Jevmem cria memória automática de projeto para o Claude Code e amplia alcance

Uma ferramenta de código aberto chamada Jevmem (abre em nova aba) foi publicada para dar aos assistentes de programação com inteligência artificial uma memória permanente do projeto em que o usuário trabalha. O projeto é assinado pelo desenvolvedor Avinash Jetwani, apareceu na comunidade Hacker News em 22 de setembro de 2026 e ganhou coberturas publicadas em 25 de setembro de 2026.

Para entender a proposta, vale uma comparação simples. Imagine um caderno de anotações que fica dentro da pasta do projeto. Cada vez que você decide algo importante durante uma conversa com o assistente, alguém escreve uma linha nesse caderno. Na próxima conversa, o assistente lê o caderno antes de responder. É mais ou menos isso que o Jevmem faz, segundo sua documentação.

O problema que a ferramenta tenta resolver

Assistentes de programação com IA, como o Claude Code, funcionam por sessões de conversa. Quando a sessão termina, o contexto costuma se perder, e o profissional precisa explicar de novo o que já havia combinado. O Jevmem tenta reduzir esse retrabalho guardando automaticamente as decisões, restrições, bugs e tarefas pendentes que surgem no bate-papo, para reinjetá-los no contexto das conversas seguintes, de acordo com a descrição do projeto.

Como funciona, em termos simples

O fluxo descrito nas fontes tem três etapas. Primeiro, uma limpeza local do texto: a ferramenta remove padrões comuns de credenciais, endereços de e-mail e números de 16 dígitos antes de enviar qualquer coisa. Depois, o conteúdo passa por uma análise que estima se aquela conversa contém uma decisão de projeto, uma regra ou um relato de bug. Por fim, se o valor ultrapassar limites definidos, o sistema extrai uma única linha de texto com menos de duzentos caracteres e a grava no arquivo JEVMEM.md, dentro do repositório.

Quando uma orientação nova substitui uma antiga, a linha anterior não é apagada. Ela recebe uma marca indicando que foi superada e fica ligada à nova, formando um histórico auditável de por que o projeto seguiu determinado caminho. Nesse ponto, a ferramenta se comporta mais como um diário de bordo do que como um simples bloco de notas.

Ativação opcional e arquivos criados

Um ponto destacado na documentação é que o Jevmem fica totalmente inerte até ser ativado de propósito dentro de um projeto. Enquanto isso não acontece, seus ganchos e seu servidor de integração não fazem chamadas de rede, não escrevem arquivos e não produzem saída. Há divergência entre as descrições sobre o comando de ativação: uma fonte menciona jevmem enable, enquanto outra fala em jevmem init com opção de ferramenta. A ativação cria o arquivo JEVMEM.md e um jevmem.config.json, ambos pensados para serem versionados, além de uma pasta .jevmem/ adicionada ao arquivo de exclusão do controle de versão. O comando de desativação reverte a configuração, mas preserva o JEVMEM.md, mantendo as anotações acumuladas.

Para funcionar, a ferramenta exige uma chave do serviço TypeSafe AI, e chaves de OpenAI ou Anthropic são opcionais. Como os ganchos nem sempre leem o perfil de terminal do usuário, a recomendação é guardar as credenciais em um arquivo dedicado na pasta pessoal. Por padrão, não há um comando instalado de forma avulsa no sistema, e a maior parte das pessoas deve chamá-lo por meio do utilitário npx. A execução depende de uma instalação de Node.js 20 ou superior localizada automaticamente, e no Windows é necessário ter o utilitário sh do Git for Windows disponível no sistema.

Números divulgados e ressalvas

O projeto apresenta um comparativo com seis modelos de linguagem grandes, medido em 66 turnos de desenvolvimento datados de 23 de setembro. Segundo os números publicados, a configuração automática do Jevmem acertou 98,5% das decisões de guardar ou ignorar e 95,5% na classificação do tipo de anotação, com tempo mediano de 300 milissegundos e custo aproximado de 0,000127 dólar por decisão. Os modelos comparados ficaram entre 2,8 e 4,3 segundos por decisão, com custos que variaram de cerca de 0,000089 dólar a 0,013256 dólar. O próprio autor ressalva que se trata de uma única rodada e que diferenças de um ou dois turnos ficam dentro da variação normal entre execuções.

Privacidade e limitações reconhecidas

A documentação afirma que os dados processados passam pelo serviço TypeSafe AI sem coleta de telemetria e que o usuário pode adotar protocolos de retenção zero. A limpeza automática cobre credenciais e padrões financeiros, mas nomes e endereços físicos não são mascarados por padrão, o que exige consulta à documentação de segurança para controle mais fino. O repositório também reconhece limitações e pontos ainda em aberto.

A captura automática por ganchos está disponível apenas no Claude Code. Nos demais clientes, como Cursor e Codex, existem níveis diferentes de integração. A ferramenta oferece ainda comandos auxiliares, como busca, listagem e auditoria, sendo que a auditoria reavalia as memórias guardadas contra o repositório e marca as que podem estar desatualizadas. O ajuste de pesos e limites exige pelo menos 40 etiquetas fornecidas pelo usuário.

Para quem quiser experimentar, o caminho indicado é consultar diretamente o repositório do projeto e verificar as instruções de instalação e as condições de licença antes de ativar a ferramenta em um repositório real de trabalho.

Fontes

• automatic project memory for Claude Code, built on Jev — news.ycombinator.com · 22/09/2026
• Jevmem New Open-Source Tool Adds Automatic Project Memory to Claude Code | IntraGoals — intragoals.com · 25/09/2026
• jevmem Automates Project Memory for Claude Code, Cursor, and Codex | Trending Stories | HyperAI — hyper.ai · 25/09/2026
• Jevmem: memoria persistente para Claude Code en 0,3s – El Ecosistema Startup — ecosistemastartup.com · 25/09/2026