KI-Systeme – Gedächtnis: Persistente Kenntnisse und Agenten-Gedächtnis
Persistente Informationen über einzelne Chat-Threads hinaus.
Dieser Abschnitt bündelt Anleitungen zu persistentem Wissen und Speicher für KI-Systeme – wie Assistenten Fakten, Präferenzen und verdichteten Kontext über Sitzungen hinweg beibehalten, ohne jeden Token in einen einzigen Prompt zu stopfen. Hier bedeutet Speicher bewusste Speicherung (Benutzerfakten, Zusammenfassungen, durch Plugins unterstützte Stores), nicht GPU-Speicher oder Modellgewichte.
Er ergänzt den breiteren KI-Systeme-Cluster – OpenClaw, Hermes, Orchestrierung – und steht neben RAG für Abholungsmechaniken und LLM-Hosting für das Ausführen von Modellen.
Speicher befindet sich innerhalb des breiteren Assistenten-Stacks, der in KI-Assistenten-Architektur beschrieben wird, zusammen mit Routing, Tooling und Observability.
Speicherdesign für Assistenten
Querformat-Leitfaden zu Kurzzeit-, strukturiertem und Abhol-Speicher – Konsolidierungspolitik, Vektor-Trade-offs und Muster aus OpenAI, LangGraph, Hermes und OpenClaw.
- Speichersysteme in KI-Assistenten, die wirklich helfen – Arbeitspeicher, strukturierte Zustände, Abholschichten und wann Speicher hilft oder schadet
Agent-Speicheranbieter
Drop-in-Backends, die von Frameworks wie Hermes Agent und OpenClaw bereitgestellt werden – Honcho, OpenViking, Mem0, Hindsight, Mnemosyne und andere – mit unterschiedlichen Trade-offs für LLMs, Embeddings und Datenbanken.
- Vergleich von Agent-Speicheranbietern – vollständige Tabelle, Vergleich der Erfassungspolitik, Anmerkungen zu Abhängigkeiten und Hermes-
memory setup-Flows - Hindsight-Speicher für OpenCode, Cursor und andere Coding-Agenten – ein Plugin für OpenCode, die Cursor-CLI und andere Frameworks, mit einer geteilten Bank pro Repository
Für den Hermes-spezifischen begrenzten Kernaufbewahrungsspeicher (MEMORY.md / USER.md) siehe Hermes-Agent-Speichersystem. Für die Installation von Mnemosyne und eine konservative Schreibrichtlinien-Anleitung siehe Mnemosyne für Hermes Agent: Lokaler Speicher Schnellstart. Für Hindsight in Hermes mit lokalen Embeddings, Reranking, Schreibpfadsteuerung und Bank-Backup siehe Hindsight für Hermes Agent: Selbstgehosteter Speicher mit lokalen LLMs.
Speicher-Governance und Fehlermodi
Automatische Erfassung, Reflexion und Konsolidierung können die eigene Inferenz eines Modells in eine dauerhafte „Tatsache“ verwandeln, die in späteren Sitzungen als Beweis behandelt wird.
- Selbstverstärkende Speicher-Schleifen in KI-Agenten – die sieben Formen, die dieses Feedback annimmt, warum Herkunft wichtiger ist als Embeddings und wie man testet, ob ein Anbieter sich weigert zu merken
Wissensgraphen und Cognee
Institutionelles und Projektwissen, das für abholungsorientierte Assistenten in Graphen extrahiert wird.
- Cognee selbst hosten – LLM-Auswahl auf Ollama – praktischer Cognee-Schnellstart mit lokalen Modellen
- Das richtige LLM für Cognee wählen – Lokale Ollama-Einrichtung – Modellvergleich für Graphenqualität vs. Hardware
Graphenbauprogramme wie Cognee nehmen typischerweise Markdown-Safes, Wikis oder Exporte auf, die Menschen bereits bearbeitet haben – Relevanz, Benennung und „warum dies wichtig war“ sind weitgehend geklärt, bevor Chunks Embeddings erreichen. Ein schlampiger Upstream-Korpus trainiert Mehrdeutigkeit zurück in den Assistenten; disziplinierte Erfassungs-und-Ausdrucks-Workflows begrenzen diesen Schaden. Für diese menschlich-zentrierte Einordnung – einschließlich wie sie sich von abholungsorientiertem RAG unterscheidet – siehe Zweites Gehirn erklärt für Ingenieure.
