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

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.

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.