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-setupKonfigurationspfad abrufen:
yourmemory-pathMCP-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.mdBearbeite 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 anstore_memory(content, importance)— bettet ein und speichert mit biologischem Verfallupdate_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
👀 Siehe auch

SkyClaw v2.2 Rust AI Agent Runtime fügt OpenAI OAuth und benutzerdefinierte Tool-Erstellung hinzu
SkyClaw v2.2 führt die OpenAI OAuth-Authentifizierung mit ChatGPT Plus/Pro-Abonnements ein, ermöglicht die Erstellung benutzerdefinierter Tools, bei denen Agenten zur Laufzeit eigene Bash/Python/Node-Tools schreiben, und bietet einen Daemon-Modus für den Hintergrundbetrieb. Die Rust-basierte Laufzeitumgebung erreicht Benchmarks von 31 ms Kaltstart, 15 MB Leerlauf-RAM und 9,3 MB Binärgröße.

Linki v2: Open-Source KI-SDR für LinkedIn + Kaltmails mit selbst gehostetem Agenten
Linki v2 ist ein selbst gehostetes Tool zur LinkedIn-Automatisierung und Kaltakquise per E-Mail mit einem KI-Agenten, der personalisierte Nachrichten für jeden Lead verfasst. Keine Pro-Platz-Lizenzgebühren, Ihre Daten bleiben lokal.

RiserFlow MCP-Server erweitert OpenClaw um E-Commerce-Funktionen
Ein Open-Source-MCP-Server namens RiserFlow ermöglicht es OpenClaw, Produkte semantisch zu suchen, Warenkörbe zu verwalten und echte Bestellungen aufzugeben, die in den Admin-Systemen der Stores erscheinen, mit aktueller Unterstützung für Bitrix und einem Adapter-Muster für andere Plattformen.

Autonomer Codier-Workflow liefert über Nacht 163.000 Codezeilen mit Claude Code aus
Ein Entwickler baute einen autonomen Workflow, der über Nacht 72 Aufgaben erledigte, 163.643 Codezeilen generierte und über 6.400 erfolgreiche Tests mit einer Erfolgsquote von 85 % beim ersten Versuch erzielte.