MeMesh LLM Memory

Lokaler Speicher für Claude Code und MCP-Coding-Agenten.
Eine SQLite-Datei. Kein Docker. Keine Cloud erforderlich.

Important

Aktiv entwickeltes Projekt — Funktionen entwickeln sich kontinuierlich weiter und können sich zwischen Releases ändern. Bei Bugs oder Feature-Wünschen bitte ein Issue eröffnen.

Das Problem

Ihr Coding-Agent vergisst, was zwischen Sessions passiert ist. Jede Architekturentscheidung, jede Bugfix, jeder fehlgeschlagene Test und jede hart erarbeitete Erkenntnis muss erneut erklärt werden. Claude Code startet von vorne, entdeckt alte Constraints neu und verschwendet Context auf Dinge, die es längst wissen sollte.

MeMesh gibt Coding-Agenten persistenten, durchsuchbaren und evolvirenden lokalen Speicher.

Dieses Paket ist die lokale Speicherschicht der MeMesh-Produktfamilie. Es ist bewusst klein und Open-Source gestaltet: Installation via npm, Speicherung im Wissensgraphen unter ~/.memesh/knowledge-graph.db, Anbindung an Claude Code oder jeden MCP-kompatiblen Client. Gehostete Workspace- und Enterprise-Betriebssystem-Produkte bleiben separat von diesem README und der Roadmap.

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 Benchmark (500 Fragen, MIT-lizenziert):

System	R@5	Quelle
MeMesh (Mode A, FTS5)	95.40%	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/. In ~10 Sekunden reproduzierbar.

Installationspfade auf einen Blick

MeMesh hat zwei Installationspfade, die nebeneinander existieren. Die meisten Nutzer brauchen beide. Beide schreiben in die selbe Speicher-Datenbank (~/.memesh/knowledge-graph.db), so dass im Claude-Code-Chat erfasste Memories auch in deiner Shell erscheinen und umgekehrt.

flowchart TB
    classDef client fill:#1f2937,stroke:#4b5563,color:#f9fafb,stroke-width:1px
    classDef pathA  fill:#1e3a8a,stroke:#3b82f6,color:#eff6ff,stroke-width:2px
    classDef pathB  fill:#14532d,stroke:#22c55e,color:#f0fdf4,stroke-width:2px
    classDef db     fill:#7c2d12,stroke:#f97316,color:#fff7ed,stroke-width:2px

    subgraph clients["Where you use memesh from"]
      direction LR
      CC["Claude Code<br/>(chat + agent)"]:::client
      TERM["Terminal / other<br/>MCP clients<br/>(Cursor, Cline...)"]:::client
    end

    subgraph paths["Two install paths"]
      direction LR
      A["<b>Path A — /plugin install</b><br/>───────────────<br/>Lives in <code>~/.claude/plugins/</code><br/><br/>• MCP tools in chat<br/>• Auto-capture hooks<br/>• <code>/memesh</code> skill<br/>• Session-start banner"]:::pathA
      B["<b>Path B — npm install -g</b><br/>───────────────<br/>Lives in <code>$(npm prefix -g)/bin/</code><br/><br/>• <code>memesh</code> shell command<br/>• <code>memesh-mcp</code>, <code>-http</code>, <code>-view</code> bins<br/>• For Cursor / Cline / other MCP"]:::pathB
    end

    DB[("Shared memory DB<br/><code>~/.memesh/knowledge-graph.db</code><br/>Same data, both paths see it")]:::db

    CC -->|uses| A
    TERM -->|uses| B
    A --> DB
    B --> DB

Welchen brauchst du?

Was du willst	Installationspfad
`/memesh` skill im Claude-Code-Chat verwenden	Path A (Plugin)
Auto-Capture in Claude Code (Session → Lessons → nächste Recall)	Path A (Plugin)
`memesh remember` / `memesh recall` / `memesh doctor` im Terminal	Path B (npm-global)
`memesh` direkt zum Öffnen des Dashboards (ohne `npx`-Startverzögerung)	Path B (npm-global)
`memesh-mcp` an Cursor, Cline oder andere MCP-Clients anbinden	Path B (npm-global)
Alles oben	Beide installieren — kein Konflikt

Häufiges Missverständnis: Das Claude-Code-Plugin legt memesh nicht auf deinen Shell-PATH. Wenn du nur /plugin install läufst und dann im Terminal memesh reindex tippst, siehst du command not found. Das ist normal — für den Shell-Befehl brauchst du zusätzlich npm install -g @pcircle/memesh.

⚠️ Das Plugin installiert NICHT das CLI

Das ist die häufigste Verwechslung. Einmal lesen, spart dir später Zeit:

/plugin install memesh@pcircle-memesh aus Claude Code → installiert nur Path A. Du erhältst MCP-Tools, Hooks, das /memesh skill. memesh landet nicht auf deinem Shell-PATH.
memesh reindex / memesh update / memesh doctor im Terminal → braucht Path B (npm-global). Sonst: zsh: command not found: memesh.
Empfohlenes Setup für Claude-Code-Nutzer: beide installieren. Koexistieren, teilen sich dieselbe DB, kein Konflikt.

# Nach /plugin install ..., auch das ausführen:
npm install -g @pcircle/memesh

Wenn du memesh nur im Claude-Code-Chat verwendest (nie memesh im Terminal tippst), reicht Path A. Alle anderen: beide installieren.

In 60 Sekunden starten

Schritt 1: Installation

npm install -g @pcircle/memesh

Schritt 1.5: MeMesh in Claude Code einbinden (empfohlen, einmalig)

npm install -g legt die CLI in den PATH und registriert den MCP-Server, aber MeMeshs Claude-Code-Session-Hooks werden nicht automatisch verdrahtet. Ohne diese Hooks können Sie memesh remember / recall manuell verwenden, aber die Auto-Capture-Schleife (Session → Lektionen → proaktive Erinnerung in der nächsten Session) bleibt stumm.

memesh install-hooks         # fügt memesh-Hooks zu ~/.claude/settings.json hinzu
memesh doctor                # bestätigt, dass „Hooks wired into Claude Code" PASST

Die Hooks existieren neben Ihren bestehenden Custom-Hooks unter ~/.claude/hooks/ — install-hooks schreibt additiv und überschreibt nie Ihre Einträge. Zum Entfernen: memesh uninstall-hooks.

Schritt 2: Entscheidung speichern

memesh remember --name "auth-decision" --type "decision" --obs "Use OAuth 2.0 with PKCE"

Schritt 3: Später abrufen

memesh recall "login security"
# → Findet "OAuth 2.0 with PKCE" auch mit anderen Suchbegriffen

Das ist alles. MeMesh merkt sich jetzt Informationen über Sessions hinweg.

Um Installation und lokale Integration End-to-End zu überprüfen:

memesh doctor

Dashboard öffnen, um den Speicher zu erkunden:

memesh

Für wen ist das gedacht?

Wenn Sie...	hilft Ihnen MeMesh...
Claude Code verwenden	Projektentscheidungen, dateispezifische Erkenntnisse und vergangene Fehler während der Arbeit automatisch abrufen
Power-User von Coding-Agenten	Eine lokale Speicherschicht über MCP-kompatible Tools verteilen
ein Team mit KI-Coding-Workflows experimentiert	Projektwissen ohne gehostete Infrastruktur aus- und importieren
Agent-Entwickler	Lokalen Speicher via MCP, HTTP, CLI oder Python-SDK hinzufügen

Speziell für Coding-Agenten entwickelt

Claude Code / Desktop

memesh-mcp

MCP-Tools + Claude Code Hooks

Beliebige HTTP-Clients

curl localhost:3737/v1/recall \
  -H "Content-Type: application/json" \
  -d '{"query":"auth"}'

memesh serve (REST API)

Jedes LLM (OpenAI-Format)

memesh export-schema \
  --format openai

Tools in beliebige API-Aufrufe einfügen

Warum nicht OpenMemory, Cursor Memories, Mem0 oder Zep?

	MeMesh	OpenMemory	Cursor Memories	Mem0	Zep / Graphiti
Beste Eignung	Lokaler Speicher für Coding-Agenten	Lokaler/MCP-basierter Cross-Client-Speicher	Cursor-natives Projektgedächtnis	Verwalteter App-/Agent-Speicher	Temporale Wissensgraphen
Installationsform	`npm install -g @pcircle/memesh`	Lokale App/Server-Flow	In Cursor eingebaut	Cloud API / SDK / MCP	Service/Framework-Setup
Speicherung	Eine lokale SQLite-Datei	Lokaler Memory-Stack	Cursor-verwaltete Regeln/Memories	Gehostet oder selbstgehostet	Graphdatenbank
Cloud erforderlich	Nein	Nein im lokalen Modus	Abhängig von Cursor-Konto/-Einstellungen	Ja für Plattform	Meist ja/selbstgehostet
Claude Code Hooks	Erste Klasse	MCP-Tools	Nein	MCP-Tools	Nicht Claude Code-spezifisch
Dashboard	Eingebaut	Eingebaut	Cursor-Einstellungen	Plattform-Dashboard	Plattform/Graph-Tools
Tradeoff	Einfache lokale Lösung, nicht Enterprise-skaliert	Größerer lokaler App-Footprint	An Cursor gebunden	Starke verwaltete Plattform, weniger lokal	Starkes Graph-Modell, aufwendigere Einrichtung

MeMesh tauscht Enterprise-skalierte verwaltete Infrastruktur gegen sofortige lokale Einrichtung, inspektierbaren Speicher und Coding-Agent-Workflow-Hooks.

Was läuft in Claude Code automatisch ab

Sie müssen nicht manuell alles speichern. MeMesh verfügt über 6 Hooks, die Wissen während der Arbeit erfassen und injizieren:

Wenn	Was MeMesh tut
Am Anfang jeder Session	Lädt Ihre relevantesten Memories + proaktive Warnungen aus früheren Lektionen + Agentur-Orchestrierungs-Banner
Vor Dateibearbeitungen	Ruft Memories ab, die an die Datei oder das Projekt gebunden sind, bevor Claude Code schreibt
Vor Bash-Befehlen	Ermutigt Claude, hochverifizierbare Befehle (Test, Build, Lint, Migration, Deployment, Benchmark) als Hintergrund-Agenten zu versenden
Nach jedem `git commit`	Erfasst Ihre Änderungen mit Diff-Statistiken
Wenn Claude stoppt	Erfasst bearbeitete Dateien und behobene Fehler; generiert automatisch strukturierte Lektionen aus Fehlern
Vor Context-Verdichtung	Speichert Wissen, bevor es durch Context-Limits verloren geht

Jederzeit abschalten: export MEMESH_AUTO_CAPTURE=false

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

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, 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
Settings	LLM-Provider-Konfiguration, sofortiger Sprachwahlschalter

Intelligente Features

🧠 Intelligente Suche — Suche nach „Login Security" und finde Memories über „OAuth PKCE". MeMesh erweitert Anfragen mit verwandten Begriffen unter Verwendung Ihres konfigurierten LLM.

📊 Bewertetes Ranking — Ergebnisse geordnet nach Relevanz (30%) + Aktualität (25%) + Häufigkeit (15%) + Konfidenz (15%) + Abruf-Auswirkung (10%) + Zeitliche Gültigkeit (5%).

🔄 Wissensentwicklung — Entscheidungen ändern sich. forget archiviert alte Memories (löscht nie). supersedes-Relationen verbinden alt → neu. Ihr KI sieht immer die aktuelle Version.

⚠️ 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.

Beispiele aus der Praxis

"MeMesh hat sich daran erinnert, dass wir vor drei Wochen PKCE gegenüber Implicit Flow gewählt haben. Als ich Claude erneut nach Auth fragte, wusste es bereits Bescheid — keine Wiederholungen nötig." — Einzelentwickler, baut eine SaaS

"Wir exportieren unseren Team-Memory jeden Freitag und importieren ihn Montag. Jedes Claude des Teams startet die Woche mit dem Wissen aus der Vorwoche." — 3er-Startup mit gemeinsamer Wissensbasis

"Das Dashboard zeigte mir, dass 90 % meiner Memories automatisch generierte Session-Logs waren. Ich begann, remember bewusst für Architekturentscheidungen zu nutzen. Ein Spielwechsel." — Entwickler, der den Analytics-Reiter entdeckte

Smart Mode freischalten (optional)

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:

memesh config set llm.provider anthropic
memesh config set llm.api-key sk-ant-...

Oder nutzen Sie den Dashboard-Settings-Reiter (visuelles Setup):

memesh  # öffnet Dashboard → Settings-Reiter

	Stufe 0 (Standard)	Stufe 1 (Smart Mode)
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
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)

Alle 9 Memory-Tools

Tool	Was es tut
`remember`	Wissen mit Beobachtungen, Relationen und Tags speichern
`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
`import`	Memories mit Merge-Strategien importieren (Skip / Overwrite / Append)
`learn`	Strukturierte Lektionen aus Fehlern erfassen (Fehler, Grundursache, Behebung, Prävention)
`user_patterns`	Arbeitsmuster analysieren — Zeitplan, Tools, Stärken, Lernbereiche
`verify_agent_work`	Verifizierungsbericht für Hintergrund-Agent-Arbeit speichern; Reality-Check gegen behauptete Dateiänderungen via `git diff`

Architektur

                    ┌─────────────────┐
                    │   Core Engine   │
                    │  (8 operations) │
                    └────────┬────────┘
           ┌─────────────────┼─────────────────┐
           │                 │                 │
     CLI (memesh)    HTTP API (serve)    MCP (memesh-mcp)
           │                 │                 │
           └─────────────────┼─────────────────┘
                             │
                    SQLite + FTS5 + sqlite-vec
                    (~/.memesh/knowledge-graph.db)

Der Kern ist Framework-agnostisch. Dieselbe Logik läuft vom Terminal, HTTP oder MCP.

Aktualisieren

Der Plugin-Marketplace von Claude Code fixiert Versionen zum Installationszeitpunkt und aktualisiert nicht automatisch. So holst du dir ein neues Release:

Option A — /plugin UI: memesh@pcircle-memesh deinstallieren, dann neu installieren. Claude Code holt die neueste Marketplace-Version.

Option B — Einzeiler-Skript (kein UI-Klicken, idempotent):

# Wenn deine Plugin-Installation v4.2.5 oder neuer ist, ist das Skript enthalten:
bash ~/.claude/plugins/cache/pcircle-memesh/memesh/<current-version>/scripts/upgrade-plugin.sh

# Bei Installationen vor v4.2.5 (also v4.2.4 oder v4.2.3)
# ist das Skript noch nicht im Plugin. Nutze stattdessen die npm-global-Kopie:
bash "$(npm prefix -g)/lib/node_modules/@pcircle/memesh/scripts/upgrade-plugin.sh"

# (Das setzt voraus, dass du auch `npm install -g @pcircle/memesh` ausgeführt hast.
# Falls nicht, ist jetzt ein guter Moment dafür — siehe oben „Installationspfade auf
# einen Blick" für die Gründe, warum die meisten Nutzer beide Pfade wollen.)

Das Skript fast-forwarded den Marketplace-Cache, legt die neue Version unter ~/.claude/plugins/cache/ ab, installiert Runtime-Dependencies und zeigt installed_plugins.json neu. Starte danach Claude Code neu, damit der MCP-Server sich neu verbindet.

npm-global-Installationen (npm install -g @pcircle/memesh) können sich via memesh update selbst aktualisieren. Source-Checkouts: git pull && npm install && npm run build.

Beim Session-Start erscheint ein einzeiliges Banner (pro Version alle 24h gedrosselt), wenn ein neueres Release verfügbar ist, und memesh doctor meldet das Upgrade-Ziel mit kanalspezifischem Befehl.

Beitragen

git clone https://github.com/PCIRCLE-AI/memesh-llm-memory
cd memesh-llm-memory && npm install && npm run build
npm test             # 630 tests
npm run test:e2e-dashboard

Dashboard: cd dashboard && npm install && npm run dev

MIT — Erstellt von PCIRCLE AI

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Uh oh!

MeMesh LLM Memory

Das Problem

Proof — 95.40% R@5 on LongMemEval-S

Installationspfade auf einen Blick

⚠️ Das Plugin installiert NICHT das CLI

In 60 Sekunden starten

Schritt 1: Installation

Schritt 1.5: MeMesh in Claude Code einbinden (empfohlen, einmalig)

Schritt 2: Entscheidung speichern

Schritt 3: Später abrufen

Für wen ist das gedacht?

Speziell für Coding-Agenten entwickelt

Warum nicht OpenMemory, Cursor Memories, Mem0 oder Zep?

Was läuft in Claude Code automatisch ab

Configuration

Dashboard

Intelligente Features

Beispiele aus der Praxis

Smart Mode freischalten (optional)

Alle 9 Memory-Tools

Architektur

Aktualisieren

Beitragen

Uh oh!

FilesExpand file tree

README.de.md

Latest commit

History

README.de.md

File metadata and controls

MeMesh LLM Memory

Das Problem

Proof — 95.40% R@5 on LongMemEval-S

Installationspfade auf einen Blick

⚠️ Das Plugin installiert NICHT das CLI

In 60 Sekunden starten

Schritt 1: Installation

Schritt 1.5: MeMesh in Claude Code einbinden (empfohlen, einmalig)

Schritt 2: Entscheidung speichern

Schritt 3: Später abrufen

Für wen ist das gedacht?

Speziell für Coding-Agenten entwickelt

Warum nicht OpenMemory, Cursor Memories, Mem0 oder Zep?

Was läuft in Claude Code automatisch ab

Configuration

Dashboard

Intelligente Features

Beispiele aus der Praxis

Smart Mode freischalten (optional)

Alle 9 Memory-Tools

Architektur

Aktualisieren

Beitragen