Loci es un sistema de memoria a largo plazo tipado diseñado para agentes de inteligencia artificial, que permite a los modelos retener hechos duraderos sobre usuarios sin depender de la configuración manual. El proyecto, portado de la infraestructura de producción de Lima, ofrece una capa de persistencia que organiza la información en ocho categorías y cuatro niveles de importancia, consolidando los datos diariamente para evitar la acumulación de información obsoleta.
El sistema opera mediante dos adaptadores: un servidor MCP y un plugin para Hermes. A diferencia de otras soluciones, Loci no requiere un servidor dedicado; el núcleo principal es agnóstico al host y se instala mediante pip. La extracción de datos se realiza mediante dos vías: un modelo de lenguaje para interpretar el significado de las conversaciones y reglas regulares para capturar frases específicas, priorizando siempre la precisión del modelo. Un filtro de escritura impide que la memoria se convierta en un diario de estado de ánimo, mientras que un límite de inyección de contexto asegura que solo las doce memorias más relevantes y recientes se pasen al modelo en cada interacción.
La arquitectura garantiza que el núcleo no dependa de librerías externas, manteniendo la simplicidad y la portabilidad. Los usuarios pueden gestionar la memoria mediante llamadas a herramientas (remember, recall, forget) o integrando el plugin en flujos de trabajo existentes como Hermes o OpenClaw. El proyecto se distribuye bajo licencia MIT y está diseñado para ser una capa de memoria instalable y mantenible, separando la lógica de la memoria de la gestión de sesiones y la autenticación.