mnemos

Die Autopilot-Wissensdatenbank für Ihren Coding-Agenten.

Einmal installieren. Von da an baut Ihr Agent während Sie programmieren selbstständig eine strukturierte Wissensdatenbank Ihres Projekts auf. Keine Prompts, die man sich merken muss, keine remember()-Aufrufe, keine API, die man lernen muss.

Ein einzelnes Go-Binary. Eingebettetes SQLite. Keine Cloud. Kein Docker. Kein Python. Keine Node-Laufzeitumgebung.

Agent (Claude Code / Cursor / Kiro / Gemini CLI / ...)
 ↓ MCP stdio
mnemos serve
 ↓
Auto-compiled knowledge base (~/.mnemos/mnemos.db)

Was mnemos anders macht

Jeder Memory-Server speichert Text. Mnemos kompiliert eine Wissensdatenbank.

Während andere Server erwarten, dass Sie (oder ein sorgfältig abgestimmter Prompt) entscheiden, wann gespeichert und wann abgerufen werden soll, führt mnemos im Hintergrund eine vollständige Pipeline aus:

Agent action → mnemos auto-pipeline:
 ├── Quality gate (reject/rewrite low-value content)
 ├── 3-tier dedup (hash → fuzzy → semantic)
 ├── Auto-summarize (extractive, fast; LLM if available)
 ├── File linking (extract identifiers, link to code)
 ├── Type classification (episodic / long_term / semantic / working)
 ├── Quality scoring (for retrieval ranking)
 └── Decay scheduling (so knowledge base stays relevant)

Retrieval:
 ├── Hybrid search (FTS5 + optional semantic + RRF)
 ├── File-overlap boost (memories about active files rank higher)
 ├── MMR diversity (kill redundant results)
 ├── Adaptive packing (full content or summary based on budget)
 └── Token-budget cap (always fits in context)

Sie rufen nichts davon auf. Ihr Agent ruft nichts davon auf. Hooks lösen dies automatisch bei Sitzungsbeginn, Prompt-Absendung und Sitzungsende aus.

Related MCP server: RecallNest

Drei Ebenen, heute verfügbar

Ebene 1 — MCP-Transport. Standard-MCP-Server, stdio, funktioniert mit jedem MCP-Client.

Ebene 2 — Autopilot-Hooks. Ein Befehl (mnemos setup claude) verknüpft Hooks + Steuerung + MCP-Konfiguration. Sitzungsstart injiziert automatisch relevanten Kontext. Prompt-Absendung sucht bei Themenwechsel automatisch. Sitzungsende verifiziert die Abdeckung.

Ebene 3 — Automatisch kompilierte Wissensdatenbank. Qualitäts-Gate, 3-stufige Deduplizierung, automatische Zusammenfassung, Dateiverknüpfung, MMR-Kontext-Assemblierung — alles automatisch. Sie lösen dies nie manuell aus. Enthält einen passiven Hintergrund-Daemon, der kontinuierlich Veralterung, Widersprüche und fehlende Beziehungen in Ihrer Memory-Basis erkennt.

Ein ehrlicher Vergleich

Mnemos versucht nicht, Zep zu sein — das ist eine andere Wette. Zep ist die beste Antwort, wenn Sie temporale Schlussfolgerungen über Geschäftsfakten benötigen und über eine Unternehmens-Infrastruktur verfügen. Mnemos ist die beste Antwort, wenn Sie ein Coding-Agent-Nutzer sind, der eine Autopilot-Wissensdatenbank möchte, die auf Ihrem Laptop von selbst läuft.

Installation

# Homebrew (macOS / Linux)
brew install s60yucca/tap/mnemos && mnemos setup claude

# curl (verify mnemos.dev is live before using)
curl -fsSL https://mnemos.dev/install.sh | bash && mnemos setup claude

# npm (coming in v1.2)
# npx mnemos setup claude

# Build from source (requires Go 1.23+)
git clone https://github.com/s60yucca/mnemos
cd mnemos && make build

Tauschen Sie claude gegen cursor, kiro oder gemini-cli aus. Starten Sie Ihren Client neu. Der Autopilot läuft ab hier.

Was der Autopilot tatsächlich tut

mnemos setup <client> schreibt:

• Steuerungsdatei (CLAUDE.md, .cursorrules, .kiro/steering/mnemos.md) — sagt dem Agenten, was speicherenswert ist

• Hook-Konfiguration (.claude/hooks.json oder äquivalent) — verknüpft Lebenszyklus-Ereignisse

• MCP-Konfiguration (.mcp.json) — registriert mnemos serve als Tool-Provider

Drei Hooks laufen automatisch:

Sitzungsstart → mnemos hook session-start Stellt relevanten Kontext innerhalb eines Token-Budgets zusammen (MMR-diversifiziert, datei-priorisiert). Injiziert diesen in den Kontext. Kaltstart < 200 ms.

Prompt-Absendung → mnemos hook prompt-submit Erkennt Themen- und Absichtsänderungen. Durchsucht automatisch die Wissensdatenbank, wenn die Verschiebung sinnvoll ist. Respektiert Abklingzeiten, um Rauschen zu vermeiden.

Sitzungsende → mnemos hook session-end Verifiziert, ob dauerhafte Erinnerungen erfasst wurden. Speichert optional einen minimalen Breadcrumb. Bereinigt den Sitzungsstatus.

Die Steuerung sagt dem Agenten, was es wert ist, sich daran zu erinnern. Hooks übernehmen das Abrufen, Deduplizieren, Zusammenfassen und Verknüpfen — damit der Agent keine Token mit der Logistik der Erinnerungen verschwendet.

Passiver Autopilot-Daemon

Über die Hooks hinaus führt mnemos einen Hintergrund-Daemon aus, der Ihre Wissensdatenbank kontinuierlich verbessert:

• Veralterungserkennung — markiert Erinnerungen, die auf gelöschte Dateien oder veraltete Muster verweisen

• Widerspruchserkennung — findet Erinnerungen, die sich gegenseitig widersprechen

• Beziehungsinferenz — verknüpft automatisch verwandte Erinnerungen

• Backfill — generiert rückwirkend Zusammenfassungen für Erinnerungen, denen diese fehlen

mnemos autopilot status # check daemon state
mnemos autopilot run # trigger immediate run
mnemos autopilot run --dry-run # preview findings without writing
mnemos autopilot report # view latest findings

Performance-Benchmark (Latenz)

Hardware: M1 Pro, 16GB RAM, SQLite auf SSD. Ihre Latenz kann variieren.

Die meisten Operationen bleiben unabhängig von der Datensatzgröße unter 60 ms. Hook-Unterbefehle verwenden den InitLight-Modus — keine Hintergrund-Worker, keine Sitzungsunterbrechung.

Der Wert-Benchmark (Token-Einsparungen, Präzision, Vermeidung von Fallstricken) ist in Arbeit. Siehe DOGFOODING_RUNBOOK.md für die Methodik. Echte Zahlen werden diesen Platzhalter vor der öffentlichen Veröffentlichung ersetzen.

MCP-Tools

Schnellstart nach der Installation

# Agents call these automatically via MCP. You can also use directly:
mnemos store "JWT uses RS256, 1h expiry, config in auth/config.go"
mnemos search "token expiry"
mnemos stats
mnemos maintain

Konfiguration

Die meisten Benutzer berühren dies nie. Aber falls Sie möchten:

# ~/.mnemos/config.yaml
embeddings:
 provider: noop # noop (default) | ollama | openai
 # Pure FTS works fine. Enable semantic for meaning-based search.

quality_gate:
 min_words: 5
 max_words: 200
 min_density: 0.3
 require_specific: true # long_term memories need project identifiers
 duplicate_threshold: 0.8

summarization:
 extractive: true # always on, fast, offline

file_linking:
 enabled: true # auto-disables outside git

hook:
 enabled: true
 search_cooldown: 5m
 session_start_max_tokens: 2000
 mmr_lambda: 0.7 # 0=max diversity, 1=max relevance
 file_boost: 0.3

autopilot:
 enabled: true
 interval: 15m
 contradiction_enabled: false

Memory-Typen

Mnemos klassifiziert automatisch. Überschreiben Sie dies manuell über das --type-Flag.

Warum ich das gebaut habe

Ich war es leid, Claude Code jeden Morgen mein eigenes Projekt neu zu erklären.

Ich habe die existierenden Memory-Server ausprobiert. Die meisten speicherten Text gut. Aber jeder erwartete von mir — oder einem sorgfältig abgestimmten Prompt —, dass ich entscheide, wann gespeichert und wann abgerufen werden soll. Das ist keine Wissensdatenbank. Das ist eine Datenbank mit einem MCP-Wrapper.

Mnemos ist das, was ich gebaut habe, um es tatsächlich automatisch zu machen. mnemos setup claude, Editor neu starten, und die Wissensdatenbank kompiliert sich von selbst.

Autopilot-Setup — ein Befehl pro Client

mnemos setup claude # writes CLAUDE.md, .claude/hooks.json, .mcp.json
mnemos setup cursor # writes .cursorrules, .mcp.json
mnemos setup kiro # writes .kiro/steering/mnemos.md, .kiro/mcp.json
mnemos setup gemini-cli # writes GEMINI.md, .gemini/settings.json, .mcp.json

Flags: --global (für alle Projekte installieren), --force (bestehende überschreiben).

CLI-Referenz

mnemos init # first-time setup
mnemos store "..." # store (auto-pipeline)
mnemos search "auth" # hybrid search
mnemos list --project myapp # list memories
mnemos get <id> # fetch by id
mnemos update <id> --content "..." # update
mnemos delete <id> # soft delete
mnemos relate <src> <tgt> --type supersedes # typed relation
mnemos stats # storage + quality stats
mnemos maintain # decay + stale + GC
mnemos serve # MCP server (stdio)
mnemos version

# Autopilot setup
mnemos setup claude | cursor | kiro | gemini-cli [--global] [--force]

# Passive autopilot daemon
mnemos autopilot status
mnemos autopilot run [--dry-run] [--project <id>]
mnemos autopilot report [--project <id>]

# Backfill
mnemos backfill summaries --project <id> [--dry-run] [--limit N]

# Hook subcommands (called by clients, not manually)
mnemos hook session-start
mnemos hook prompt-submit
mnemos hook session-end

Was mnemos nicht ist

• Kein Chatbot-Memory-SaaS. Für den Abruf von Benutzerpräferenzen in Kundensupport-Bots verwenden Sie Mem0.

• Keine temporale Wissensgraph-Datenbank. Für gültig-ab/ungültig-ab-Schlussfolgerungen über Geschäftsfakten verwenden Sie Zep.

• Kein Cloud-Produkt. Es gibt keine mnemos-Cloud. Es wird niemals eine geben.

• Nicht Framework-spezifisch. MCP-nativ. Funktioniert mit allem, was MCP spricht.

Mnemos tut eine Sache: Agenten eine Wissensdatenbank geben, die sich selbst kompiliert.

Roadmap

Siehe ROADMAP.md. Kurzfassung:

• v1.1.1 (veröffentlicht): vollständige Auto-Pipeline, MMR-Kontext-Assemblierung, dateibewusster Abruf, passiver Autopilot-Daemon, Benchmark-Framework

• v1.2 (nächste): öffentlicher Wert-Benchmark (Dogfooding), npm-Wrapper, Demo-GIF, HN-Launch

• v1.3 (geplant): Team-Memory via Git — geteiltes .mnemos/shared/ für Teamkollegen-Wissen

• v2.0+ (TBD): projektübergreifende Memory-Scopes, Memory-Kompaktierung, gesteuert durch Benutzerfeedback

Community

• GitHub Discussions

• GitHub Issues

Lizenz

MIT

Maintenance

Resources

• GitHub Repository
Need Help?Related Servers

Tools

• mnemos_compileC
• mnemos_contextC
• mnemos_deleteA
• mnemos_getC
• mnemos_maintainB
• mnemos_relateC
• mnemos_searchB
• mnemos_storeC