Erste Erinnerung Schritt für Schritt

Einfach gesagt: Ein praktisches Tutorial — erfasse einen Gedanken, durchsuche deine Erinnerungen und erhalte über deinen verbundenen KI-Assistenten eine fundierte Antwort.

Dieses Tutorial setzt voraus, dass du Cursor oder Claude verbinden abgeschlossen hast und eine funktionierende MCP-Verbindung besitzt.

Für wen das gedacht ist

• Integratoren, die eine MCP-Verbindung mit praktischen Tool-Calls prüfen
• Self-Hosted-Nutzer, die das Cursor- oder Claude-Setup abgeschlossen haben

Schritt 1 — Einen Gedanken erfassen

Bitte deinen Assistenten, eine Erinnerung zu speichern, oder rufe das Tool direkt auf, falls dein Client rohe MCP-Calls erlaubt:

Tool: capture_thought

{
  "raw": "I'm building a side project using SvelteKit and PostgreSQL. Deadline is end of Q3."
}

Erwartetes Ergebnis: Eine Erfolgsmeldung mit einer Thought-id und einer natürlichsprachlichen Zusammenfassung dessen, was gespeichert wurde. Im Hintergrund normalisiert Eigen Mesh den Text, klassifiziert ihn, berechnet ein Embedding, aktualisiert den lexikalischen Index und synchronisiert Graph-Knoten in Apache AGE.

Schritt 2 — Aktuelle Gedanken durchstöbern

Tool: retrieve_thoughts

{
  "order": "created_at",
  "top_k": 10
}

Erwartetes Ergebnis: Deine aktuellsten offenen Gedanken, neueste zuerst. Ergebnisse sind auf deinen Nutzer beschränkt (nur Textfelder — keine Embedding-Vektoren).

Der Gedanke aus Schritt 1 sollte in der Liste erscheinen.

Schritt 3 — Erinnerungen durchsuchen

Tool: retrieve_thoughts

{
  "query": "What tech stack am I using for my side project?",
  "top_k": 5
}

Erwartetes Ergebnis: Gerankte Treffer mit normalizedText, category und fusioniertem score. Die hybride Suche kombiniert pgvector-Ähnlichkeit, PostgreSQL-Volltextsuche und vorberechnete Graph-Nachbarn — anschließend verfeinert ein listenweiser LLM-Reranker die besten Ergebnisse.

Optional: "threshold": 0.3 filtert Ergebnisse unterhalb eines normalisierten Scores im Bereich [0, 1].

Schritt 4 — Eine fundierte Frage stellen

HTTP MCP hat kein answer_question-Tool. Bitte deinen Assistenten, aus dem abgerufenen Kontext zu antworten, oder rufe zuerst retrieve_thoughts auf:

Tool: retrieve_thoughts

{
  "query": "When is my side project deadline?",
  "top_k": 5
}

Erwartetes Ergebnis: Gerankte Gedanken-Treffer. Dein Assistent (oder du selbst) formuliert eine natürlichsprachliche Antwort unter Angabe der zurückgegebenen Thought-IDs — das reduziert Halluzinationen, da nur auf abgerufenem Text basiert wird.

Tipp: Die In-App-Chat-UI (/chat) übernimmt „Abrufen, dann Formulieren" automatisch.

Schritt 5 — Eine Erinnerung bearbeiten

Tool: edit_thought

{
  "thought_id": "<id-from-step-1>",
  "edit_request": "Change the deadline to end of Q4 instead of Q3."
}

Erwartetes Ergebnis: Aktualisierte Zusammenfassung des Gedankens. Das System berechnet das Embedding neu und aktualisiert die Graph-Verknüpfungen.

Was du gelernt hast

Fehlerbehebung

Siehe Fehlerbehebung, falls Tool-Calls fehlschlagen oder leere Ergebnisse liefern.

Nächste Schritte

• Wie das Gedächtnis funktioniert — die Pipeline hinter diesen Tools
• MCP-Tools-Referenz — vollständige Verträge
• HTTP-API-Übersicht — REST-Endpoints für eigene Apps