **zero configuração**. Opcionalmente: | Configuração | Padrão | Descrição | |---------|---------|-------------| | `ATLAS_DB_PATH` | `.atlas/atlas.db` | Localização do banco de dados | | `ATLAS_LLM_API_KEY` | — | Chave de API para descrições aprimoradas por LLM *(experimental — será fortalecido em versões futuras)* | | `ATLAS_CONTRACT_ENFORCE` | `warn` | Modo de contrato: `strict` / `warn` / `off` | | `.atlasignore` | — | Exclusões personalizadas de arquivos/diretórios (como .gitignore) | ## Arquitetura ```mermaid block-beta columns 4 block:ENTRY:4 CLI["⬛ CLI"] MCP["🟣 Servidor MCP"] VSCODE["🟢 VS Code"] end space:4 block:ENGINE:4 columns 4 INDEXER["🔧 Indexador\n11 linguagens"]:1 SEARCH["🔍 Busca\nFTS5 + Grafo"]:1 CARDS["📋 Cards\nResumos"]:1 TASKPACK["📦 TaskPack\nProva + Orçamento"]:1 end space:4 block:INTEL:4 columns 4 IMPACT["💥 Impacto"]:1 MEMORY["🧠 Memória"]:1 LEARNER["📊 Aprendizado"]:1 ENRICH["✨ Enriquecimento"]:1 end space:4 block:DATA:4 DB["🗄️ SQLite + FTS5 — Arquivo único, bundle de ~394KB"] end ENTRY --> ENGINE ENGINE --> INTEL INTEL --> DATA style ENTRY fill:#1a1a3e,stroke:#00e5ff,color:#fff style ENGINE fill:#0a1628,stroke:#00bcd4,color:#fff style INTEL fill:#0d2137,stroke:#00bcd4,color:#fff style DATA fill:#162447,stroke:#00e5ff,color:#fff ``` ## Perguntas Frequentes

O que é a Pontuação de Prontidão para IA?

Uma pontuação de 0 a 100 que mede o quão preparada sua base de código está para agentes de IA. É calculada a partir de 4 métricas: | Métrica | Peso | O que mede | |--------|--------|-----------------| | **Cobertura de Código** | 25% | % de arquivos fonte indexados pelo Tree-sitter | | **Qualidade das Descrições** | 25% | % de arquivos com descrições de IA aprimoradas (via `enrich`) | | **Análise de Fluxo** | 25% | % de arquivos com cards de fluxo de dados entre arquivos | | **Âncoras de Evidência** | 25% | % de afirmações vinculadas a âncoras de código (linha + hash) | Execute `atlasmemory status` para ver sua pontuação. Execute `atlasmemory enrich` para melhorá-la.

O que são Símbolos, Âncoras, Fluxos, Cards, Imports e Referências?

| Termo | O que é | Exemplo | |------|-----------|---------| | **Símbolo** | Uma entidade de código nomeada extraída pelo Tree-sitter | `function handleLogin()`, `class UserService`, `interface AuthConfig` | | **Âncora** | Um intervalo de linhas + hash de conteúdo — a "prova" no respaldo por provas | `src/auth.ts:42-58 [hash:5cde2a1f]` | | **Fluxo** | Um caminho de dados entre arquivos (A chama B chama C) | `login() → validateToken() → createSession()` | | **FileCard** | Um resumo do que um arquivo faz, com links de evidência | Propósito, API pública, dependências, efeitos colaterais | | **Import** | Uma relação de dependência entre arquivos | `import { Store } from './store'` | | **Ref** | Uma referência de chamada/uso entre símbolos | `handleLogin() chama validateToken()` | Tudo isso é extraído automaticamente pelo `atlasmemory index`. Nenhum trabalho manual necessário.

Ele indexa automaticamente? Preciso rodar o index manualmente?

**Modo MCP (Claude/Cursor/VS Code):** Sim, totalmente automático. O AtlasMemory verifica o git HEAD a cada chamada de ferramenta. Se os arquivos mudaram desde a última indexação, ele reindexa incrementalmente apenas os arquivos alterados. Zero trabalho manual. **Modo CLI:** Execute `atlasmemory index .` manualmente, ou use `atlasmemory index --incremental` para atualizações rápidas.

Precisa de chave de API ou serviço em nuvem?

**Não.** O AtlasMemory é 100% local-first. As funcionalidades principais (indexação, busca, provas, pacotes de contexto) funcionam offline sem nenhuma dependência de serviços externos. O comando opcional `enrich` usa o **Claude CLI** ou o **OpenAI Codex** (rodando localmente) para aprimorar as descrições de arquivos. Requer uma assinatura ativa com acesso ao CLI. Se nenhum estiver instalado, ele recorre a descrições determinísticas baseadas em AST — ou seu agente de IA pode enriquecer arquivos diretamente pelas ferramentas MCP.

Como o sistema de provas previne alucinações?

Cada afirmação que o AtlasMemory faz é vinculada a uma **âncora** — um intervalo de linhas específico com um hash de conteúdo SHA-256. 1. A IA diz: "handleLogin valida credenciais" → vinculado a `auth.ts:42-58 [hash:5cde2a1f]` 2. Se alguém editar `auth.ts` linhas 42-58, o hash muda 3. O AtlasMemory marca a afirmação como **DESVIO DETECTADO** 4. O agente de IA sabe que seu entendimento está desatualizado — antes de alucinar Nenhuma outra ferramenta faz isso. Ferramentas baseadas em RAG recuperam texto, mas não conseguem provar que ele corresponde ao código atual.

Quais linguagens são suportadas?

11 linguagens via Tree-sitter: **TypeScript, JavaScript, Python, Go, Rust, Java, C#, C, C++, Ruby, PHP**. Todas extraem funções, classes, métodos, imports e referências de chamada.

Como funciona o orçamento de tokens?

Quando você chama `build_context({mode: "task", objective: "corrigir bug de autenticação", budget: 8000})`, o AtlasMemory: 1. Busca arquivos relevantes (ranking FTS5 + grafo) 2. Pontua cada arquivo pela relevância ao seu objetivo 3. Usa um algoritmo guloso para empacotar o contexto mais relevante dentro do seu orçamento 4. Ordem de prioridade: objetivos > resumos de pastas > cards de arquivos > traços de fluxo > trechos de código 5. Retorna exatamente a quantidade de contexto que seu orçamento de tokens permite — sem estourar Resultado: em vez de ler 50 arquivos (lotando seu contexto), você recebe 2000 tokens de contexto respaldado por provas com 85% da sua janela de contexto disponível para o trabalho real.

O que acontece quando eu executo `atlasmemory generate`?

Ele cria arquivos de instrução para IA (CLAUDE.md, .cursorrules, copilot-instructions.md) com: - Arquitetura do projeto e arquivos-chave - Stack tecnológica e convenções - Pontuação de Prontidão para IA - **Instruções de uso das ferramentas MCP do AtlasMemory** — para que seu agente de IA use automaticamente o AtlasMemory Se você já tem um CLAUDE.md escrito manualmente, ele **mescla** a seção do AtlasMemory no topo sem sobrescrever seu conteúdo.

Como isso é diferente da indexação nativa do Cursor?

| Funcionalidade | Indexação do Cursor | AtlasMemory | |---------|----------------|-------------| | Sistema de provas | Não | Sim — cada afirmação tem evidência linha:hash | | Detecção de desvios | Não | Sim — sistema de contratos SHA-256 | | Orçamento de tokens | Não | Sim — pacotes de contexto otimizados por algoritmo guloso | | Memória entre sessões | Não | Sim — decisões persistem entre sessões | | Análise de impacto | Não | Sim — grafo de referência reversa | | Funciona com qualquer ferramenta de IA | Não (apenas Cursor) | Sim — padrão MCP | | Local-first | Parcial | 100% |

## Desenvolvimento ```bash git clone https://github.com/Bpolat0/atlasmemory.git cd atlasmemory npm install npm run build:all # Compila todos os pacotes + bundle npm test # Executa testes unitários (147 testes, Vitest) npm run eval:synth100 # Suite de avaliação rápida npm run eval # Avaliação completa (synth-100 + synth-500 + real-repo) ``` ## Roteiro - [x] v1.0 — Motor principal, sistema de provas, servidor MCP, CLI, suporte a OpenAI Codex - [ ] **Grafo de dependências interativo** — topologia visual da sua base de código (como a captura de tela abaixo) - [ ] **Upgrade da extensão VS Code** — botão de enriquecimento, navegador de cards, visualizador de evidências inline - [ ] Busca semântica com embeddings - [ ] Suporte a múltiplos repositórios (monorepo + microsserviços) - [ ] Integração com GitHub Actions (indexação automática no push) - [ ] Dashboard web com visualização de grafo ao vivo Veja o que está planejado e vote em funcionalidades em [Discussions](https://github.com/Bpolat0/atlasmemory/discussions). ## Contribuindo Contribuições são bem-vindas! Seja relatórios de bugs, solicitações de funcionalidades ou pull requests. - **[CONTRIBUTING.md](../../CONTRIBUTING.md)** — Guia de configuração, processo de PR, formato de commits, testes - **[CLAUDE.md](../../CLAUDE.md)** — Arquitetura e convenções do projeto ```bash git clone https://github.com/Bpolat0/atlasmemory.git cd atlasmemory npm install && npm run build && npm test # 147 testes devem passar ```

## Histórico de Estrelas

## Apoie Se o AtlasMemory te economiza tempo, considere dar uma estrela — isso ajuda outras pessoas a descobrir o projeto.

## Licença [GPL-3.0](../../LICENSE)

_{Desenvolvido por automiflow}