AgentKits Memory đặt cược vào một file SQLite cục bộ duy nhất, trong khi thị trường bộ nhớ agent đang đặt cược vào đám mây

Vấn đề mà không ai phủ nhận

Mọi trợ lý lập trình AI đều có cùng một điểm mù: nó quên sạch mọi thứ ngay khi phiên làm việc kết thúc. Hôm nay bạn nói với nó rằng dự án dùng JWT với refresh token, hôm sau nó vẫn vui vẻ đề xuất session cookie thay vào đó — không phải vì nó sai về xác thực, mà đơn giản là nó chưa từng biết. Nhân con số đó lên với mọi quyết định, mọi lần sửa lỗi, mọi “chúng tôi đã thử cách đó và nó không hiệu quả” trong suốt vòng đời một dự án, cái giá phải trả cộng dồn lại không hề nhỏ.

Đến năm 2026, đây không còn là một lời phàn nàn nhỏ lẻ nữa mà đã trở thành cả một danh mục riêng. Một khảo sát về lĩnh vực này đếm được 21 framework bộ nhớ và 20 kho lưu trữ vector đang cạnh tranh để giải quyết vấn đề, chia thành ba mô hình lưu trữ khác biệt: cloud có quản lý, tự lưu trữ mã nguồn mở, và MCP cục bộ. Mem0 trích xuất sự kiện từ hội thoại thông qua một API được lưu trữ tập trung. Zep gắn ngày hết hạn cho các sự kiện để ngữ cảnh cũ tự động lỗi thời. Letta coi bộ nhớ như một hệ điều hành, để chính agent quyết định điều gì di chuyển giữa ngữ cảnh cốt lõi, bộ nhớ gợi nhớ, và kho lưu trữ. Cognee xây dựng một đồ thị tri thức tự lưu trữ. LangMem tích hợp vào các pipeline LangGraph. Đây thực sự là một lĩnh vực đông đúc, và phần lớn những cái tên quen thuộc đều mặc định cần một máy chủ ở đâu đó.

AgentKits Memory, lớp bộ nhớ chúng tôi duy trì song song với các bộ kit marketing và kỹ thuật của AgentKits, đặt cược vào một hướng hẹp hơn: mọi thứ nằm trong một file SQLite cục bộ duy nhất, và không có gì rời khỏi máy.

“Hoàn toàn cục bộ” thực sự có nghĩa là gì

Đây là một tập hợp các lựa chọn kỹ thuật cụ thể, không phải một khẩu hiệu. Cơ sở dữ liệu là một file better-sqlite3 duy nhất tại .claude/memory/memory.db — một artifact chứa cả bộ nhớ, phiên làm việc, dữ liệu quan sát, và embedding cùng nhau, nên sao lưu chỉ đơn giản là sao chép một file, không có hàng loạt file markdown cần đồng bộ hay xung đột khi merge. Tìm kiếm ngữ nghĩa chạy qua sqlite-vec, một tiện ích mở rộng vector nhúng cho SQLite, kết hợp với một mô hình embedding ONNX cục bộ (multilingual-e5-small) hỗ trợ hơn 100 ngôn ngữ mà không cần gọi một API embedding nào. Việc cài đặt chỉ là một lệnh npx duy nhất, lệnh này cũng tải mô hình đó về máy. Không cần tài khoản, không cần API key, và — theo đúng ghi chú thiết kế của dự án — không có phụ thuộc vào đám mây nào để mà phải phụ thuộc ngay từ đầu.

Điều này đặt AgentKits Memory vào cùng hướng “MCP cục bộ” mà khảo sát thị trường đã xác định, cùng với những cái tên mới hơn như MemPalace (giấy phép MIT, lưu trữ cục bộ nguyên văn, không gọi API) và Basic Memory (một máy chủ MCP cục bộ theo giấy phép AGPL, lưu dưới dạng Markdown thuần). Cần nói rõ về bức tranh cạnh tranh thay vì thổi phồng nó: bản thân Mem0 hiện đã có OpenMemory, một máy chủ bộ nhớ tương thích MCP, ưu tiên cục bộ, hoạt động với Claude Desktop, Cursor, Windsurf, và VS Code — vậy nên “chạy cục bộ qua MCP” là một hướng mà các đối thủ nghiêm túc khác cũng đang xây dựng, không phải một khoảng trống riêng của AgentKits Memory. Điểm khác biệt nằm ở tổ hợp cụ thể bên dưới: lưu trữ một file duy nhất, chỉ mục vector nhúng, và một mô hình embedding hoàn toàn offline, thay vì một máy chủ cục bộ vẫn giả định có một sản phẩm được lưu trữ rộng hơn đứng phía sau.

Vì sao thiết kế truy xuất quan trọng hơn lựa chọn lưu trữ

Lưu trữ chỉ-cục-bộ giải quyết vấn đề riêng tư, nhưng không tự động giải quyết vấn đề ngân sách token. Một công cụ bộ nhớ ngây thơ vẫn có thể hoàn toàn cục bộ mà vẫn đốt hàng chục nghìn token bằng cách đổ toàn bộ file đã lưu vào ngữ cảnh mỗi lần truy vấn.

Câu trả lời của AgentKits Memory là tìm kiếm ba lớp theo kiểu “tiết lộ dần” (progressive disclosure): memory_search trước tiên trả về một chỉ mục nhẹ — ID, tiêu đề, tag, và điểm khớp — với khoảng 50 token cho mỗi kết quả, để agent có thể thấy những gì tồn tại trước khi quyết định chi ngân sách ngữ cảnh cho bất kỳ mục nào. memory_timeline là bước thứ hai tùy chọn, lấy khoảng thời gian ±30 phút hoạt động phiên làm việc xung quanh một kết quả tiềm năng — hữu ích khi một quyết định chỉ có ý nghĩa khi đặt cạnh những gì đã kích hoạt nó. Chỉ memory_details mới lấy nội dung đầy đủ, và chỉ cho những ID mà agent thực sự đã chọn. Theo tính toán của chính dự án, cách này giảm khoảng 70% số token so với việc lấy toàn bộ nội dung ngay từ đầu — 1.500 token cho một lượt tìm kiếm mười kết quả, thay vì 5.000 token. Tỷ lệ này có đúng với mọi khối lượng công việc hay không còn tùy vào từng trường hợp, nhưng hướng thiết kế — chỉ mục trước, truy xuất hẹp, chỉ trả giá cho đúng những gì dùng đến — là bản năng đúng đắn cho một công cụ được thiết kế để chạy thường trực trong mọi phiên làm việc, chứ không chỉ chạy song song với nó.

Việc ghi nhận (capture) được thiết kế để không đòi hỏi gì từ phía nhà phát triển: các hook tự động ghi lại quyết định, việc sử dụng công cụ, và tóm tắt phiên làm việc ngay khi công việc diễn ra, thay vì phụ thuộc vào việc ai đó nhớ gọi memory_save. Các worker chạy nền xử lý việc làm giàu nội dung bằng AI, tạo embedding, và nén các phiên cũ một cách bất đồng bộ, và được xây dựng có chủ đích để không “nán lại” — chúng tự chấm dứt sau năm phút, dùng file khóa dựa trên PID với cơ chế dọn dẹp khóa cũ, và tắt gọn gàng khi nhận SIGTERM/SIGINT. Đối với một tiến trình được thiết kế để chạy âm thầm phía sau mọi phiên lập trình, việc “không để lại tiến trình zombie” là một yêu cầu tầm thường nhưng lại là nền tảng quan trọng.

Lý do thực sự cho việc chọn cục bộ, không chỉ là lý do nghe cho yên tâm

Sẽ dễ dàng nếu chỉ vẫy tay nói “vì quyền riêng tư” rồi bỏ qua, nhưng áp lực đằng sau xu hướng ưu tiên cục bộ năm 2026 cụ thể hơn thế nhiều. Đặc biệt tại các doanh nghiệp lớn, theo dữ liệu khảo sát gần đây, 61% nhà phát triển tại các công ty có hơn 1.000 nhân viên cho biết họ lo ngại về việc lộ dữ liệu nhạy cảm của công ty hoặc khách hàng thông qua các công cụ AI, và một phân tích khác cho thấy một tỷ lệ đáng kể tổ chức đã áp dụng công cụ lập trình AI chính của mình mà không xem xét điều khoản xử lý dữ liệu trước, để rồi sau đó phát hiện ra vi phạm chính sách nội bộ. Đây không phải chuyện giả định — việc kỹ sư dán mã nguồn độc quyền vào giao diện chat trên đám mây chính là kiểu rò rỉ đã khiến các công cụ AI tạo sinh bị cấm hoàn toàn tại nhiều công ty lớn trong quá khứ gần đây. Một lớp bộ nhớ theo dõi mọi file bạn chạm vào và mọi quyết định bạn đưa ra, nếu được lưu trữ trên đám mây, chính là kiểu bề mặt biến một sai lầm đơn lẻ thành một vấn đề chính sách trên diện rộng — ngữ cảnh của mọi phiên làm việc giờ đây cũng là dữ liệu xuất ra của mọi phiên làm việc.

Đó là canh bạc mà AgentKits Memory đang đặt cược: bộ nhớ của một AI agent lập trình là dữ liệu nhạy cảm ở mức không cân xứng — quyết định kiến trúc, thông tin xác thực vô tình được nhắc đến, ngữ cảnh riêng của từng khách hàng — và cách an toàn nhất để xử lý dữ liệu nhạy cảm không cân xứng đó là ngay từ đầu không tập trung nó ở bất kỳ đâu. Xu hướng ưu tiên cục bộ cũng không chỉ giới hạn trong công cụ AI; nó đủ rộng vào năm 2026 đến mức FOSDEM đã dành hẳn một phòng dành riêng cho phần mềm ưu tiên cục bộ và CRDT, và các sản phẩm như Linear và Figma đã chứng minh mô hình này có thể mở rộng đến quy mô sử dụng thực tế, vượt ra ngoài phạm vi những công cụ ngách. AgentKits Memory là một ứng dụng hẹp hơn, cụ thể hơn của cùng nguyên tắc đó cho một vấn đề cụ thể: một trợ lý AI cần nhớ dự án của bạn mà không cần biết về dự án của bạn trên máy chủ của người khác.

Điều bài viết này không khẳng định

Ưu tiên cục bộ không tự động tốt hơn cho mọi đội nhóm — một đội phân tán muốn chia sẻ bộ nhớ giữa các kỹ sư, chứ không chỉ giữa các phiên làm việc trên một máy, là một nhu cầu thực tế mà một file SQLite cục bộ duy nhất không đáp ứng được, và đó là lý do chính đáng để chọn một giải pháp được lưu trữ tập trung thay thế. AgentKits Memory thẳng thắn thừa nhận mình là một lựa chọn trong một lĩnh vực đang thay đổi nhanh chóng, chứ không phải là lựa chọn dứt khoát duy nhất — cách khảo sát thị trường mô tả ba mô hình lưu trữ thực sự tồn tại song song, chứ không phải một đáp án đúng duy nhất, chính là cách đọc chính xác về lĩnh vực này. Điều mà thiết kế này thực sự chứng minh là “cục bộ” không đồng nghĩa với “kém tinh vi” — tìm kiếm kiểu tiết lộ dần và việc ghi nhận dữ liệu quan sát có cấu trúc đều là công sức kỹ thuật thực sự, không chỉ đơn thuần là né tránh một máy chủ.

Với những đội nhóm mà mối lo ngại lớn nhất về công cụ bộ nhớ AI là “mã nguồn của chúng tôi thực sự đi đâu”, đó chính xác là câu hỏi mà AgentKits Memory được xây dựng để trả lời rõ ràng: không đi đâu cả, ngoài file SQLite vốn đã nằm sẵn trong thư mục .claude/ của chính dự án.