YourMemory: KI-Gedächtnis mit biologischem Verfall erreicht 59% Abruf bei LoCoMo-10

✍️ OpenClawRadar📅 Veröffentlicht: 27. April 2026🔗 Source
YourMemory: KI-Gedächtnis mit biologischem Verfall erreicht 59% Abruf bei LoCoMo-10
Ad

YourMemory implementiert ein persistentes Gedächtnis für KI-Agenten unter Verwendung der Ebbinghaus-Vergessenskurve – Erinnerungen verfallen, wenn sie nicht durch Abruf gestärkt werden, und ungenutzte Daten werden gelöscht, sobald sie einen Schwellenwert erreichen. Als lokaler MCP-Server auf DuckDB gebaut, kombiniert es BM25, Vektorsuche und eine Graphenebene, um das Problem des „logischen Nachbarn“ zu lösen, bei dem semantische Suche relevante, aber nicht ähnliche Knoten übersieht.

Benchmarks

Im LoCoMo-10-Benchmark (1.534 QA-Paare über 10 Multi-Session-Gespräche):

  • YourMemory: 59% Recall@5 (95% KI: 56–61%)
  • Zep Cloud: 28% (95% KI: 26–30%)

Das ist 2× besserer Recall als Zep Cloud. Zustandslose Vektorspeicher sollen 84% mehr Token-Verschwendung verursachen.

Schnellstart

Python 3.11–3.14. Kein Docker oder externe Dienste erforderlich.

pip install yourmemory
yourmemory-setup

Konfigurationspfad abrufen:

yourmemory-path

MCP-Konfiguration

Claude Code — füge zu ~/.claude/settings.json hinzu:

{
  "mcpServers": {
    "yourmemory": {
      "command": "yourmemory"
    }
  }
}

Claude Desktop — füge zur entsprechenden Konfigurationsdatei hinzu:

{
  "mcpServers": {
    "yourmemory": {
      "command": "yourmemory"
    }
  }
}

Cline, Cursor, OpenCode und jeder MCP-kompatible Client (Windsurf, Continue, Zed) können es mit dem vollständigen Pfad von yourmemory-path einbinden.

Ad

Gedächtnis-Workflow

Kopiere die Beispielanweisungen:

cp sample_CLAUDE.md CLAUDE.md

Bearbeite dann CLAUDE.md mit deinem Namen und deiner Benutzer-ID. Claude befolgt bei jeder Aufgabe einen Abruf → Speicher → Aktualisierungs-Workflow unter Verwendung von drei MCP-Tools:

  • recall_memory(query) — zeigt relevante Erinnerungen zu Beginn der Aufgabe an
  • store_memory(content, importance) — bettet ein und speichert mit biologischem Verfall
  • update_memory(id, new_content) — bettet neu ein und ersetzt veraltete Informationen

Beispiel: store_memory("Sachit bevorzugt Tabs statt Leerzeichen in Python", importance=0.9, category="fact")

Für wen es gedacht ist

Entwickler, die KI-Codierungsagenten bauen, die langlebige Projekte ausführen und sich Benutzerpräferenzen, Projektkontext merken und vermeiden müssen, jede Sitzung von Grund auf neu zu trainieren.

📖 Lies die vollständige Quelle: HN LLM Tools

Ad

👀 Siehe auch

Multi-Agenten-Debatte-Ansatz verbessert die Denkqualität von LLMs
Werkzeuge

Multi-Agenten-Debatte-Ansatz verbessert die Denkqualität von LLMs

Ein Entwickler experimentierte mit einem Multi-Agenten-Debattenansatz unter Verwendung von CyrcloAI, bei dem verschiedene KI-Agenten Rollen wie Analyst, Kritiker und Synthetisierer übernehmen, um die Antworten der anderen zu kritisieren, bevor eine endgültige Antwort erstellt wird, was zu strukturierteren und durchdachteren Ergebnissen führt.

OpenClawRadar
Claudebin: Exportieren und Teilen Ihrer Claude-Code-Sitzungen
Werkzeuge

Claudebin: Exportieren und Teilen Ihrer Claude-Code-Sitzungen

Claudebin ermöglicht es Ihnen, gesamte Claude-Code-Sitzungen zu exportieren, wodurch sie über eine einzige URL teilbar und fortsetzbar werden.

OpenClawRadar
Deterministische Compiler-Architektur für mehrstufige LLM-Workflows zeigt starke Benchmark-Ergebnisse
Werkzeuge

Deterministische Compiler-Architektur für mehrstufige LLM-Workflows zeigt starke Benchmark-Ergebnisse

Eine deterministische Kompilierungsarchitektur für strukturierte LLM-Workflows nutzt typisierte Knotenregister, Parameterverträge und statische Validierung, um Workflow-Graphen vorab zu kompilieren. Benchmarks zeigen, dass sie GPT-4.1 und Claude Sonnet 4.6 bei Workflow-Tiefen von 3-12+ Knoten übertrifft.

OpenClawRadar
Blender MCP Server mit über 100 Tools, erstellt mit Claude Code
Werkzeuge

Blender MCP Server mit über 100 Tools, erstellt mit Claude Code

Ein Entwickler hat einen MCP-Server für Blender erstellt, der über 100 Werkzeuge in 14 Kategorien bietet und es KI-Codierungsagenten ermöglicht, Blenders Beleuchtung, Animation, Rendering und Geometry Nodes über natürliche Sprachbefehle zu steuern. Die gesamte Codebasis wurde mit Claude Code geschrieben, was dabei half, architektonische Herausforderungen wie Blenders Hauptthread-API-Anforderung zu lösen.

OpenClawRadar