engrim es un motor de memoria persistente, local y acotado al proyecto, presentado como un estándar universal de memoria episódica para agentes de programación con IA. Su objetivo es resolver el problema de la dilución de atención que surge al trabajar con ventanas de contexto de más de un millón de tokens: cuando el desarrollador cambia de modelo o vacía la sesión, el agente pierde decisiones arquitectónicas, restricciones del usuario y el estado del proyecto.
La herramienta almacena la información en una base de datos SQLite local (~/.engrim/memory.db) y combina búsqueda textual BM25 mediante la extensión FTS5 con embeddings estáticos de model2vec en un esquema de fusión de rango recíproco. En lugar de recargar miles de tokens en cada turno, ofrece un paquete de arranque de unas 4.000 caracteres con las decisiones más relevantes.
engrim se integra con Google Antigravity, Claude Code, Cursor y Windsurf mediante hooks de ciclo de vida y un servidor MCP sobre stdio con JSON-RPC 2.0. El comando engrim setup detecta los entornos instalados y configura los hooks, el servidor MCP y los archivos de estado de cada agente, registrando además el campo origin_agent para mantener la procedencia de cada memoria.
En pruebas con un sistema de trading algorítmico de 50.000 líneas, los autores indican que más de 153.000 tokens de trabajo se consolidaron en menos de 1.000 tokens de memoria activa, sin regresiones en 186 pruebas unitarias ni pérdidas de contexto al alternar entre Gemini, Claude y GPT-4o sobre el mismo repositorio. El proyecto se distribuye como paquete pip e incluye herramientas CLI como add, recall, context, review, list, supersede y sync.