wasurenagusa

Bringe deinem KI-Coding-Agenten bei, aus seinen Fehlern zu lernen.

wasurenagusa (Vergissmeinnicht) — eine japanische Blume, deren Name bedeutet: „Vergiss mich nicht.“

Das Problem

KI-Coding-Agenten sind leistungsstark, aber vergesslich. Jede Sitzung beginnt bei Null — deine Projektkonventionen, vergangenen Entscheidungen und hart erlernten Lektionen verschwinden, sobald eine Sitzung endet.

Bestehende Lösungen erfordern entweder manuellen Aufwand oder speichern einfach rohe Erinnerungen, die so lange anwachsen, bis sie das Kontextfenster überfordern.

Related MCP server: memory-bank-mcp

Die Lösung

wasurenagusa ist ein MCP-Server, der nicht nur erinnert — er lernt.

1. Erkennt Fehler automatisch — Fängt Wiederholungsmuster, Benutzerfrustration und wiederholte Fehlschläge ab.

2. Destilliert Lektionen zu Prinzipien — Das LLM komprimiert Hunderte von rohen Einträgen zu einer Handvoll umsetzbarer Regeln.

3. Wandelt Negative in Positive um — Generiert positiveRule neben jedem Prinzip: „Tu nicht X“ wird zu „Tu stattdessen Y“. Die Forschung zeigt, dass LLMs bejahenden Anweisungen deutlich besser folgen als Verboten (Pink Elephant Problem).

4. Komprimiert Konfigurationen zu Themen — Das LLM gruppiert verstreute Einstellungen zu kohärenten Zusammenfassungen und bewahrt Fakten wie Ports und Pfade.

5. Injiziert nur das Wichtige — Konsolidiertes Wissen + aktive Einstellungen. Kein Vorlagen-Ballast, keine doppelten Einträge.

6. Hybride Suche (Volltext + semantisch) — SQLite-basierter Speicher mit lokaler Embedding-Inferenz (keine externe API erforderlich). Volltextsuche mit japanischer Unterstützung + semantische Vektorsuche, zusammengeführt und dedupliziert. Funktioniert komplett offline.

7. Intelligentes Tag-Retrieval — LLM-generierte gewichtete Tags + zusammengesetzte Bewertung (Aktualität, Tag-Gewichtung, Zugriffshäufigkeit) optimieren die Abrufpriorität, ohne Daten zu verwerfen.

8. Speicher-Stash/Restore — Lagere Erinnerungen vorübergehend aus dem aktiven Kontext aus, um Platz im Kontextfenster zu sparen, und stelle sie bei Bedarf wieder her. Ideal für lange Sitzungen mit Sub-Agenten.

Vollautomatisch über Claude Code Hooks — null Konfiguration nach der Einrichtung.

Auswirkungen in der Praxis

Aus der täglichen Nutzung des Autors in 8 Produktionsprojekten (mit projektübergreifender Speicherfreigabe zwischen ihnen):

1,581 "dont" entries   →  5-9 principles per project    (LLM consolidation)
  each with positiveRule  →  affirmative-only injection  (Pink Elephant fix)
29 config entries      →  4-5 thematic summaries        (LLM consolidation)
21,800 chars raw data  →  6,200 chars injected           (71% reduction)

Demo

1. Sitzung 1: Claude verwendet Port 3000 — der Benutzer korrigiert dies auf 8080.

2. Stop Hook: wasurenagusa analysiert automatisch die Konversation und zeichnet den Fehler auf.

3. Sitzung 2: Claude verwendet korrekt Port 8080, ohne dass es ihm gesagt werden muss.

Warum wasurenagusa

Die meisten Speicher-Tools speichern, was passiert ist. wasurenagusa bringt deiner KI bei, warum Dinge schiefgelaufen sind — und stellt sicher, dass sie denselben Fehler nie wiederholt.

Es ist keine Speicherbank. Es ist ein Lernsystem.