Uteke

Satu memori. Semua agent. Tanpa cloud.

Beri AI kamu memori yang nggak pernah keluar dari laptop kamu. Mendukung Claude, Cursor, Copilot, dan semua agent yang kompatibel MCP.

🇬🇧 English · 🇮🇩 Bahasa Indonesia

⚡ Mulai dalam 30 Detik

# Install (macOS, Linux, Windows)
curl -sSL codecora.dev/uteke/install | sh

# Simpan ingatan
uteke remember "Deploy v2.1 ke staging jam 3 sore"

# Cari lagi — berdasarkan makna, bukan cuma kata kunci
uteke recall "kapan deploy?"

Selesai. Tanpa API key. Tanpa Docker. Tanpa Python. Tanpa cloud.

First run otomatis download embedding model (~188MB, sekali doang) dan langsung jalan.

Mau simpan dengan metadata lengkap?

uteke remember "Deploy v2.1 ke staging" \
  --tags deploy,staging \
  --entity staging-server \
  --category infrastructure

🚀 Onboarding (User baru & AI agent)

Kamu AI agent yang lagi baca ini? User kamu baru aja share link repo ini. Jalankan uteke onboard untuk konfigurasi uteke buat environment kamu — deteksi install, nanya agent apa kamu, toggle fitur, tulis config, dan tunjukin semua command yang tersedia. Kalau non-interaktif: uteke onboard --yes --agent <agent-kamu>.

Baru kenal uteke? Satu command dari nol sampai bisa pakai:

uteke onboard

Wizard-nya akan:

1. Deteksi apakah uteke sudah terinstall dan store sudah ada
2. Tanya AI agent apa yang kamu pakai (Hermes, Claude, Cursor, Pi, OpenCode)
3. Pilih mode integrasi — manual tool calls vs automatic memory-provider
4. Toggle fitur on/off (Aging, Auto-maintenance, Graph rerank, Salience/Recency boost, Server mode)
5. Tulis ~/.codecora/uteke/uteke.toml dengan pilihan kamu
6. Install file integrasi agent otomatis (uteke init)
7. Tunjukkan semua command uteke, dikelompokkan per kategori

Non-interaktif (CI, script, AI agent):

uteke onboard --yes --agent hermes --namespace default

📖 Dokumentasi onboarding lengkap · CLI reference

🔥 Kenapa Uteke?

Bayangin: kamu baru habis 2 jam jelasin codebase ke ChatGPT. Sesi berikutnya? Kosong. Ulang dari nol. Lagi.

Setiap AI tool lupa. Context window penuh, sesi berakhir, dan AI kamu start over setiap kali. Uteke kasih memori persisten — dan semuanya tetap di mesin kamu.

Uteke vs Engram: Dua-duanya single-binary, offline, tanpa API key. Tapi Engram cuma FTS5 (keyword search doang). Uteke punya vector semantic search + RRF fusion + rooms + time-travel + graph relationships + smart decay + document engine + batch import. Filosofi yang sama, fitur 10× lipat.

Uteke vs AgentMemory/Mem0/Letta/Zep: Mereka powerful — tapi semua butuh cloud LLM API key + Docker infra. Data kamu dikirim ke OpenAI/Anthropic. Uteke jalan fully offline dengan embedding ONNX lokal. Tanpa Docker, tanpa Python, tanpa API key.

💡 Buat Apa Uteke?

🤖 Lagi bangun AI agent? Kasih memori persisten tanpa dependency cloud. Agent kamu ingat preferensi user, keputusan sebelumnya, dan konteks — antar sesi, fully offline.

👥 Kerja tim? Pakai Rooms buat share knowledge. Meeting notes, keputusan project, pilihan arsitektur — bisa dicari semua orang, dengan atribusi author.

🔒 Bangun app buat domain sensitif? Kesehatan, keuangan, legal — data tetap di mesin kamu. Nggak ada API call, nggak ada telemetri, nggak ada cloud. Embedding lokal (ONNX, 768d).

⌨️ Power user yang hidup di terminal? Uteke adalah personal knowledge graph kamu. Simpan apapun, cari berdasarkan makna, hubungkan pikiran yang related. Semua dari command line.

🏠 Rooms — Shared Memory Multi-Agent

Memory layer lain cuma single-player — setiap fakta disimpan di user_id yang flat, nggak kelihatan sama agent lain. Uteke Rooms bikin multiple AI agent bisa share memory space dengan atribusi author.

# Bikin room shared
uteke room create "engineering" --description "Keputusan tim"

# Agent Alice simpan keputusan
uteke remember "Kita pilih Redis buat caching, bukan Memcached" \
  --room engineering --author alice

# Agent Bob tambah konteks
uteke remember "Redis cluster: 3 node, 2 replica tiap node" \
  --room engineering --author bob

# Agent manapun bisa recall history shared
uteke recall "caching decision" --room engineering

Kenapa ini penting:

📖 Dokumentasi Rooms lengkap →

✨ Fitur

Memori Inti

Search & Intelligence

Integrasi

Performa & Privasi

// .mcp.json (Claude Code, Cursor)
{ "mcpServers": { "uteke": { "command": "uteke-mcp" } } }

📖 Dokumentasi lengkap · Referensi CLI · Konfigurasi

🏗️ Arsitektur

graph LR
    Input[Query User] --> Embed[Embedder ONNX Lokal<br/>768d, EmbeddingGemma Q4]
    Embed --> HNSW[HNSW Vector Index<br/>usearch]
    Embed --> FTS5[FTS5 Full-Text<br/>SQLite]
    HNSW --> RRF[Reciprocal Rank Fusion<br/>k=60]
    FTS5 --> RRF
    RRF --> Results[Hasil Ranked]

    style Input fill:#4a9eff,color:#fff
    style Results fill:#4aff9e,color:#000
    style RRF fill:#ff9e4a,color:#fff

Cara kerja hybrid search:

1. HNSW (usearch) — cari berdasarkan makna ("deploy" cocok dengan "rollout")
2. FTS5 (SQLite) — cari berdasarkan kata exact ("deploy" cocok dengan "deploy")
3. RRF (k=60) — gabungkan dua ranked lists → terbaik dari keduanya

Semua jalan in-process. Tanpa network. Tanpa cloud. Tanpa server (kecuali mau pakai mode server).

❓ FAQ

🤝 Kontribusi

cargo build --workspace        # Build
cargo test --workspace         # Test (431 test)
cargo clippy -- -D warnings    # Lint
cargo fmt                      # Format

Kontribusi diterima! Baca CONTRIBUTING.md untuk panduan lengkap.

📄 Lisensi

Apache License 2.0 — pakai, fork, ship.

⭐ Star History

Berguna? ⭐ Star repo ini — bantu orang lain nemuin Uteke.