◆pip install vantadb-py◆BM25 + HNSW via RRF◆WAL · CRC32C checksums◆1.2ms HNSW p50 · 10K◆Apache 2.0◆Rust 1.94.1+◆Zero network◆Local-first◆pip install vantadb-py◆BM25 + HNSW via RRF◆WAL · CRC32C checksums◆1.2ms HNSW p50 · 10K◆Apache 2.0◆Rust 1.94.1+◆Zero network◆Local-first
§AGENTES DE IA

Memoria persistente de agente con LLMs locales

Un dev solo reemplazó una vector DB cloud con VantaDB + Ollama, cortando costos mensuales a $0 y dando a los agentes memoria crash-safe que sobrevive reinicios.

Indie AI Studio · Agentes de IA
Indie AI StudioAgentes de IA

Composite scenario based on typical usage patterns — not a specific customer

Resultados
$0

Costo DB mensual (era $340)

In-process

Latencia recall (era 80ms)

100%

Retención de memoria entre reinicios

El challenge

Lo que enfrentaron

El developer corría un crew de agentes autónomos en Ollama para un side project de customer-support. Cada agente re-embeddeaba su context window cada sesión porque la vector DB cloud era muy cara para mantener poblada. Los costos mensuales llegaron a $340. Los agentes olvidaban todo cuando el proceso crasheaba.

La solución

Cómo ayudó VantaDB

Reemplazó la vector DB cloud con VantaDB. Cada agente ahora tiene un namespace en un store VantaDB local. Las observaciones se put() con payload + metadata + vector. El recall usa hybrid search (BM25 + HNSW vía RRF). El WAL persiste todo — los agentes sobreviven crashes y reinicios con la memoria intacta.

VantaDB le dio a mis agentes un cerebro que no olvida y una factura que no crece. Es el momento SQLite para la memoria de IA.

Developer, Indie AI Studio

Construye tu propia historia

pip install vantadb-py y shipeá en minutos — sin cloud, sin servidores.