🧠 Mnemos

Hör auf, täglich 10 $ für KI-Kontext zu verschwenden. Gib deinen KI-Coding-Agenten kostenlos ein Langzeitgedächtnis.

Mnemos ist eine blitzschnelle, persistente Speicher-Engine für KI-Coding-Agenten (Kiro, Claude Code, Cursor, Windsurf). Sie fungiert als „zweites Gehirn“ über das Model Context Protocol (MCP) und spart dir Geld und Frust.

💸 Die Realität des KI-Codings

❌ Ohne Mnemos: Deine Sitzung wächst auf 50.000 Token an. Die KI wird verwirrt und vergisst frühere Anweisungen. Du löschst den Chat, um Geld zu sparen. In der nächsten Sitzung musst du deine Projektstruktur, CSS-Konventionen und alte Fehler erneut erklären. Ergebnis: Verschwendete Zeit und hohe API-Rechnungen.

✅ Mit Mnemos: Deine KI lernt Architektur-Entscheidungen, Fehlerursachen und Projektkonventionen einmal. Mnemos dedupliziert und speichert diese automatisch. In der nächsten Sitzung injiziert Mnemos präzise nur die relevanten 2.000 Token an Kontext. Ergebnis: Unendliche Speicherkontinuität über Sitzungen hinweg für ein paar Cent.

🚀 Warum es ein Must-Have ist

Zero Bullshit Stack: Einzelne Go-Binärdatei. Eingebettetes reines Go-SQLite (FTS5). Null Laufzeitabhängigkeiten. Kein Docker. Kein Python. Kein Node.
MCP-Nativ: Speziell für das Model Context Protocol entwickelt. Lässt sich direkt in deine bevorzugten Agenten integrieren.
1-Klick-Autopilot: Verbindet sofort Hooks, .cursorrules und MCP-Konfigurationen für Claude Code, Cursor und Kiro.
Intelligenter Lebenszyklus: Integrierte 3-stufige Deduplizierung, Relevanzzerfall und Garbage Collection. Es merkt sich nur das, was wirklich wichtig ist.
Hybride Suche: Schnelle lokale FTS5-Stichwortsuche + optionale semantische Vektorsuche (Ollama/OpenAI) mittels Reciprocal Rank Fusion (RRF).

⚡ Schnellstart

In 30 Sekunden einsatzbereit:

# 1. Install via curl (macOS/Linux)
curl -fsSL https://raw.githubusercontent.com/mnemos-dev/mnemos/main/install.sh | bash

# Or via Homebrew (macOS)
brew install s60yucca/tap/mnemos

# 2. First-time setup
mnemos init

# 3. Start the MCP server (runs in background/stdio)
mnemos serve

🔌 1-Klick-Autopilot-Integrationen

Mnemos ist nicht nur eine dumme Datenbank. Es injiziert aktiv Speicher in deinen Workflow. Führe einen dieser Befehle aus, um es sofort zu verbinden:

# For Kiro (Fully Tested & Highly Recommended)
mnemos setup kiro

# For Cursor (Experimental - Community Testing)
mnemos setup cursor

# For Claude Code (Experimental - Community Testing)
mnemos setup claude

Boom. Dein Agent erinnert sich jetzt automatisch an alles. Ab jetzt gilt:

Sitzungsstart: Mnemos lädt relevanten Kontext.
Während der Arbeit: Mnemos durchsucht den Speicher, wenn sich das Thema ändert.
Sitzungsende: Mnemos speichert die dauerhaften Erkenntnisse sicher ab.

(Verwende --global, um es für alle Projekte zu installieren, oder --force, um bestehende Konfigurationsdateien zu überschreiben).

🆚 Warum Mnemos?

Feature	claude-mem	engram	neural-memory	mnemos 🧠
MCP-nativ	✅	✅	✅	✅
Zero BS Stack	❌	✅	❌ (pip)	✅ (Einzelne Go-Binärdatei)
1-Klick-Autopilot-Setup	❌	❌	❌	✅
Hybride Suche (FTS + Vektor)	❌	❌	❌	✅
Speicherzerfall / GC	❌	❌	✅	✅
Intelligente Deduplizierung	❌	❌	❌	✅ (3-stufig)
Token-Budget-Kontext	❌	teilweise	❌	✅
Funktioniert mit Cursor & Windsurf	❌	✅	✅	✅

🛠️ CLI-Meisterschaft

Mnemos kommt mit einer leistungsstarken CLI, wenn du selbst Hand anlegen möchtest:

mnemos store "JWT uses RS256, tokens expire in 1h"    # store a memory manually
mnemos search "authentication"                        # hybrid search
mnemos search "auth" --mode text                      # text-only search
mnemos list --project myapp                           # list memories
mnemos get <id>                                       # fetch by id
mnemos update <id> --content "updated text"           # update
mnemos delete <id>                                    # soft delete
mnemos delete <id> --hard                             # permanent delete
mnemos relate <src-id> <tgt-id> --type depends_on     # create relation
mnemos stats --project myapp                          # storage stats
mnemos maintain                                       # force decay + GC

⚙️ Erweiterte Konfiguration & Embeddings

Mnemos funktioniert vollständig offline ohne Konfiguration mittels FTS5-Textsuche. Wenn du semantische Suche möchtest (Erinnerungen nach Bedeutung finden, nicht nur nach Stichworten), kannst du einfach Ollama oder OpenAI anschließen.

Bearbeite ~/.mnemos/config.yaml:

Lokal & Kostenlos (Ollama):

embeddings:
  provider: ollama
  base_url: http://localhost:11434
  model: nomic-embed-text
  dims: 768

OpenAI:

embeddings:
  provider: openai
  model: text-embedding-3-small
  dims: 1536
  api_key: sk-...

⚡ Leistung

Getestet auf macOS (Apple Silicon), SQLite WAL-Modus, Kaltstart des Prozesses pro Vorgang:

store (neu): 24-57 ms (inklusive Deduplizierungsprüfung)
search hybrid (RRF): ~40 ms
Kontextzusammenstellung (Token-Budget-Packung): < 1 ms
Binärgröße: ~12 MB
Laufzeitabhängigkeiten: 0

🌐 REST-API

Musst du Mnemos mit etwas anderem verbinden? Führe es als REST-API aus:

mnemos serve --rest --port 8080

(Unterstützt Standard GET, POST, PATCH, DELETE auf /memories, /search, /stats usw.)

🏗️ Aus Quellcode bauen

git clone https://github.com/mnemos-dev/mnemos
cd mnemos
make build    # → bin/mnemos

📜 Lizenz

MIT

mnemos