@pcircle/memesh 4.1.7 → 4.2.1

package/.claude-plugin/marketplace.json

@@ -8,7 +8,7 @@
       "name": "memesh",
       "source": "./",
       "description": "MeMesh — Local memory for Claude Code and MCP coding agents. One SQLite file, zero cloud required.",
-      "version": "4.1.7",
+      "version": "4.2.1",
       "author": {
         "name": "PCIRCLE AI"
       },

package/.claude-plugin/plugin.json

@@ -4,7 +4,7 @@
   "author": {
     "name": "PCIRCLE AI"
   },
-  "version": "4.1.7",
+  "version": "4.2.1",
   "homepage": "https://pcircle.ai/memesh-llm-memory",
   "repository": "https://github.com/PCIRCLE-AI/memesh-llm-memory",
   "license": "MIT",

package/README.de.md

@@ -1,6 +1,3 @@
-<!-- translated from README.md @ ab9d25f8d9cb7c78c4cc271717709e2efb4bac76 -->
-<!-- DO NOT edit this file by hand. The maintainer regenerates it from README.md via a private toolkit script (see internal docs). Manual edits will be overwritten on next sync. -->
-
 🌐 [English](README.md) | [繁體中文](README.zh-TW.md) | [简体中文](README.zh-CN.md) | [日本語](README.ja.md) | [한국어](README.ko.md) | [Português](README.pt.md) | [Français](README.fr.md) | [Deutsch](README.de.md) | [Tiếng Việt](README.vi.md) | [Español](README.es.md) | [ภาษาไทย](README.th.md)
 
 <p align="center">
@@ -29,6 +26,22 @@ Dieses Paket ist die lokale Speicherschicht der MeMesh-Produktfamilie. Es ist be
 
 ---
 
+## Proof — 95.40% R@5 on LongMemEval-S
+
+MeMeshs Retrieval-Engine ist **FTS5 alleine** (kein LLM, keine Embeddings auf dem Hot Path), gemessen am öffentlichen [LongMemEval-S](https://huggingface.co/datasets/xiaowu0162/longmemeval) Benchmark (500 Fragen, MIT-lizenziert):
+
+| System | R@5 | Quelle |
+|---|---|---|
+| **MeMesh (Mode A, FTS5)** | **95.40%** | [benchmarks/longmemeval/RESULTS.md](benchmarks/longmemeval/RESULTS.md) |
+| MemPalace | 96.6% | Eigenangabe des Anbieters |
+| Supermemory | ~82% | Schätzung des Anbieters |
+| Zep | 63.8% | LongMemEval-Paper |
+| Mem0 | 49.0% | LongMemEval-Paper |
+
+Reproduktionsbefehle, Datensatz-SHA256, rohe Ergebnisse pro Frage und Analyse bekannter Fehlschläge finden sich vollständig in [`benchmarks/longmemeval/`](benchmarks/longmemeval/). In ~10 Sekunden reproduzierbar.
+
+---
+
 ## In 60 Sekunden starten
 
 ### Schritt 1: Installation
@@ -172,15 +185,36 @@ Sie müssen nicht manuell alles speichern. MeMesh verfügt über **6 Hooks**, di
 
 ---
 
+## Configuration
+
+Die gesamte Konfiguration erfolgt über Umgebungsvariablen. Die Standardwerte sind rein lokal und ohne Netzwerk — Sie müssen nichts setzen, um ein funktionierendes System zu erhalten.
+
+| Variable | Standard | Was sie bewirkt |
+|---|---|---|
+| `MEMESH_DB_PATH` | `~/.memesh/knowledge-graph.db` | Überschreibt den Speicherort der SQLite-Datenbank. |
+| `MEMESH_AUTO_CAPTURE` | `true` | Deaktiviert die Auto-Capture-Hooks (`Stop`, `PreCompact`) vollständig. |
+| `MEMESH_AUTO_DETECT_LLM` | nicht gesetzt | Auf `1` setzen, damit memesh einen Provider aus Ihrer Shell-Umgebung (`OPENAI_API_KEY` etc.) automatisch erkennt und auf BYOK-Embeddings umschaltet. **Standard bei einer frischen Installation ist ausschließlich lokales ONNX (384-dim)** — Opt-in, falls Sie Cloud-Embeddings wünschen. Ohne dieses Flag wird ein in der Shell vorhandener `OPENAI_API_KEY` ignoriert. |
+| `MEMESH_ENABLE_AGENTIC_ORCHESTRATION` | nicht gesetzt | Auf `1` setzen, um ein experimentelles Working-Model-Protokoll zu aktivieren (CTO / Orchestrator / Agents-Framing). Fügt ein Session-Start-Banner, einen Bash-Befehls-Nudge und `verify_agent_work`-Telemetrie hinzu. Die Wirksamkeit des Protokolls wird derzeit instrumentiert, ist aber noch nicht erwiesen — Opt-in, falls Sie teilnehmen möchten. **Standard ist OFF**: Die Kern-Memory-Funktionen arbeiten ohne dieses Flag. |
+| `MEMESH_AUTO_UPDATE` | `off` | Auto-Update-Richtlinie. `off` (Standard) aktualisiert nie automatisch; `patch` erlaubt `X.Y.Z → X.Y.Z+N`; `minor` ergänzt `X.Y.Z → X.Y+1.0`; `major` erlaubt jedes Bump. Wenn zugelassen, läuft am Session-Ende (Stop-Hook) ein abgekoppeltes `npm install -g`, sodass es Ihre Arbeit nie blockiert — Ergebnisse landen in `~/.memesh/auto-update.log`. Ebenfalls als `autoUpdate` in `~/.memesh/config.json` setzbar (Env hat Vorrang). Wenn die installierte Version von den Maintainern als veraltet markiert wird (Sicherheitswarnung), wird `patch` auch bei `off` erzwungen erlaubt — Minor- / Major-Bumps bleiben manuell, um stille Verhaltensänderungen zu vermeiden. |
+| `OPENAI_API_KEY` | nicht gesetzt | Ihr OpenAI-Schlüssel. Wird nur verwendet, wenn `MEMESH_AUTO_DETECT_LLM=1` gesetzt ist oder Sie den Provider explizit konfigurieren. |
+| `OLLAMA_HOST` | `http://localhost:11434` | Überschreibt den Ollama-Endpoint, wenn ein lokaler Ollama-Provider verwendet wird. |
+
+`memesh doctor` gibt die aufgelöste Konfiguration aus, sodass Sie sehen, was aktiv ist.
+
+Wenn npm eine installierte Version als veraltet kennzeichnet (typischerweise eine Sicherheitswarnung), stellt der nächste Session-Start ein deutliches `⚠️ MeMesh <ver> is DEPRECATED`-Banner voran und `memesh update-status` zeigt dieselbe Zeile, bis Sie aktualisiert haben. Die Prüfung wird unter `~/.memesh/update-check.<version>.json` zwischengespeichert, sodass ein vorübergehender Netzwerkfehler die Warnung nicht abschwächen kann.
+
+---
+
 ## Dashboard
 
-7 Reiter, 11 Sprachen, keine externen Abhängigkeiten. Zugang unter `http://localhost:3737/dashboard` wenn der Server läuft.
+8 Reiter, 11 Sprachen, keine externen Abhängigkeiten. Zugang unter `http://localhost:3737/dashboard` wenn der Server läuft.
 
 | Reiter | Was Sie sehen |
 |--------|-------------|
+| **Insights** | Speicher-Insights — wöchentliche Zusammenfassungen und Mustervorschläge der Dreamer-Engine; Ein-Klick-Akzeptieren/Ablehnen |
 | **Search** | Volltextsuche + Vektorsimilarität über alle Memories |
 | **Browse** | Paginierte Liste aller Entitäten mit Archiv-/Restore-Funktion |
-| **Analytics** | Memory Health Score (0-100), 30-Tage-Timeline, Wertkennzahlen, Wissensabdeckung, Bereinigungsvorschläge, Ihre Arbeitsmuster |
+| **Analytics** | Memory Health Score, 30-Tage-Timeline, PM-Velocity + KG-Konnektivitätskennzahlen, Arbeitsmuster, Bereinigungsvorschläge |
 | **Graph** | Interaktiver kraft-gerichteter Wissensgraph mit Typfiltern, Suche, Ego-Modus, Aktualitäts-Heatmap |
 | **Lessons** | Strukturierte Lektionen aus vergangenen Fehlern (Fehler, Grundursache, Behebung, Prävention) |
 | **Manage** | Entitäten archivieren und wiederherstellen |
@@ -198,6 +232,8 @@ Sie müssen nicht manuell alles speichern. MeMesh verfügt über **6 Hooks**, di
 
 **⚠️ Konflikterkennung** — Wenn Sie zwei Memories haben, die sich widersprechen, warnt Sie MeMesh.
 
+**🕸️ Wissensgraph-Konnektivität** — `memesh kg backfill-relations --all-rules` verknüpft verwaiste Entitäten über Tag-Kookurrenz, Projekt-Clustering, Sitzungskontext und Namensähnlichkeit — ohne LLM. Reduziert die Waisenrate auf einer repräsentativen Wissensbasis von 89% auf unter 12%.
+
 **📦 Team-Freigabe** — `memesh export > team-knowledge.json` → mit Team teilen → `memesh import team-knowledge.json`
 Importierte Bundles bleiben durchsuchbar, aber MeMesh injiziert importierte Memories nicht automatisch in Claude Hooks, bis Sie sie überprüfen oder lokal neu speichern.
 
@@ -218,7 +254,7 @@ Importierte Bundles bleiben durchsuchbar, aber MeMesh injiziert importierte Memo
 
 ## Smart Mode freischalten (optional)
 
-MeMesh funktioniert standardmäßig offline. Fügen Sie einen LLM API-Schlüssel nur hinzu, wenn Sie Query-Erweiterung, intelligentere Extraktion und Kompression wünschen:
+MeMesh funktioniert standardmäßig offline — Recall bleibt strikt LLM-frei (95,40 % R@5 auf LongMemEval-S, ohne LLM). Fügen Sie einen LLM API-Schlüssel nur hinzu, wenn Sie LLM-augmentierte Analyseflüsse zusätzlich nutzen möchten: intelligentere Session-Extraktion, Auto-Tagging neuer Memories, Lektionen aus Fehlern und `consolidate` / `dream` Kompression:
 
 ```bash
 memesh config set llm.provider anthropic
@@ -233,10 +269,12 @@ memesh  # öffnet Dashboard → Settings-Reiter
 
 | | Stufe 0 (Standard) | Stufe 1 (Smart Mode) |
 |---|---|---|
-| **Search** | FTS5-Keyword-Matching | + LLM Query-Erweiterung (~97 % Recall) |
+| **Search** | FTS5 + sqlite-vec, 95,40 % R@5 (~18 ms/Query) | unverändert — Recall ist auf jeder Stufe LLM-frei |
 | **Auto-Capture** | Regelbasierte Muster | + LLM extrahiert Entscheidungen & Lektionen |
-| **Kompression** | Nicht verfügbar | `consolidate` komprimiert ausschweifende Memories |
-| **Kosten** | Kostenlos, kein API-Schlüssel | ~$0,0001 pro Suche (Haiku) |
+| **Auto-Tagging** | Nur manuelle Tags | + LLM generiert Tags für neue Memories |
+| **Fehleranalyse** | Nicht verfügbar | + LLM wandelt Session-Fehler in strukturierte Lektionen um |
+| **Kompression** | Nicht verfügbar | `consolidate` + `dream` komprimieren ausschweifende Memories |
+| **Kosten** | Kostenlos, kein API-Schlüssel | ~$0,0001 pro Analyseanfrage (Haiku) |
 
 ---
 
@@ -245,7 +283,7 @@ memesh  # öffnet Dashboard → Settings-Reiter
 | Tool | Was es tut |
 |------|-------------|
 | `remember` | Wissen mit Beobachtungen, Relationen und Tags speichern |
-| `recall` | Intelligente Suche mit Multi-Faktor-Bewertung und LLM Query-Erweiterung |
+| `recall` | FTS5 + sqlite-vec Suche mit Multi-Faktor-Bewertung (Relevanz, Aktualität, Häufigkeit, Konfidenz, zeitliche Gültigkeit) — kein LLM auf dem Hot Path |
 | `forget` | Soft-Archivierung (löscht nie) oder entfernt spezifische Beobachtungen |
 | `consolidate` | LLM-gestützte Kompression ausschweifender Memories |
 | `export` | Memories als JSON zwischen Projekten oder Teamkollegen teilen |

package/README.es.md

@@ -1,6 +1,3 @@
-<!-- translated from README.md @ ab9d25f8d9cb7c78c4cc271717709e2efb4bac76 -->
-<!-- DO NOT edit this file by hand. The maintainer regenerates it from README.md via a private toolkit script (see internal docs). Manual edits will be overwritten on next sync. -->
-
 🌐 [English](README.md) | [繁體中文](README.zh-TW.md) | [简体中文](README.zh-CN.md) | [日本語](README.ja.md) | [한국어](README.ko.md) | [Português](README.pt.md) | [Français](README.fr.md) | [Deutsch](README.de.md) | [Tiếng Việt](README.vi.md) | [Español](README.es.md) | [ภาษาไทย](README.th.md)
 
 <p align="center">
@@ -29,27 +26,70 @@ Este paquete es la capa de memoria local de la familia de productos MeMesh. Es i
 
 ---
 
+## Prueba — 95.40% R@5 en LongMemEval-S
+
+El motor de recuperación de MeMesh es **solo FTS5** (sin LLM, sin embeddings en la ruta caliente), medido contra el benchmark público [LongMemEval-S](https://huggingface.co/datasets/xiaowu0162/longmemeval) (500 preguntas, licencia MIT):
+
+| Sistema | R@5 | Fuente |
+|---|---|---|
+| **MeMesh (Modo A, FTS5)** | **95.40%** | [benchmarks/longmemeval/RESULTS.md](benchmarks/longmemeval/RESULTS.md) |
+| MemPalace | 96.6% | Auto-reporte del proveedor |
+| Supermemory | ~82% | Estimación del proveedor |
+| Zep | 63.8% | Paper de LongMemEval |
+| Mem0 | 49.0% | Paper de LongMemEval |
+
+Los comandos de reproducción, SHA256 del dataset, resultados crudos por pregunta y análisis de fallos conocidos están todos en [`benchmarks/longmemeval/`](benchmarks/longmemeval/). Re-ejecutable en ~10 segundos.
+
+---
+
 ## Primeros Pasos en 60 Segundos
 
-### Paso 1: Instala
+### Opción A — Plugin de Claude Code (instalación de una línea)
+
+Si usas Claude Code, instala MeMesh como plugin desde dentro de la CLI:
+
+```
+/plugin marketplace add PCIRCLE-AI/memesh-llm-memory
+/plugin install memesh@pcircle-memesh
+```
+
+Claude Code conecta los hooks, skills y el servidor MCP automáticamente. Obtienes auto-captura en sesión, recuperación proactiva, el skill `/memesh` (remember / recall / learn / forget) dentro de la conversación de Claude Code, y `remember` / `recall` / `forget` / `learn` disponibles como herramientas MCP para el agente. La CLI y el dashboard local también son completamente accesibles sin ninguna instalación global adicional — `npx @pcircle/memesh <command>` ejecuta cada comando CLI, y `npx @pcircle/memesh` lanza el dashboard en `localhost:3737`. El servidor MCP usa el mismo patrón de lanzamiento basado en `npx` que los plugins oficiales de Anthropic (p. ej. `context7`), por lo que no se necesita `npm install -g` para ninguna característica.
+
+### Opción B — npm global (optimización opcional)
+
+Si quieres el binario directamente en tu `PATH` de shell (para que `memesh`, `memesh-mcp`, etc. funcionen en cualquier terminal sin la búsqueda `npx` por llamada), o quieres exponer `memesh-mcp` como un comando stdio de ruta fija a **clientes MCP que no son Claude Code** (Cursor, Cline, flujos solo de terminal):
 
 ```bash
 npm install -g @pcircle/memesh
 ```
 
-### Paso 1.5: Conecta MeMesh a Claude Code (recomendado, una sola vez)
+> **Notas de primera instalación (única vez):**
+> - **Módulos nativos** — `better-sqlite3` y `sqlite-vec` se instalan mediante binarios precompilados en macOS (arm64/x64), Linux (x64/arm64) y Windows x64. En plataformas poco comunes o cuando los precompilados fallan, necesitarás un toolchain C/C++ funcional.
+> - **Modelo de embedding** — la primera llamada que activa un embedding local (p. ej. `recall` con modo semántico) descarga `Xenova/all-MiniLM-L6-v2` (~80 MB) en `~/.memesh/models/`. Las llamadas subsiguientes son instantáneas. La ruta de recuperación por defecto (FTS5) no requiere esta descarga.
+
+### Paso 1.5: Conecta MeMesh a Claude Code (solo ruta npm)
 
-`npm install -g` pone la CLI en el PATH y registra el servidor MCP, pero **no** conecta automáticamente los hooks de sesión de MeMesh a Claude Code. Sin estos hooks, puedes usar `memesh remember` / `recall` manualmente, pero el **bucle de captura automática** (sesión → lecciones → recall proactivo en la siguiente sesión) queda en silencio.
+Si instalaste mediante la **Opción A** (`/plugin install memesh@pcircle-memesh`), omite este paso — Claude Code conecta los hooks del plugin automáticamente.
+
+Si instalaste mediante la **Opción B** (`npm install -g`), la CLI está en tu PATH y el servidor MCP está registrado, pero los hooks de sesión de Claude Code no se conectan automáticamente. Sin ellos, aún puedes usar `memesh remember` / `recall` manualmente, pero el **bucle de captura automática** (sesiones → lecciones → recall en la siguiente sesión) queda en silencio.
 
 ```bash
 memesh install-hooks         # añade los hooks de memesh a ~/.claude/settings.json
 memesh doctor                # confirma que "Hooks wired into Claude Code" pasa
 ```
 
-Estos hooks coexisten con tus hooks personalizados en `~/.claude/hooks/` — `install-hooks` escribe de forma aditiva y nunca sobrescribe los tuyos. Para eliminarlos: `memesh uninstall-hooks`.
+Estos hooks coexisten con cualquier hook personalizado que ya tengas en `~/.claude/hooks/` — `install-hooks` escribe entradas aditivas y nunca sobrescribe los tuyos. Para eliminarlos después: `memesh uninstall-hooks`.
 
 ### Paso 2: Guarda una decisión
 
+> Los ejemplos bash a continuación asumen que `memesh` está en tu `PATH` (Opción B). Los usuarios de la Opción A (solo plugin) tienen dos rutas equivalentes: pregunta en la conversación de Claude Code (el skill `/memesh` + las herramientas MCP cubren los mismos flujos), o reemplaza `memesh` con `npx @pcircle/memesh` en cualquier shell — mismas flags, sin necesidad de instalación global.
+
+```bash
+memesh remember "Use OAuth 2.0 with PKCE for the new auth"
+```
+
+O usa la forma explícita cuando quieres un nombre y tipo estables para filtrado posterior:
+
 ```bash
 memesh remember --name "auth-decision" --type "decision" --obs "Use OAuth 2.0 with PKCE"
 ```
@@ -161,10 +201,10 @@ No necesitas recordar todo manualmente. MeMesh tiene **7 hooks** que capturan e
 
 | Cuándo | Qué hace MeMesh |
 |---|---|
-| **Al inicio de cada sesión** | Carga tus memorias más relevantes + advertencias proactivas de lecciones pasadas + banner de orquestación agentica |
+| **Al inicio de cada sesión** | Carga tus memorias más relevantes + advertencias proactivas de lecciones pasadas |
 | **Antes de editar archivos** | Recupera memorias vinculadas al archivo o proyecto antes de que Claude escriba código |
-| **Antes de comandos bash** | Nudge a Claude para que envíe comandos de alta verificabilidad (test, build, lint, migrate, deploy, benchmark) como agentes de fondo |
-| **Cuando pides recordar** | Detecta intención de "remember this" / "記下來" y recuerda a Claude que escriba dual (memesh + MEMORY.md) |
+| **Antes de comandos bash** | (Opt-in) Nudge a Claude para que envíe comandos de alta verificabilidad (test, build, lint, migrate, deploy, benchmark) como agentes de fondo |
+| **Cuando pides recordar** | Detecta intención de "remember this" / "guardar en memesh" / "sauvegarder dans memesh" / "記下來" (5 idiomas) y recuerda a Claude que use memesh |
 | **Después de cada `git commit`** | Registra qué cambiaste, con estadísticas de diff |
 | **Cuando Claude se detiene** | Captura archivos editados, errores corregidos y genera automáticamente lecciones estructuradas a partir de fallos |
 | **Antes de compresión de contexto** | Guarda conocimiento antes de que se pierda en límites de contexto |
@@ -173,15 +213,36 @@ No necesitas recordar todo manualmente. MeMesh tiene **7 hooks** que capturan e
 
 ---
 
+## Configuración
+
+Toda la configuración se realiza mediante variables de entorno. Los valores por defecto son solo locales y sin red — no necesitas configurar nada para tener un sistema funcional.
+
+| Variable | Por defecto | Qué hace |
+|---|---|---|
+| `MEMESH_DB_PATH` | `~/.memesh/knowledge-graph.db` | Sobrescribe la ubicación de la base de datos SQLite. |
+| `MEMESH_AUTO_CAPTURE` | `true` | Desactiva por completo los hooks de auto-captura (`Stop`, `PreCompact`). |
+| `MEMESH_AUTO_DETECT_LLM` | sin definir | Establece a `1` para que memesh auto-detecte un proveedor desde tu env de shell (`OPENAI_API_KEY` etc.) y cambie a embeddings BYOK. **La instalación nueva por defecto es solo ONNX local (384-dim)** — opta por activarlo si quieres embeddings en la nube. Sin esta flag activada, una `OPENAI_API_KEY` que ande por tu shell se ignora. |
+| `MEMESH_ENABLE_AGENTIC_ORCHESTRATION` | sin definir | Establece a `1` para activar un protocolo experimental de modelo de trabajo (encuadre CTO / Orquestador / Agentes). Añade un banner al inicio de sesión, un nudge de comando Bash y telemetría `verify_agent_work`. La efectividad del protocolo se está instrumentando, aún no probada — opta por activarlo si quieres participar. **Por defecto está OFF**: las características de memoria centrales funcionan sin esta flag. |
+| `MEMESH_AUTO_UPDATE` | `off` | Política de auto-actualización. `off` (por defecto) nunca auto-actualiza; `patch` permite `X.Y.Z → X.Y.Z+N`; `minor` añade `X.Y.Z → X.Y+1.0`; `major` permite cualquier bump. Cuando se permite, un `npm install -g` independiente se dispara al final de la sesión (hook Stop) por lo que nunca bloquea tu trabajo — los resultados aterrizan en `~/.memesh/auto-update.log`. También configurable como `autoUpdate` en `~/.memesh/config.json` (env gana). Cuando los mantenedores deprecan la versión instalada (aviso de seguridad), `patch` se fuerza a permitir incluso en `off` — los bumps minor / major siguen siendo manuales para evitar deriva silenciosa de comportamiento. |
+| `OPENAI_API_KEY` | sin definir | Tu clave de OpenAI. Solo se usa cuando `MEMESH_AUTO_DETECT_LLM=1` o configuras explícitamente el proveedor. |
+| `OLLAMA_HOST` | `http://localhost:11434` | Sobrescribe el endpoint de Ollama cuando uses un proveedor Ollama local. |
+
+`memesh doctor` imprime la configuración resuelta para que puedas ver qué está activo.
+
+Cuando npm marca una versión instalada como deprecada (típicamente un aviso de seguridad), el siguiente inicio de sesión antepone un fuerte banner `⚠️ MeMesh <ver> is DEPRECATED` y `memesh update-status` muestra la misma línea hasta que actualices. La verificación se cachea en `~/.memesh/update-check.<version>.json` para que un fallo de red transitorio no atenúe la advertencia.
+
+---
+
 ## Dashboard
 
-7 pestañas, 11 idiomas, cero dependencias externas. Accede en `http://localhost:3737/dashboard` cuando el servidor está en ejecución.
+8 pestañas, 11 idiomas, cero dependencias externas. Accede en `http://localhost:3737/dashboard` cuando el servidor está en ejecución.
 
 | Pestaña | Qué ves |
 |---|---|
+| **Insights** | Perspectivas de memoria — resúmenes semanales y propuestas de patrones del motor dreamer; aceptar/rechazar con un clic |
 | **Search** | Búsqueda de texto completo + similitud vectorial en todas las memorias |
 | **Browse** | Lista paginada de todas las entidades con archivo/restauración |
-| **Analytics** | Puntuación de Salud de Memoria (0-100), línea de tiempo de 30 días, métricas de valor, cobertura de conocimiento, sugerencias de limpieza, tus patrones de trabajo |
+| **Analytics** | Puntuación de Salud de Memoria, línea de tiempo de 30 días, velocidad PM + métricas de conectividad KG, patrones de trabajo, sugerencias de limpieza |
 | **Graph** | Grafo de conocimiento interactivo dirigido por fuerzas con filtros de tipo, búsqueda, modo ego, mapa de calor de recencia |
 | **Lessons** | Lecciones estructuradas de fallos pasados (error, causa raíz, corrección, prevención) |
 | **Manage** | Archiva y restaura entidades |
@@ -199,6 +260,8 @@ No necesitas recordar todo manualmente. MeMesh tiene **7 hooks** que capturan e
 
 **⚠️ Detección de Conflictos** — Si tienes dos memorias que se contradicen, MeMesh te advierte.
 
+**🕸️ Conectividad del grafo de conocimiento** — `memesh kg backfill-relations --all-rules` vincula entidades huérfanas mediante co-ocurrencia de etiquetas, agrupación de proyectos, contexto de sesión y similitud de nombres — sin LLM. Reduce la tasa de huérfanos del 89% a menos del 12% en una base de conocimiento representativa.
+
 **📦 Compartir en Equipo** — `memesh export > team-knowledge.json` → comparte con tu equipo → `memesh import team-knowledge.json`
 Los bundles importados permanecen buscables, pero MeMesh no inyecta automáticamente memorias importadas en hooks de Claude hasta que las revises o las guardes localmente de nuevo.
 
@@ -219,7 +282,7 @@ Los bundles importados permanecen buscables, pero MeMesh no inyecta automáticam
 
 ## Desbloquea Modo Inteligente (Opcional)
 
-MeMesh funciona sin conexión por defecto. Añade una clave API de LLM solo si quieres expansión de consultas, extracción más inteligente y compresión:
+MeMesh funciona sin conexión por defecto — el recall permanece estrictamente sin LLM (95.40% R@5 en LongMemEval-S de fábrica). Añade una clave API de LLM solo si quieres flujos de análisis aumentados por LLM encima: extracción de sesión más inteligente, auto-etiquetado de nuevas memorias, generación de lecciones a partir de fallos, y compresión `consolidate` / `dream`:
 
 ```bash
 memesh config set llm.provider anthropic
@@ -234,10 +297,12 @@ memesh  # abre dashboard → pestaña Settings
 
 | | Nivel 0 (por defecto) | Nivel 1 (Modo Inteligente) |
 |---|---|---|
-| **Búsqueda** | Coincidencia de palabras clave FTS5 | + expansión de consultas LLM (~97% de recall) |
+| **Búsqueda** | FTS5 + sqlite-vec, 95.40% R@5 (~18ms/consulta) | sin cambios — el recall es sin LLM en cada nivel |
 | **Auto-capture** | Patrones basados en reglas | + LLM extrae decisiones y lecciones |
-| **Compresión** | No disponible | `consolidate` comprime memorias verbosas |
-| **Costo** | Gratis, sin clave API | ~$0.0001 por búsqueda (Haiku) |
+| **Auto-etiquetado** | Solo etiquetas manuales | + LLM genera etiquetas para nuevas memorias |
+| **Análisis de fallos** | No disponible | + LLM convierte errores de sesión en lecciones estructuradas |
+| **Compresión** | No disponible | `consolidate` + `dream` comprimen memorias verbosas |
+| **Costo** | Gratis, sin clave API | ~$0.0001 por llamada de análisis (Haiku) |
 
 ---
 
@@ -246,7 +311,7 @@ memesh  # abre dashboard → pestaña Settings
 | Herramienta | Qué hace |
 |---|---|
 | `remember` | Guardar conocimiento con observaciones, relaciones y etiquetas |
-| `recall` | Búsqueda inteligente con scoring multifactor y expansión de consultas LLM |
+| `recall` | Búsqueda FTS5 + sqlite-vec con scoring multifactor (relevancia, recencia, frecuencia, confianza, validez temporal) — sin LLM en la ruta caliente |
 | `forget` | Archivo suave (nunca borra) o elimina observaciones específicas |
 | `consolidate` | Compresión impulsada por LLM de memorias verbosas |
 | `export` | Compartir memorias como JSON entre proyectos o miembros del equipo |

package/README.fr.md

@@ -1,6 +1,3 @@
-<!-- translated from README.md @ ab9d25f8d9cb7c78c4cc271717709e2efb4bac76 -->
-<!-- DO NOT edit this file by hand. The maintainer regenerates it from README.md via a private toolkit script (see internal docs). Manual edits will be overwritten on next sync. -->
-
 🌐 [English](README.md) | [繁體中文](README.zh-TW.md) | [简体中文](README.zh-CN.md) | [日本語](README.ja.md) | [한국어](README.ko.md) | [Português](README.pt.md) | [Français](README.fr.md) | [Deutsch](README.de.md) | [Tiếng Việt](README.vi.md) | [Español](README.es.md) | [ภาษาไทย](README.th.md)
 
 <p align="center">
@@ -29,6 +26,22 @@ Ce package constitue la couche de mémoire locale de la famille de produits MeMe
 
 ---
 
+## Preuve — 95,40 % R@5 sur LongMemEval-S
+
+Le moteur de récupération de MeMesh utilise **FTS5 seul** (pas de LLM, pas d'embeddings sur le chemin chaud), mesuré sur le benchmark public [LongMemEval-S](https://huggingface.co/datasets/xiaowu0162/longmemeval) (500 questions, licence MIT) :
+
+| Système | R@5 | Source |
+|---|---|---|
+| **MeMesh (Mode A, FTS5)** | **95,40 %** | [benchmarks/longmemeval/RESULTS.md](benchmarks/longmemeval/RESULTS.md) |
+| MemPalace | 96,6 % | Auto-déclaration de l'éditeur |
+| Supermemory | ~82 % | Estimation de l'éditeur |
+| Zep | 63,8 % | Article LongMemEval |
+| Mem0 | 49,0 % | Article LongMemEval |
+
+Les commandes de reproduction, le SHA256 du jeu de données, les résultats bruts par question et l'analyse des échecs connus se trouvent tous dans [`benchmarks/longmemeval/`](benchmarks/longmemeval/). Réexécutable en environ 10 secondes.
+
+---
+
 ## Démarrer en 60 Secondes
 
 ### Étape 1 : Installer
@@ -173,15 +186,36 @@ Vous n'avez pas besoin de tout mémoriser manuellement. MeMesh possède **7 hook
 
 ---
 
+## Configuration
+
+Toute la configuration passe par des variables d'environnement. Les valeurs par défaut sont strictement locales et sans accès réseau — vous n'avez rien à définir pour obtenir un système fonctionnel.
+
+| Variable | Défaut | Effet |
+|---|---|---|
+| `MEMESH_DB_PATH` | `~/.memesh/knowledge-graph.db` | Remplace l'emplacement de la base SQLite. |
+| `MEMESH_AUTO_CAPTURE` | `true` | Désactive entièrement les hooks d'auto-capture (`Stop`, `PreCompact`). |
+| `MEMESH_AUTO_DETECT_LLM` | non défini | Mettre à `1` pour laisser memesh détecter automatiquement un fournisseur depuis l'environnement shell (`OPENAI_API_KEY`, etc.) et basculer sur des embeddings BYOK. **L'installation neuve par défaut utilise uniquement ONNX local (384 dimensions)** — activez cette option si vous voulez des embeddings cloud. Sans ce flag, une `OPENAI_API_KEY` présente dans le shell est ignorée. |
+| `MEMESH_ENABLE_AGENTIC_ORCHESTRATION` | non défini | Mettre à `1` pour activer un protocole de modèle de travail expérimental (cadre CTO / Orchestrateur / Agents). Ajoute une bannière en début de session, un nudge sur les commandes Bash et la télémétrie `verify_agent_work`. L'efficacité du protocole est instrumentée mais pas encore prouvée — activez-la si vous souhaitez participer. **Désactivé par défaut** : les fonctionnalités de mémoire principales fonctionnent sans ce flag. |
+| `MEMESH_AUTO_UPDATE` | `off` | Politique de mise à jour automatique. `off` (défaut) ne met jamais à jour automatiquement ; `patch` autorise `X.Y.Z → X.Y.Z+N` ; `minor` ajoute `X.Y.Z → X.Y+1.0` ; `major` autorise tout incrément. Quand c'est permis, un `npm install -g` détaché s'exécute en fin de session (hook Stop) pour ne jamais bloquer votre travail — les résultats arrivent dans `~/.memesh/auto-update.log`. Configurable aussi via `autoUpdate` dans `~/.memesh/config.json` (la variable d'environnement l'emporte). Quand la version installée est dépréciée par les mainteneurs (alerte de sécurité), `patch` est forcé même en `off` — les incréments minor / major restent manuels pour éviter une dérive de comportement silencieuse. |
+| `OPENAI_API_KEY` | non défini | Votre clé OpenAI. Utilisée uniquement quand `MEMESH_AUTO_DETECT_LLM=1` ou que vous configurez explicitement le fournisseur. |
+| `OLLAMA_HOST` | `http://localhost:11434` | Remplace l'endpoint Ollama lors de l'utilisation d'un fournisseur Ollama local. |
+
+`memesh doctor` affiche la configuration résolue pour que vous puissiez voir ce qui est actif.
+
+Lorsque npm signale une version installée comme dépréciée (typiquement une alerte de sécurité), le prochain démarrage de session ajoute en tête une bannière forte `⚠️ MeMesh <ver> is DEPRECATED` et `memesh update-status` affiche la même ligne jusqu'à la mise à jour. La vérification est mise en cache dans `~/.memesh/update-check.<version>.json` pour qu'une panne réseau transitoire ne puisse pas atténuer l'avertissement.
+
+---
+
 ## Tableau De Bord
 
-7 onglets, 11 langues, zéro dépendance externe. Accessible à `http://localhost:3737/dashboard` quand le serveur s'exécute.
+8 onglets, 11 langues, zéro dépendance externe. Accessible à `http://localhost:3737/dashboard` quand le serveur s'exécute.
 
 | Onglet | Ce que vous voyez |
 |---|---|
+| **Insights** | Insights mémoire — résumés hebdomadaires et propositions de patterns du moteur dreamer ; accepter/rejeter en un clic |
 | **Recherche** | Recherche par texte intégral + similarité vectorielle sur toutes les mémoires |
 | **Parcourir** | Liste paginée de toutes les entités avec archivage/restauration |
-| **Analytics** | Score de santé de la mémoire (0–100), frise chronologique 30 jours, métriques de valeur, couverture des connaissances, suggestions de nettoyage, vos motifs de travail |
+| **Analytics** | Score de santé de la mémoire, frise chronologique 30 jours, vélocité PM + métriques de connectivité KG, motifs de travail, suggestions de nettoyage |
 | **Graphe** | Graphe de connaissances force-directed interactif avec filtres de type, recherche, mode ego, carte thermique de récence |
 | **Leçons** | Leçons structurées tirées des défaillances passées (erreur, cause racine, correctif, prévention) |
 | **Gérer** | Archivez et restaurez les entités |
@@ -191,7 +225,7 @@ Vous n'avez pas besoin de tout mémoriser manuellement. MeMesh possède **7 hook
 
 ## Fonctionnalités Intelligentes
 
-**🧠 Recherche Intelligente** — Cherchez « sécurité login » et trouvez des mémoires sur « OAuth PKCE ». MeMesh enrichit les requêtes avec des termes connexes en utilisant votre LLM configuré.
+**🧠 Recherche Intelligente** — Cherchez « sécurité login » et trouvez des mémoires sur « OAuth PKCE ». MeMesh combine FTS5 et la similarité vectorielle sqlite-vec pour trouver des mémoires sémantiquement liées sans LLM sur le chemin chaud.
 
 **📊 Classement Avec Score** — Les résultats sont classés par pertinence (30 %) + récence (25 %) + fréquence (15 %) + confiance (15 %) + impact de rappel (10 %) + validité temporelle (5 %).
 
@@ -199,6 +233,8 @@ Vous n'avez pas besoin de tout mémoriser manuellement. MeMesh possède **7 hook
 
 **⚠️ Détection De Conflits** — Si vous avez deux mémoires qui se contredisent, MeMesh vous avertit.
 
+**🕸️ Connectivité du graphe de connaissances** — `memesh kg backfill-relations --all-rules` relie les entités orphelines par cooccurrence de tags, clustering de projets, contexte de session et similarité de noms — sans LLM. Réduit le taux d'orphelins de 89% à moins de 12% sur une base de connaissances représentative.
+
 **📦 Partage D'Équipe** — `memesh export > team-knowledge.json` → partagez avec votre équipe → `memesh import team-knowledge.json`
 Les bundles importés restent consultables, mais MeMesh n'injecte pas automatiquement les mémoires importées dans les hooks Claude jusqu'à ce que vous les examiniez ou les rémémorisiez localement.
 
@@ -219,7 +255,7 @@ Les bundles importés restent consultables, mais MeMesh n'injecte pas automatiqu
 
 ## Déverrouiller Le Mode Smart (Optionnel)
 
-MeMesh fonctionne hors ligne par défaut. Ajoutez une clé API LLM uniquement si vous souhaitez l'expansion de requête, l'extraction plus intelligente et la compression :
+MeMesh fonctionne hors ligne par défaut — le rappel reste strictement sans LLM (95,40 % R@5 sur LongMemEval-S dès l'installation). Ajoutez une clé API LLM uniquement si vous voulez des flux d'analyse augmentés par LLM par-dessus : extraction de session plus intelligente, auto-tagging des nouvelles mémoires, génération de leçons depuis les défaillances et compression `consolidate` / `dream` :
 
 ```bash
 memesh config set llm.provider anthropic
@@ -234,10 +270,12 @@ memesh  # ouvre le tableau de bord → onglet Settings
 
 | | Niveau 0 (défaut) | Niveau 1 (Mode Smart) |
 |---|---|---|
-| **Recherche** | Correspondance de mots-clés FTS5 | + expansion de requête LLM (~97 % de rappel) |
+| **Recherche** | FTS5 + sqlite-vec, 95,40 % R@5 (~18 ms/requête) | inchangé — le rappel est sans LLM à tous les niveaux |
 | **Auto-capture** | Motifs basés sur les règles | + LLM extrait les décisions & leçons |
-| **Compression** | Non disponible | `consolidate` compresse les mémoires verbeux |
-| **Coût** | Gratuit, aucune clé API | ~$0.0001 par recherche (Haiku) |
+| **Auto-tagging** | Tags manuels uniquement | + LLM génère des tags pour les nouvelles mémoires |
+| **Analyse de défaillance** | Indisponible | + LLM convertit les erreurs de session en leçons structurées |
+| **Compression** | Indisponible | `consolidate` + `dream` compressent les mémoires verbeux |
+| **Coût** | Gratuit, aucune clé API | ~$0,0001 par appel d'analyse (Haiku) |
 
 ---
 
@@ -246,7 +284,7 @@ memesh  # ouvre le tableau de bord → onglet Settings
 | Outil | Ce qu'il fait |
 |---|---|
 | `remember` | Stocker les connaissances avec observations, relations et tags |
-| `recall` | Recherche intelligente avec notation multi-facteurs et expansion de requête LLM |
+| `recall` | Recherche FTS5 + sqlite-vec avec notation multi-facteurs (pertinence, récence, fréquence, confiance, validité temporelle) — pas de LLM sur le chemin chaud |
 | `forget` | Soft-archivage (jamais supprimer) ou suppression d'observations spécifiques |
 | `consolidate` | Compression des mémoires verbeux alimentée par LLM |
 | `export` | Partager les mémoires au format JSON entre projets ou membres d'équipe |