LoreConvo v0.10.6

Dein Gedächtnis folgt deiner Identität, nicht deinem Tool – mit deiner Zustimmung.

LoreConvo ist das einzige KI-Gedächtnis, das deinen Kontext über Claude Code, Cowork, Codex, Cursor und Hermes Agent hinweg trägt. Eine Installation, ein Gedächtnis, überall wo du programmierst.

Installiere direkt aus dem Plugin-Marktplatz von Claude Code oder über PyPI: uvx loreconvo

Warum LoreConvo?

Funktioniert überall, wo du arbeitest

LoreConvo funktioniert über Claude Code, Cowork, Cursor, Codex und Hermes hinweg – dieselbe Gedächtnisschicht, egal welchen Client du verwendest. Wenn du mitten im Projekt wechselst, wandert dein Kontext automatisch mit.

Die meisten Tools sperren das Gedächtnis auf Maschine oder Arbeitsbereich. LoreConvo speichert alles lokal in einer SQLite-Datenbank, die dir gehört, und zeigt es überall dort an, wo du bist. Das Erfassen erfolgt auf zwei Wegen: explizit über die Speicher-Tools oder automatisch am Sitzungsende, wenn du die optionalen Hooks installierst. In jedem Fall kannst du jedes Gedächtnis jederzeit einsehen, bearbeiten oder löschen.

Du kontrollierst, was gespeichert wird

LoreConvo gibt dir die Kontrolle: Automatisches Erfassen läuft nur, wenn du dich entscheidest, die Sitzungs-Hooks zu installieren, jeder Speichervorgang ist einsehbar, und du kannst jedes Gedächtnis jederzeit löschen.

Jedes Gedächtnis zeigt dir genau, woher es stammt – welche Oberfläche es erfasst hat, wann, zu welchem Projektkontext es gehört und welcher Skill es generiert hat. Keine Rätsel. Volle Herkunft.

Dein Gedächtnis bleibt auf deinem Rechner

LoreConvo speichert alles in einer SQLite-Datenbank auf deinem eigenen Rechner. Deine Daten bleiben lokal, es sei denn, du aktivierst explizit die optionale KI-Zusammenfassungsfunktion (Pro, standardmäßig aus), die einen Transkriptauszug über deinen eigenen Schlüssel an die Anthropic-API sendet. Keine Cloud-Konten. Kein Anbieter mit Zugriff auf deinen Sitzungsverlauf.

Deine Sitzungen liegen in ~/.loreconvo/sessions.db – eine Datei, die dir gehört, die du sichern und jederzeit löschen kannst.

Strukturiertes Gedächtnis, keine rohen Transkripte

LoreConvo erfasst zwei Arten von Gedächtnis für jede Sitzung:

• Episodisches Gedächtnis: Was passiert ist – Zusammenfassungen, erstellte Artefakte, offene Fragen, die zurückbleiben

• Semantisches Gedächtnis: Was entschieden wurde – stabile Schlussfolgerungen über das Projekt, die über Sitzungen hinweg bestehen bleiben

Zusammen geben diese Claude einen strukturierten, durchsuchbaren Verlauf der Projektgeschichte, nicht nur einen Haufen Chat-Transkripte.

Related MCP server: ai-memory

Recall-Benchmark

Die FTS5-Suche von LoreConvo wird gegen einen synthetischen Korpus aus 60 Sitzungen (6 Themenbereiche, 36 beschriftete Abfragen) benchmarkt.

Die Erweiterung zusammengesetzter Token (camelCase / snake_case-Abfragevorverarbeitung) hebt Recall@5 um +35,7 Prozentpunkte bei Abfragen, die technische Bezeichner wie autoSave, pipeline_tracker und get_context_for verwenden.

Vollständiger Benchmark-Bericht | Reproduzieren

Schnellstart

Ein Befehl zur Installation:

bash install.sh

Dies erstellt eine virtuelle Umgebung, installiert Abhängigkeiten und überprüft, dass alles funktioniert. Keine System-Python-Änderungen, keine manuellen pip-Befehle.

LoreConvo verwenden

Claude Code (Terminal)

Starte eine Sitzung mit geladenem Plugin:

claude --plugin-dir /path/to/loreconvo

Oder lade es in einer bestehenden Sitzung:

/plugin add /path/to/loreconvo

Ersetze /path/to/loreconvo durch den Ort, an dem du den Quellordner gespeichert hast.

Nach Code-Änderungen verwende /reload-plugins, um ohne Neustart zu aktualisieren.

Sobald geladen, hat Claude automatisch Zugriff auf alle 39 LoreConvo-MCP-Tools. Bitte Claude, „diese Sitzung zu speichern“ oder „abzurufen, was wir über X besprochen haben“, und es wird die Tools von selbst verwenden.

Cowork (Desktop-App)

1. Klicke auf die +-Schaltfläche neben dem Eingabefeld

2. Wähle Plugins

3. Wähle Plugin hinzufügen

4. Navigiere zum loreconvo-Quellordner

Wichtig: Gemeinsamer Datenbankzugriff

Cowork läuft in einer sandboxierten VM und kann standardmäßig nicht auf das Dateisystem deines Macs zugreifen. Um von Claude Code gespeicherte Sitzungen zu lesen, bitte Claude in Cowork:

„Mounte meinen ~/.loreconvo-Ordner“

Sobald gemountet ist, liest und schreibt Cowork in dieselbe Datenbank wie Claude Code. In Code gespeicherte Sitzungen erscheinen sofort in Cowork.

Claude Chat (Web)

Chat unterstützt keine Plugins, daher bietet LoreConvo eine Brücke mit einem Befehl. Führe dies in deinem Terminal aus:

bash export-to-chat.sh

Dies exportiert deine letzte Sitzung und kopiert sie in deine Zwischenablage (macOS). Wechsle zu Chat und füge ein (Cmd+V). Chat hat sofort den Kontext aus deiner Code- oder Cowork-Sitzung.

Um nach einer bestimmten Sitzung zu suchen:

bash export-to-chat.sh "tax prep"

So funktioniert es über Oberflächen hinweg

Der Kernwert von LoreConvo ist, dass Kontext automatisch über Claude-Oberflächen hinweg bestehen bleibt. Hier ist die vollständige Kette:

Claude Code  (~/.claude/settings.json via `claude mcp add`)
  |-- SessionEnd hook --> auto_save.py --> ~/.loreconvo/sessions.db
  |-- SessionStart hook <-- auto_load.py <-+
                                           |
Cursor       (.cursor/mcp.json) <--MCP-----+
Codex        (~/.codex/config.toml) <--MCP-+
Hermes Agent (~/.hermes/config.yaml) <-MCP-+
Cowork       (MCP-native execution env) <--+
  All surfaces: save_session / get_recent_sessions / search_sessions

Claude Chat (web)
  |-- export-to-chat.sh --> clipboard --> paste into Chat

Claude Code ist die primäre Oberfläche. Die Hooks laufen automatisch:

• Wenn eine Sitzung endet, erfasst auto_save.py das Gespräch und speichert eine strukturierte Zusammenfassung (Entscheidungen, Artefakte, offene Fragen, Tags) in der lokalen SQLite-Datenbank.

• Wenn eine neue Sitzung startet, fragt auto_load.py die Datenbank ab, bewertet aktuelle Sitzungen nach Signalqualität und injiziert den relevantesten Kontext als Systemkontext in die Sitzung. Sitzungen mit offenen Fragen und Entscheidungen erhalten die höchste Punktzahl; Sitzungen mit geringem Signal werden herausgefiltert. Es indexiert auch jede MEMORY.md, die im Projektverzeichnis gefunden wird (siehe MEMORY.md-Auto-Indexierung unten).

Cursor verbindet sich über .cursor/mcp.json im Projektstamm – dasselbe MCP-Protokoll wie Claude Code. Siehe INSTALL.md für Einrichtungsdetails.

OpenAI Codex verbindet sich über ~/.codex/config.toml mit einem [mcp_servers.<name>]-Abschnitt. Siehe INSTALL.md für Einrichtungsdetails.

Hermes Agent verbindet sich über ~/.hermes/config.yaml unter dem Schlüssel mcp_servers:. Siehe INSTALL.md für Einrichtungsdetails.

Claude Chat (Web) unterstützt keine Plugins. Das Skript export-to-chat.sh überbrückt die Lücke: Es exportiert deine letzte Sitzung in deine Zwischenablage, sodass du sie direkt in Chat einfügen kannst. Dies gibt Chat denselben Kontext, den Code automatisch geladen hätte.

Das Ergebnis: Wenn du mitten im Projekt die Oberfläche wechselst, musst du nie wieder erklären, was du gerade tust.

Deine Daten sind immer verfügbar

LoreConvo arbeitet über MCP-Tools, wenn diese verfügbar sind, und fällt automatisch auf gebündelte Skripte zurück, wenn sie nicht verfügbar sind. Deine Sitzungen sind unabhängig vom MCP-Status sicher – dieselben Speicher-, Such- und Abrufoperationen funktionieren in beiden Fällen. Du musst nichts konfigurieren; der Plugin-Skill übernimmt den Wechsel still.

Projekt-Arbeitsbereiche

LoreConvo-Projekte sind dauerhafte Arbeitsbereiche – jede Sitzung, jede Entscheidung und jedes Artefakt aus deiner Arbeit an einem Projekt ist von jeder Claude-Oberfläche aus durchsuchbar.

# Create a project workspace
create_project("my-api", "REST API project", expected_skills=["openapi", "python"])

# Add persistent project instructions (optional)
create_project(
    "my-api",
    description="REST API project",
    instructions="Python 3.10+, SQLite only. No cloud dependencies. Deploy via Docker."
)

# See recent sessions, skill usage, and open questions for the project
get_project("my-api")

# Search scoped to the project
search_sessions("auth design", project="my-api")

Projektanweisungen (optional): Wenn du ein Projekt erstellst, kannst du dauerhafte Anweisungen oder Einschränkungen speichern, die Claude zu Sitzungsbeginn sieht. Dies ist nützlich, um projektweite Standards durchzusetzen, ohne sie in jeder CLAUDE.md-Datei zu wiederholen. Anweisungen werden im Auto-Load-Kontext vor den aktuellen Sitzungszusammenfassungen angezeigt.

Zusammen mit LoreDocs bildet LoreConvo einen tragbaren Projektarbeitsbereich für ganz Claude – Sitzungsgedächtnis UND strukturiertes Wissen, vollständig auf deinem Rechner. Während Cloud-KI-Arbeitsbereiche dich an ein Ökosystem binden, funktioniert das Lore-Paar über jede Claude-Oberfläche, die du bereits nutzt.

MEMORY.md-Auto-Indexierung

Wenn dein Projekt eine MEMORY.md-Datei hat, indexiert LoreConvo sie automatisch bei jedem Sitzungsstart. Die Inhalte werden neben deinen regulären Sitzungen über search_sessions durchsuchbar.

Das bedeutet, dass Claude Projektkonventionen, Teamnotizen oder Architekturentscheidungen aus MEMORY.md abrufen kann, ohne dass du sie erwähnen musst. Suchergebnisse aus MEMORY.md sind mit memory_md getaggt und haben source='file_memory', damit du sie von regulären Sitzungseinträgen unterscheiden kannst.

Welches Verzeichnis wird gescannt?

Standardmäßig scannt LoreConvo das Verzeichnis, in dem Claude Code ausgeführt wird (das aktuelle Arbeitsverzeichnis). Um auf ein anderes Verzeichnis zu zeigen, übergib LORECONVO_PROJECT_PATH als Umgebungsflag in deinem claude mcp add --scope user-Befehl:

"--env=LORECONVO_PROJECT_PATH=/Users/YOUR_USERNAME/projects/my_project"

Ersetze YOUR_USERNAME und my_project durch deine tatsächlichen Werte. Verwende den vollständigen absoluten Pfad – verwende nicht ~ oder $HOME.

Filtern von MEMORY.md-Einträgen in Suchergebnissen

Um MEMORY.md-Einträge in eine Suche einzubeziehen, verwende search_sessions normal – sie erscheinen automatisch. Um nur MEMORY.md-Einträge zu sehen, filtere nach Tag:

„Suche LoreConvo-Sitzungen mit dem Tag memory_md nach ‚Datenbankkonventionen‘.“

Der Index wird bei jedem Sitzungsstart aktualisiert (idempotent – es sammeln sich keine Duplikate an).

Installation überprüfen

Nach der Installation überprüfe, ob LoreConvo funktioniert, indem du Claude fragst:

„Führe get_recent_sessions aus und zeige mir die Ergebnisse.“

Wenn du eine Liste von Sitzungen siehst (oder eine leere Liste, wenn es dein erstes Mal ist), ist LoreConvo verbunden. Wenn du einen Fehler über fehlende Tools erhältst, führe bash install.sh erneut aus und lade das Plugin neu.

Zur Überprüfung der Hooks (nur Claude Code):

„Prüfe, ob LoreConvo zu Beginn dieser Sitzung automatisch Kontext geladen hat.“

Wenn der SessionStart-Hook funktioniert, hat Claude automatisch Kontext aus deinen letzten Sitzungen erhalten.

Empfohlene CLAUDE.md-Einrichtung

Für die beste Erfahrung füge den folgenden Ausschnitt zu deiner ~/.claude/CLAUDE.md (global) oder der CLAUDE.md deines Projekts hinzu. Dies teilt Claude mit, wie LoreConvo konsistent über Sitzungen hinweg verwendet wird.

## LoreConvo (persistent session memory)

At session start:
1. Call `get_recent_sessions` to check for recent context relevant to the current work.
2. Use this context to avoid re-explaining things already discussed in prior sessions.

During the session:
- If important decisions are made or domain knowledge is shared, note it for the session summary.

At session end:
- Call `save_session` with a summary of what was accomplished, key decisions, open questions,
  and any artifacts created. Use appropriate tags (e.g., project name, surface).

Für Cowork-Benutzer: Cowork führt Hooks nicht automatisch aus. Füge Anweisungen hinzu, get_recent_sessions zu Sitzungsbeginn und save_session am Sitzungsende in deiner Projekt-CLAUDE.md aufzurufen. Siehe COWORK_RESTORE.md für Details.

Pläne: Kostenlos vs. Pro

LoreConvo ist lokal-first und kostenlos nutzbar. Pro (8 $/Monat) entfernt das Sitzungslimit und schaltet LLM-qualitative Zusammenfassungen, hybride Abrufsuche und produktübergreifende Verknüpfung frei. Alles läuft auf deinem Rechner, egal welcher Plan – Pro fügt keine Cloud-Komponente hinzu.

Kostenlose Suche: Schlüsselwörter (FTS5) + Aktualitätsreihenfolge. Pro-Suche: Hybrider Abruf – Vektor (BGE-small-en-v1.5), BM25-Volltext und Aktualitäts-Reranking kombiniert über RRF-Fusion. Findet Sitzungen nach Bedeutung, nicht nur nach Schlüsselwörtern.

Prüfe deinen aktuellen Tarif und deine Nutzung mit get_tier. Aktiviere eine Pro-Lizenz mit vault_set_tier.

Funktionen

• Automatische Sitzungserfassung: Sitzungen werden am Ende der Sitzung gespeichert und am Anfang der Sitzung über Claude-Code-Hooks geladen – kein manueller save_session-Aufruf erforderlich

• Clientübergreifendes Gedächtnis: Dein Kontext folgt dir über Claude Code, Cowork, Cursor, Codex und Hermes – nicht an eine IDE oder einen Rechner gebunden

• Strukturierte Sitzungen: Erfasst Entscheidungen, Artefakte, offene Fragen – nicht nur Rohtext; optionales Feld reasoning_notes speichert Agenten-Argumentationsketten

• Projektorganisation: Gruppiere Sitzungen nach Projekt mit erwarteten Skill-Sets

• Skill-Tracking: Erfasse, welche Skills verwendet wurden, für intelligente Filterung

• Persona-Tagging: Hierarchische Personas für agentenspezifisches Gedächtnis (z. B. ron-bot:sql)

• Volltextsuche: SQLite FTS5 für schnelle Stichwortsuche über alle Sitzungen

• MEMORY.md Auto-Indexierung: Deine Projekt-MEMORY.md wird beim Sitzungsstart automatisch indexiert und ist über search_sessions zusammen mit regulären Sitzungen durchsuchbar

• LLM-asynchrone Sitzungszusammenfassung (Pro): Automatisch gespeicherte Sitzungen werden im Hintergrund mit Claude Haiku zu LLM-Qualitätszusammenfassungen aufgewertet. Opt-in durch Setzen von LORECONVO_ANTHROPIC_API_KEY. Ein Tageslimit (LORECONVO_SUMMARIZER_DAILY_CAP, Standard 100) verhindert unkontrollierte API-Ausgaben. Nur Pro-Tarif.

• Embeddingbasierte Erkennung verwandter Sitzungen (Pro): get_related_sessions erkennt automatisch Sitzungen mit ähnlichem Inhalt mithilfe von BGE-small-en-v1.5-Embeddings (Kosinus >= 0,75). Bis zu 10 bidirektionale Auto-Links pro Speicherung, auf das gleiche Projekt beschränkt. Der Free-Tarif erhält Keyword-Ko-Vorkommens-Links. Setze LORECONVO_EMBEDDING_LINKS=0, um Embedding-Links zu deaktivieren.

• Produktübergreifende Dokumentverknüpfung (Pro): Erkennt und verknüpft automatisch die für eine Sitzung relevantesten LoreDocs-Dokumente und umgekehrt. Verwendet zwei neue Tools: get_docs_for_session und session_link_doc. Erfordert sowohl LoreConvo Pro als auch LoreDocs Pro.

• Local-first: SQLite-Datenbank, keine Cloud-Abhängigkeit, null API-Kosten

Tarife

Free – 50 Sitzungen

• Vollständiger Funktionsumfang: Auto-Load, Volltextsuche, Tagging, Sitzungsverknüpfung, Export und Import

• Lokale SQLite-Speicherung – deine Daten, dein Rechner, kein Cloud-Konto erforderlich

• Ein-Klick-Installation über den Anthropic Marketplace

Pro – 8 $/Monat

• Unbegrenzte Sitzungen

• Team-Speicherung: Sitzungen mit Teammitgliedern teilen (local-first asynchroner Export/Import, kein Server erforderlich)

• Erkennung verwandter Sitzungen und semantische Suche

• Anthropic Managed-Agent-Export

• LLM-Qualitätszusammenfassung von Sitzungen im Hintergrund (asynchron)

Upgrade auf Pro – 8 $/Monat

MCP-Tools

LoreConvo bietet 39 MCP-Tools, die Claude während der Sitzungen automatisch aufruft. Die folgende Tabelle zeigt die am häufigsten verwendeten – siehe MCP-Tool-Katalog für die vollständige Referenz.

Anforderungen

• Python 3.10+

• macOS oder Linux

• mcp und click (werden von install.sh automatisch installiert)

Daten und Datenschutz

LoreConvo ist local-first. Alle Daten liegen in ~/.loreconvo/sessions.db auf deinem Rechner.

• Erfasste Daten: Sitzungstitel, Zusammenfassungen, Tags, Oberflächenkennungen, Projektnamen und Skill-Namen, die du beim Speichern angibst. Keine Telemetrie, Nutzungsanalysen oder Kennungen werden automatisch erfasst.

• Speicherung: SQLite-Datenbank unter ~/.loreconvo/sessions.db. Keine Cloud-Speicherung. Überschreibe den Pfad mit der Umgebungsvariable LORECONVO_DB.

• Weitergabe an Dritte: Standardmäßig keine. Daten verlassen deinen Rechner nur, wenn du optionale KI-Zusammenfassung (Pro) aktivierst, indem du LORECONVO_ANTHROPIC_API_KEY setzt. Diese sendet einen begrenzten Transkriptauszug an die Anthropic-API unter deinem eigenen Schlüssel. Lasse den Schlüssel ungesetzt, und alles bleibt lokal.

• Aufbewahrung: Daten werden aufbewahrt, bis du sie über delete_session löschst oder die Datenbankdatei manuell entfernst. Kein automatischer Ablauf.

• Kontakt: info@labyrinthanalyticsconsulting.com

Vollständige Datenschutzerklärung: https://labyrinthanalyticsconsulting.com/privacy

Fehlerbehebung

MCP-Tools werden in Claude Code nicht angezeigt? Stelle sicher, dass du zuerst bash install.sh ausgeführt hast. Der .venv muss mit installierten Abhängigkeiten existieren.

Fehler „No module named 'mcp'"? Die .mcp.json verweist auf .venv/bin/python3 im Plugin-Ordner. Wenn du den Ordner verschoben hast, führe bash install.sh erneut aus.

Cowork kann in Code gespeicherte Sitzungen nicht sehen? Bitte Claude, „meinen ~/.loreconvo-Ordner zu mounten", damit Cowork auf die gemeinsame Datenbank zugreifen kann.

Fallback-Skript (direkter Datenbankzugriff)

Wenn der MCP-Server nicht erreichbar ist (z. B. in geplanten Aufgaben oder Automatisierungsskripten), bietet scripts/save_to_loreconvo.py dieselben Kernoperationen direkt gegen die SQLite-Datenbank an.

# Save a session
python scripts/save_to_loreconvo.py \
    --title "Daily QA run" \
    --surface "qa" \
    --summary "Ran full test suite. All passing." \
    --tags '["qa", "automated"]'

# Read recent sessions
python scripts/save_to_loreconvo.py --read --limit 5

# Filter by surface
python scripts/save_to_loreconvo.py --read --surface code --limit 3

# Search sessions
python scripts/save_to_loreconvo.py --search "tax pipeline"

Das Skript findet die Datenbank automatisch unter ~/.loreconvo/sessions.db (oder übergeben Sie --db-path explizit). Es generiert korrekte UUIDs und schreibt dasselbe Schema wie das MCP-Tool save_session.

Neues

v0.10.6 (2026-08-19)

Behoben: Fehlerwarnungen konnten während genau des Ausfalls, den sie erkennen sollen, stumm bleiben

Wenn ein Save-Hook früh genug abstürzte -- bevor er den Start abgeschlossen hatte -- wurde nie ein Fehler aufgezeichnet, sodass die Warnung „Automatisches Speichern funktioniert nicht mehr" in genau der Situation stumm blieb, für die sie gedacht ist. Save-Hooks zeichnen jetzt über einen Backup-Pfad einen Fehler auf, selbst wenn sie so früh sterben, sodass die Warnung für jeden Fehlermodus ausgelöst wird, nicht nur für diejenigen, die weit genug kommen, um selbst zu berichten.

Die vollständige Versionshistorie finden Sie im Changelog.

Lizenz

Business Source License 1.1 (BSL 1.1) - Labyrinth Analytics Consulting

Kostenlos für die persönliche/nicht-kommerzielle Nutzung (bis zu 50 Sitzungen). Für die kommerzielle Nutzung ist eine kostenpflichtige Lizenz erforderlich. Wird am 2030-03-31 zu Apache 2.0 konvertiert. Details finden Sie in der LICENSE.