Um LLM local é ótimo até a segunda conversa. Sem uma camada de memória explícita, cada sessão começa do zero — sem preferências, sem contexto de projeto, sem histórico do que funcionou na semana passada. Uma ferramenta de memória persistente resolve isso ao se situar entre o modelo e o prompt, decidindo o que lembrar, exibindo os fatos certos no momento certo e sobrevivendo a reinicializações.
Testamos sete ferramentas de memória para configurações auto-hospedadas executando Ollama, LM Studio ou vLLM no desktop. Nossas escolhas abrangem a pilha ativa de 2026: frameworks de memória dedicados, tempos de execução de agentes com memória integrada, backends de gráficos de conhecimento e a camada de memória que os usuários do Open WebUI provavelmente ativarão primeiro.
O que procurar em uma ferramenta de memória LLM local
Antes de escolher uma, decida qual forma de memória você está procurando.
- Extração passiva vs escritas impulsionadas por agente. Sistemas passivos (Mem0) extraem memórias de mensagens sem o modelo fazer nada. Sistemas impulsionados por agente (Letta) deixam o modelo decidir o que manter. Passivo é previsível; impulsionado por agente captura melhor a intenção quando funciona.
- Vetor vs gráfico vs híbrido. Recuperação vetorial é o padrão e é rápida. Memória baseada em gráfico (Cognee) é melhor para raciocinar sobre relacionamentos. Híbridos custam mais mas respondem limparamente a perguntas “quem, quando, por quê”.
- Local-first vs cloud-default. Mem0, Letta, Cognee, MemOS e LangMem todos podem ser auto-hospedados. Caminhos na nuvem são convenientes e não é o que você quer quando o objetivo é manter dados na sua própria caixa.
- Bloqueio de framework. Algumas ferramentas assumem LangChain ou LlamaIndex. Outras funcionam de forma independente através de uma API HTTP ou um SDK Python que qualquer cliente pode acessar.
- Custo no limite. Mesmo totalmente local, geração de embeddings e construção de gráficos usam computação. Um modelo 30B com milhares de memórias armazenadas precisa de hardware real.
Comparação rápida
| Aplicativo | Melhor para | Plataformas | Plano gratuito | Preço inicial/mês | Classificação |
|---|---|---|---|---|---|
| Mem0 | Memória plug-and-play para qualquer chatbot | Linux, macOS, Windows | Sim (auto-hospedado) | Auto-hospedado gratuito | 4.7 |
| Letta | Tempo de execução do agente com memória auto-editável | Linux, macOS, Windows | Sim (auto-hospedado) | Auto-hospedado gratuito | 4.6 |
| Cognee | Memória de longo prazo de gráfico de conhecimento | Linux, macOS, Windows | Sim (auto-hospedado) | Auto-hospedado gratuito | 4.5 |
| Zep | Memória temporal conversacional | Linux, Docker | Sim (comunidade) | Comunidade gratuita | 4.4 |
| Open WebUI memory | Memória vinculada a uma UI familiar | Linux, macOS, Windows, Docker | Sim, completamente | Gratuito | 4.3 |
| MemOS | Memória em camadas como um SO | Linux, Docker | Sim, completamente | Gratuito | 4.2 |
| LangMem | Primitivos de memória nativos do LangChain | Linux, macOS, Windows | Sim, completamente | Gratuito | 4.0 |
Os aplicativos
1. Mem0 — Melhor memória plug-and-play para qualquer chatbot
Mem0 é a camada de memória mais implantada em 2026 por uma razão: a API é pequena, o auto-hospedagem é direto e você pode adicioná-la a um chatbot em uma tarde. Extração passiva significa que você chama add() com uma conversa, Mem0 decide quais fatos importam e uma search() posterior traz o contexto certo de volta para o próximo prompt.
Onde cai curto: A extração automática é opinativa. Se você quer que o modelo em si decida o que lembrar, esta é a forma errada. O produto na nuvem do Mem0 é o caminho comercializado, mas a versão open-source cobre a maioria dos usos domésticos.
Preços:
- Gratuito: Mem0 OSS auto-hospedado é gratuito.
- Pago: Nível em nuvem se dimensiona por memórias armazenadas e recuperações; tipicamente $50–$500/mês em escala de produção, não relevante para uso pessoal.
Plataformas: SDK Python, API REST. Funciona em qualquer lugar que Python funcione.
Download: Mem0
Conclusão: A primeira escolha padrão. Se você não tem certeza por onde começar, comece aqui.
2. Letta — Melhor para tempo de execução de agente com memória auto-editável
Letta é o MemGPT renomeado — um tempo de execução de agente onde memória é a metáfora do sistema operacional. O modelo escreve em camadas de memória principal, recall e arquivo durante seu próprio loop de raciocínio. O sistema lida com o resto, incluindo trocar contexto dentro e fora para que sessões longas não explodam a janela.
Onde cai curto: Letta é um tempo de execução, não apenas uma biblioteca — você está adotando toda a plataforma. Melhor para agentes de pesquisa autônomos e tarefas de horizonte longo, menos para “eu só quero que meu chatbot lembre do meu nome.”
Preços:
- Gratuito: Letta OSS auto-hospedado é gratuito.
- Pago: Letta Cloud para deployments gerenciados, preços sob consulta.
Plataformas: Python, Docker. Auto-hospedado em Linux, macOS, Windows via Docker.
Download: Letta
Conclusão: Melhor para agentes de pesquisa autônoma e executores de tarefas de horizonte longo. Excessivo para um chatbot.
3. Cognee — Melhor para memória de longo prazo de gráfico de conhecimento
Cognee é a plataforma de memória AI open-source que coloca um gráfico de conhecimento no centro. Ingira documentos, conversas ou dados estruturados em qualquer formato e Cognee constrói um gráfico que sobrevive a reinicializações e cresce com o uso. Recuperação é consciente de gráfico, o que significa que perguntas de relacionamento (“quando concordamos em X?”) retornam melhor do que lojas apenas vetoriais.
Onde cai curto: Custo de configuração mais alto que Mem0. O banco de dados de gráfico (NetworkX, Memgraph ou Neo4j dependendo de config) é outra peça móvel para manter.
Preços:
- Gratuito: Cognee OSS auto-hospedado é gratuito.
- Pago: Cognee Cloud para hospedagem de gráfico gerenciada, preços sob consulta.
Plataformas: Python, Docker. Funciona em Linux, macOS, Windows.
Download: Cognee
Conclusão: A escolha certa quando sua memória é relacional — reuniões, decisões, projetos com referências cruzadas — não apenas fatos.
4. Zep — Melhor para memória temporal conversacional
Zep é a camada de memória projetada em torno do chat: resumos de sessão, perfis de usuário, recall baseado em episódio e consultas como “o que o usuário disse há duas sessões?” O armazenamento de longo prazo apoiado por gráfico lida bem com raciocínio temporal, e o SDK é amigável para LangChain e fiação direta OpenAI / Ollama.
Onde cai curto: A compilação open-source da comunidade é mais limitada que o produto em nuvem. Usuários auto-hospedados relatam que alguns recursos ficam para trás da versão hospedada.
Preços:
- Gratuito: Zep Community Edition é auto-hospedado gratuitamente.
- Pago: Zep Cloud começa com uma taxa mensal modesta para hospedagem gerenciada e conformidade SOC 2.
Plataformas: Docker, SDK Python. Linux, macOS, Windows via Docker.
Download: Zep
Conclusão: A escolha quando memória específica de chat (sessões, resumos, consultas conscientes de tempo) é o caso de uso principal.
5. Open WebUI memory — Melhor para memória vinculada a uma UI familiar
Open WebUI é o que a maioria dos usuários de LLM local abre todos os dias, e o recurso de memória integrado é a forma mais fácil de adicionar contexto persistente a uma configuração que você já usa. Ative nas configurações, a UI exibe um painel “Memories”, e o modelo pode escrever nele através de chamadas de ferramentas.
Onde cai curto: É um recurso dentro de um aplicativo maior, não um framework independente. Acesso programático é através da API do Open WebUI ao invés de um SDK de memória dedicado.
Preços:
- Gratuito: Completamente gratuito e open source.
- Pago: Nenhum.
Plataformas: Linux, macOS, Windows, Docker. Funciona com Ollama, APIs compatíveis com OpenAI e vLLM.
Download: Open WebUI
Conclusão: A ferramenta de memória com menos atrito se Open WebUI já é seu front-end.
6. MemOS — Melhor para memória em camadas como um SO
MemOS é o novo participante da MemTensor. Trata memória em camadas — memória de trabalho local, memória de arquivo, memória de habilidade — com um caminho de recuperação impulsionado por feedback que a equipe relata reduz aproximadamente um terço dos tokens comparado às configurações apenas vetoriais.
Onde cai curto: Projeto mais novo, comunidade menor. A documentação está melhorando mas não no nível do Mem0.
Preços:
- Gratuito: Completamente gratuito e open source.
- Pago: Nenhum.
Plataformas: Python, Docker. Auto-hospedado em Linux.
Download: MemOS no GitHub
Conclusão: Vale a pena observar. Escolha quando você quer o modelo de memória em camadas e está confortável sendo um adotante inicial.
7. LangMem — Melhor para primitivos de memória nativos do LangChain
LangMem é o módulo de memória projetado para viver dentro de um agente LangChain ou LangGraph. Ele expõe APIs de memória de curto prazo, longo prazo e semântica que se compõem com o resto do LangChain, o que o torna a escolha óbvia se sua pilha já é LangChain.
Onde cai curto: Fora do LangChain é desconfortável. Também ainda está amadurecendo comparado ao Mem0 e Letta.
Preços:
- Gratuito: Completamente gratuito e open source como parte do LangChain.
- Pago: LangSmith / LangGraph Platform para hospedagem gerenciada, preços separados.
Plataformas: Python. Linux, macOS, Windows.
Download: LangMem (via LangChain)
Conclusão: Padrão para usuários do LangChain. Pule se você ainda não está na pilha.
Como escolher o correto
Se você quer a opção mais simples: Mem0 com o SDK Python contra qualquer servidor local compatível com OpenAI.
Se você precisa de um tempo de execução de agente completo, não apenas uma biblioteca: Letta.
Se sua memória é relacional, não apenas factual: Cognee com um backend de gráfico auto-hospedado.
Se memória específica de chat (sessões, resumos, tempo) é a necessidade principal: Zep.
Se você já vive em Open WebUI: ative a memória Open WebUI integrada antes de adicionar qualquer coisa mais.
Se você quer o modelo de memória em camadas mais novo e tolerará arestas ásperas: MemOS.
Se você já é uma loja LangChain: LangMem.
Perguntas frequentes
Estas ferramentas de memória podem funcionar completamente offline? Sim. Mem0, Letta, Cognee, Open WebUI, MemOS e LangMem todos funcionam com um modelo de embedding local e um LLM local. Geração de embedding é o custo oculto — escolha um modelo de embedding pequeno se seu hardware é modesto.
Preciso de um banco de dados vetorial? A maioria das escolhas traz o seu. Mem0 vem com padrões sensatos (Chroma, Qdrant ou PGVector). Cognee usa DB de gráfico mais vetores. Open WebUI lida com armazenamento internamente. Você só precisa escolher um banco de dados explicitamente se quiser compartilhar um entre várias ferramentas de memória.
Qual é a melhor ferramenta de memória para um substituto de ChatGPT auto-hospedado? Open WebUI com memória integrada é o início com menos atrito. Camada Mem0 em cima se você crescer além do que a ferramenta integrada oferece.
Quanto armazenamento de memória é “muito”? Uso pessoal raramente passa alguns centenas de MB em disco mesmo com milhares de memórias. Armazenamento de embedding domina; escolha um modelo de embedding menor para mantê-lo apertado.
Posso mover memórias entre ferramentas? Principalmente não. Os esquemas diferem e embeddings são específicos do modelo. Escolha uma ferramenta e comprometa-se com ela por um ano antes de considerar uma migração.
