Cursor-Cortex: Strukturierter Speicher für KI-Assistenten

Funktioniert mit Cursor, Claude Code und jedem MCP-kompatiblen KI-Assistenten.

Löse das Problem des Gedächtnisverlusts und der Kontextverwirrung bei KI-Assistenten. Cursor-Cortex gibt deiner KI das strukturierte Denken und das Langzeitgedächtnis, das sie braucht, um dir wirklich beim Entwickeln von Software zu helfen.

🧠 Das Problem mit KI-Assistenten

LLM-basierte KI-Assistenten sind großartig im Generieren von Code und Erklären von Konzepten, aber sie kämpfen mit:

• ❌ Gedächtnisverlust: „Woran haben wir gestern gearbeitet?"

• ❌ Kontextwechsel: „Moment, worum geht es in diesem Projekt nochmal?"

• ❌ Agentenfehler: Sich verlieren, halluzinieren, Ziele aus den Augen verlieren

• ❌ Fehlende Struktur: Zwischen Ideen springen, ohne systematisch zu denken

• ❌ Wissenslücken: Kein Zugriff auf unternehmensspezifische oder projektspezifische Erkenntnisse

Ergebnis: Du verbringst mehr Zeit damit, Kontext zu erklären, als tatsächlich Probleme zu lösen.

Related MCP server: BuildAutomata Memory MCP Server

🎯 Die Cursor-Cortex-Lösung

Cursor-Cortex versorgt deine KI mit strukturiertem externem Speicher:

📋 Kontextdateien → „Worum geht es in diesem Projekt?"

Deine KI kennt immer die Projektziele, Architekturentscheidungen und den aktuellen Fokus.

📝 Branch-Notizen → „Woran haben wir gearbeitet?"

Kontinuierliches Entwicklungstagebuch, damit deine KI genau dort weitermachen kann, wo du aufgehört hast.

🧠 Implizites Wissen → „Wie lösen wir diese Art von Problem?"

Unternehmensspezifische Lösungen, Muster und hart erarbeitete Erkenntnisse, die LLMs nicht kennen.

✅ Checklisten → „Was ist unser systematischer Ansatz?"

Strukturierte Denkrahmen, die KI (und dich) organisiert und gründlich halten.

💡 Vorher vs. Nachher

❌ Ohne Cursor-Cortex:

You: "Help me continue the authentication work"
AI: "I need more context. What authentication system? What issues were you facing?"
You: "Ugh, let me explain everything again..."

✅ Mit Cursor-Cortex:

You: "Help me continue the authentication work"  
AI: *reads context + branch notes + knowledge base*
"I see you're implementing JWT refresh tokens and hit CORS issues yesterday. 
Based on our company knowledge doc about API security, let's check the middleware..."

🚀 Hauptvorteil

Verwandle deine KI von einem schlauen Praktikanten in einen erfahrenen Teampartner, der sich an alles erinnert, strukturiert denkt und Zugriff auf institutionelles Wissen hat.

⚡ Vollständige Einrichtungsanleitung

1. Abhängigkeiten installieren

npm install --legacy-peer-deps

Hinweis: Das Flag --legacy-peer-deps ist aufgrund von TensorFlow.js-Peer-Abhängigkeitskonflikten zwischen den Versionen v3.x und v4.x erforderlich.

2. Vollständigen Pfad ermitteln

pwd
# Copy the output - you'll need it for configuration

3. Vektorsuche einrichten (optional)

Für KI-gestützte semantische Suchfunktionen:

Systemanforderungen:

• Node.js 18+

• 2 GB RAM für Vektormodelle

• 500 MB Speicherplatz

Einrichtungsschritte:

# Step 1: Generate embeddings for all knowledge files
node generate-all-embeddings-cpu.js

# This creates vector embeddings for:
# - All tacit knowledge documents
# - All branch notes
# - All context files
# Duration varies by document count and system specs

# Step 2 (Optional): Force regenerate if content changes
node generate-all-embeddings-cpu.js --force

# Step 3 (Optional): View progress during generation
node generate-all-embeddings-cpu.js --verbose

Warum das wichtig ist:

• Ohne Embeddings fällt die semantische Suche auf Textsuche zurück

• Vorab berechnete Embeddings machen Suchen 100x schneller

• Einmal generieren, für alle semantischen Abfragen verwenden

• Embeddings werden in ~/.cursor-cortex/embeddings/ gespeichert

4. Cursor MCP konfigurieren

Erstelle oder bearbeite ~/.cursor/mcp.json:

"cursor-cortex": {
      "command": "node",
      "args": ["/YOUR/FULL/PATH/TO/cursor-cortex/index.js"],
      "tools": [
        "update_branch_note", 
        "add_commit_separator",
        "read_branch_notes",
        "update_context_file", 
        "read_project_context",
        "read_branch_context", 
        "list_context_files", 
        "generate_commit_message", 
        "generate_jira_comment", 
        "create_tacit_knowledge",
        "read_tacit_knowledge", 
        "search_branch_notes",
        "generate_embeddings",
        "create_completion_checklist",
        "read_checklist",
        "update_checklist",
        "sign_off_checklist",
        "archive_branch_note",
        "clear_branch_note",
        "list_all_branch_notes",
        "enhanced_branch_survey",
        "comprehensive_knowledge_search",
        "construct_project_narrative",
        "timeline_reconstruction",
        "context_sync_guidance",
        "analyze_documentation_gaps",
        "migrate_context_files",
        "request_critical_thinking_space",
        "check_critical_thinking_status",
        "request_thinking_guidance",
        "add_perspective",
        "request_synthesis_space",
        "request_synthesis_step_guidance",
        "complete_synthesis_step",
        "generate_context_zip",
        "unpack_context"
      ],
      "stdio": true,
      "env": {
        "DEBUG": "true"
      }
    },

Ersetze /YOUR/FULL/PATH/TO/cursor-cortex/ durch die Ausgabe aus Schritt 2

Hinweis: Diese Konfiguration gilt für Cursor-Cortex v1.2.0+. Wenn du eine ältere Version verwendest, sind einige Tools möglicherweise nicht verfügbar. Überprüfe deine package.json-Version und erwäge ein Update.

5. Cursor neu starten

Schließe und öffne Cursor vollständig neu.

Claude Code Installation

Erstelle oder bearbeite .claude/settings.json in deinem Projektverzeichnis (oder global ~/.claude/settings.json):

{
  "mcpServers": {
    "cursor-cortex": {
      "command": "node",
      "args": ["/YOUR/FULL/PATH/TO/cursor-cortex/index.js"]
    }
  }
}

Ersetze /YOUR/FULL/PATH/TO/cursor-cortex/ durch die Ausgabe aus Schritt 2 und starte dann Claude Code neu.

6. MCP-Server aktivieren

1. Gehe zu Cursor-Einstellungen (Cmd/Ctrl + ,)

2. Navigiere zu Features → Model Context Protocol

3. Finde cursor-cortex und schalte es EIN

4. Du solltest sehen: Storage directory created at /Users/yourname/.cursor-cortex

7. Testen

Probiere in einem beliebigen Cursor-Chat Folgendes:

"Update my branch notes: Testing Cursor-Cortex setup"

Wenn es funktioniert, siehst du: Successfully updated branch note with: "Testing Cursor-Cortex setup"

8. Knowledge Explorer (Visueller Graph)

Sobald alles eingerichtet ist, kannst du deine Wissensbasis als interaktiven Netzwerkgraphen erkunden:

npm run explorer

Öffne dann http://localhost:4000 in deinem Browser.

Funktionen:

• Dreistufige Visualisierung: Projekte, Branch-Notizen und implizites Wissen als miteinander verbundene Knoten

• Ähnlichkeitsbasiertes Layout: Semantisch ähnliche Projekte gruppieren sich mithilfe der Embedding-Kosinusähnlichkeit

• Neuronale Pulsanimation: Beobachte, wie sich Signale in Echtzeit durch dein Wissensnetzwerk ausbreiten

• Aktivitätsbasierte Farben: Hellere Knoten = zuletzt aktualisierte Projekte

• Klicken zum Erkunden: Klicke auf einen beliebigen Knoten, um Details, ähnliche Projekte und Tags zu sehen

• Tiefenumschalter: Wechsle zwischen Kompakt (nur Projekte), Branches und Vollansicht

🔧 Fehlerbehebung

Häufige Probleme:

❌ Fehler „Tool not found"

• Starte Cursor nach der Konfiguration vollständig neu

• Überprüfe, ob der MCP-Server in den Einstellungen aktiviert ist

• Überprüfe den Dateipfad in mcp.json auf Tippfehler

❌ MCP-Konfiguration funktioniert nicht

• Validiere die JSON-Syntax unter jsonlint.com

• Stelle sicher, dass Kommas und Anführungszeichen korrekt sind

• Überprüfe die Dateiberechtigungen von mcp.json

❌ Vektorsuche funktioniert nicht

• Führe npm install aus, um sicherzustellen, dass TensorFlow.js installiert ist

• Überprüfe, ob das System über 2 GB+ RAM verfügt

• Versuche den Textsuchmodus, wenn die Vektorsuche fehlschlägt

Brauchst du Hilfe? Erstelle ein Issue mit deiner Fehlermeldung für schnellen Support.

9. Erste Schritte

• „Show my uncommitted work" – Sieh, woran du gearbeitet hast

• „Generate a commit message" – Erstelle Commits aus deinen Notizen

• „Create tacit knowledge document" – Speichere Lösungen für später

📖 Grundlegende Nutzung

Halte deine Gedanken fest

Während du programmierst, sage deinem KI-Assistenten:

"Update branch notes: Fixed the login validation bug by adding proper error handling 
for expired tokens. Had to modify the JWT middleware."

Bleib orientiert

Wenn du zur Arbeit zurückkehrst:

"Show me my uncommitted work"

Smarte Commits

Wenn du bereit zum Committen bist:

"Generate a commit message"

Die KI liest alle deine Notizen und erstellt: „Fix JWT token validation and error handling"

🏗️ Projektstruktur

Cursor-Cortex organisiert dein Wissen in:

• 📝 Branch-Notizen: Woran du gerade arbeitest

• 📋 Kontextdateien: Projektdokumentation und Entscheidungen

• 🧠 Wissensdatenbank: Lösungen und Erkenntnisse für die zukünftige Referenz

• ✅ Checklisten: Verfolge den Projektabschluss

Alles wird in ~/.cursor-cortex/ gespeichert und ist über die KI zugänglich.

🎓 Power-User-Funktionen

Sobald du mit den Grundlagen vertraut bist, erkunde diese erweiterten Funktionen:

Projektübergreifende Wissenssuche

"Search all my projects for JWT authentication solutions"

Automatische Commit-Verfolgung

node setup-hooks.js  # Auto-separates pre/post commit work

Projekt-Checklisten

Verfolge Anforderungen, Tests und Freigaben:

"Create a completion checklist for the user auth feature"

Team-Wissensaustausch

Erstelle wiederverwendbare Lösungsdokumente:

"Create tacit knowledge document about our JWT implementation approach"

Wissensarchäologie & Projektintelligenz

Analysiere und synthetisiere Projektwissen:

"Survey all my branch documentation and show completeness scores"
"Construct a project narrative for the user authentication system"
"Show me a timeline of all development across projects"
"Analyze this folder structure for documentation gaps"

🛠️ Alle verfügbaren Tools

• update_branch_note – Einträge zu deinem Entwicklungstagebuch hinzufügen

• read_branch_notes – Standardmäßig die gesamte Datei (einschließlich COMMIT-Trennzeichen); mode=uncommitted oder uncommittedOnly=true für Arbeit seit dem letzten Commit; optional beforeDate, afterDate oder commitHash zum Filtern

• add_commit_separator – Commit-Grenzen markieren (automatisch über Git-Hooks)

• generate_commit_message – KI erstellt Commits aus deinen Notizen

• update_context_file – Projektziele und Entscheidungen dokumentieren

• read_project_context – Nur branch-unabhängigen Projektkontext lesen

• read_branch_context – Nur branch-spezifischen Kontext lesen

• list_context_files – Alle Projektdokumente mit projektübergreifenden Warnungen durchsuchen

• create_tacit_knowledge – Lösungen für die zukünftige Referenz dokumentieren

• read_tacit_knowledge – Wissen über alle Projekte hinweg mit Tag- und Inhaltssuche durchsuchen

• search_branch_notes – Branch-Notizen über Projekte hinweg mit semantischer Suche durchsuchen

• generate_embeddings – Vektor-Embeddings für die semantische Suche generieren oder neu generieren

• comprehensive_knowledge_search – Globale semantische Suche über das gesamte Cursor-Cortex-Wissen

• create_completion_checklist – Anforderungen und Liefergegenstände verfolgen

• read_checklist – Fortschritt anzeigen

• update_checklist – Elemente als abgeschlossen markieren (manuell oder automatisch erkannt)

• sign_off_checklist – Formelle Freigabe mit Unterschriften

• archive_branch_note – Abgeschlossene Arbeit archivieren

• clear_branch_note – Branch-Dokumentation zurücksetzen

• migrate_context_files – Bestehende Kontextdateien zum Smart Hybrid Context System migrieren

• list_all_branch_notes – Alle Branch-Notizen über alle Projekte hinweg mit Prioritätsreihenfolge anzeigen

• enhanced_branch_survey – Umfassende Analyse der Dokumentation mit Vollständigkeitsbewertung und Beziehungszuordnung

• construct_project_narrative – Verstreute technische Details zu kohärenten Produktionsgeschichten verweben

• timeline_reconstruction – Chronologische Zeitdaten aus Branch-Notizen und Commit-Trennzeichen extrahieren

• context_sync_guidance – Kontextbezogene Anleitung zum Synchronisieren von Projektkontexten basierend auf Zeitdaten erhalten

• analyze_documentation_gaps – Ordnerstruktur analysieren, um Dokumentationsbedarf zu identifizieren und Checklisten automatisch zu erstellen

• request_critical_thinking_space – Systematischen Analyse-Arbeitsbereich mit der Six-Thinking-Hats-Methodik erstellen

• check_critical_thinking_status – Abschlussstatus der Analyse zum kritischen Denken prüfen

• request_thinking_guidance – Anleitung für spezifische Six-Thinking-Hats-Perspektiven erhalten

• add_perspective – Spezifische Perspektivenanalyse zum Arbeitsbereich für kritisches Denken hinzufügen

• request_synthesis_space – Perspektiven in den Synthese-Arbeitsbereich zur Integration laden

• request_synthesis_step_guidance – Detaillierte Anleitung für Syntheseschritte erhalten

• complete_synthesis_step – Spezifischen Syntheseschritt abschließen und Prozess aktualisieren

• generate_context_zip – Wissen in ein portables ZIP-Archiv zum Teilen zwischen Benutzern/Umgebungen verpacken

• unpack_context – Freigegebenes Kontextpaket mit sicherer Konfliktlösung importieren

🎛️ Erweiterte Konfiguration

Git-Integration

Automatische Commit-Trennzeichen erfordern, dass der MCP-Server läuft:

node setup-hooks.js  # Install git hooks

CLI-Schnittstelle

Direkter Zugriff ohne KI:

node cursor-cortex-cli.js  # Interactive menu

🤝 Mitwirken

Einen Fehler gefunden oder eine Idee? Öffne ein Issue oder reiche einen Pull-Request ein – Beiträge sind willkommen!

Autor: Manuel Flores-Ramirez

📄 Lizenz

Dieses Projekt ist unter der Parachute Public License (PPL) v1.0 lizenziert.

Die PPL ist eine ethische Lizenz, die Einschränkungen gegen die Nutzung durch Regierungen, Militär, Überwachung und andere schädliche Einrichtungen enthält. Für vollständige Details und Begründung siehe parachute.pub.

© 2025 Manuel Flores-Ramirez.