Signet: Ein Open-Source-Lokales-First-Speichersubstrat für KI-Agenten

Was Signet löst

Die meisten aktuellen KI-Agenten-Speichersysteme funktionieren wie RAG (Retrieval-Augmented Generation): Benutzernachricht → Speicher durchsuchen → Ergebnisse abrufen → Antwort. Das funktioniert bei expliziten Abfragen, scheitert aber, wenn relevanter Kontext implizit ist.

Beispiele aus der Quelle:

• „Richte die Datenbank für den neuen Dienst ein“ sollte aufzeigen, dass PostgreSQL bereits gewählt wurde
• „Mein Transkript wurde abgelehnt, kein Eintrag unter meinem Namen“ sollte aufzeigen, dass der Nutzer seinen Namen geändert hat
• „Für welche Uhrzeit soll ich meinen Wecker für mein 8:30 Meeting stellen?“ sollte die Pendelzeit aufzeigen

Das Problem ist nicht die Speicherung – es ist, dass diese Systeme warten, bis die aktuelle Nachricht genug Abfragesignal enthält, um den richtigen vergangenen Kontext abzurufen.

Wie Signet funktioniert

Signet verwaltet Speicher außerhalb der Agentenschleife mit dieser Architektur:

• Bewahrt Roh-Transkripte
• Destilliert Sitzungen in strukturierten Speicher
• Verknüpft Entitäten, Einschränkungen und Beziehungen in einem Graphen
• Nutzt Graphentraversierung + Hybrid-Retrieval, um einen Kandidatensatz zu erstellen
• Sortiert Kandidaten für Prompt-Relevanz neu
• Injiziert Kontext, bevor der nächste Prompt beginnt

Der Agent entscheidet nicht, was gespeichert oder wann gesucht werden soll – er startet mit bereits verfügbarem Kontext. Dies bewegt sich von abfrageabhängigem Retrieval hin zu ambientem Abruf.

Technische Details

Signet ist:

• Local-first (SQLite + Markdown)
• Überprüfbar und reparierbar
• Funktioniert über Claude Code, Codex, OpenCode und OpenClaw

Auf LoCoMo erreicht es derzeit 87,5% Antwortgenauigkeit mit 100% Hit@10 Retrieval bei einer 8-Fragen-Stichprobe. Der Entwickler merkt an, dass dies eine kleine Stichprobe ist, aber zeigt, dass der Ansatz vielversprechend ist.