Wie das Gedächtnis funktioniert

Einfach gesagt: Du hältst Gedanken fest, sobald sie dir einfallen. Eigen Mesh ordnet sie im Hintergrund und macht sie später durchsuchbar — im Browser oder über verbundene KI-Tools — ohne dass du ablegen, taggen oder Kontext bei jeder Sitzung wiederholen musst.

Für wen das gedacht ist

• Endnutzer, die im Browser oder über verbundene KI-Tools Erinnerungen erfassen und durchsuchen
• Integratoren, die verstehen wollen, was nach capture_thought und retrieve_thoughts passiert

Die Pipeline in Alltagssprache

1. Erfassen — Tippe oder diktiere einen Gedanken. Vorab ist keine Struktur nötig.
2. Ordnen — Eigen Mesh klassifiziert, verknüpft und indexiert das Gespeicherte automatisch.
3. Abrufen — Suche oder stelle eine Frage; relevante Erinnerungen erscheinen mit Belegen.
4. Konsolidieren — Über Nacht verblassen weniger wichtige Erinnerungen, während sich Verknüpfungen verstärken.

Du besitzt deine Daten in jedem Deployment-Modus. Self-Hosted-Betreiber kontrollieren die Infrastruktur; verwaltete Nutzer behalten Export-/Löschgarantien. Siehe Deployment-Modell.

Technische Details

Pipeline-Übersicht

flowchart LR
  Capture[Capture raw thought]
  Enrich[Enrich classify embed]
  Store[(Postgres pgvector)]
  Graph[(Apache AGE graph)]
  Materialize[Materialize neighbors bundles]
  Retrieve[Hybrid retrieval rerank]
  Compose[Grounded answer]
  Sleep[Nightly consolidation]

  Capture --> Enrich
  Enrich --> Store
  Enrich --> Graph
  Graph --> Materialize
  Materialize --> Retrieve
  Store --> Retrieve
  Retrieve --> Compose
  Store --> Sleep
  Graph --> Sleep

1. Erfassen

Du gibst unstrukturierten Text ein (tippen oder diktieren im Browser). Diktat nutzt serverseitige Sprache-zu-Text-Umwandlung (wird wie andere LLM-Calls über Plattform-Credits abgerechnet). Vorab ist kein Ablegen, Taggen oder Strukturieren nötig.

• Browser-UI: /capture mit optionaler Offline-Warteschlange (IndexedDB + Background Sync)
• MCP: capture_thought
• REST: POST /api/capture/submit

2. Anreicherung (Ingestion)

Beim Speichern führt der Server Folgendes aus:

1. Normalisiert und klassifiziert den Text (Ontologie-Kategorien: thought, task, idea, reference, date, person)
2. Berechnet ein Embedding und speichert es in pgvector (wird nie an Tools oder LLM-Prompts zurückgegeben)
3. Baut lexikalische Such-Tokens (tsvector / FTS) und lexical_text für die Stichwort-Trefferquote
4. Synchronisiert Knoten und Kanten in Apache AGE (OpenCypher-Graph in derselben Postgres-Instanz)
5. Materialisiert thought_neighbor, thought_entity und Community-Bundles für schnellen Abruf
6. Extrahiert Entitäten und Relationen; protokolliert die Aktivität mit transparenten Kosten pro Call

Das Ontologie-Profil wird bei jedem 10. erfassten Gedanken aktualisiert.

3. Abruf

Wenn du suchst oder eine Frage stellst:

1. Vektor-Kanal — pgvector Approximate Nearest Neighbor auf dem Query-Embedding
2. Lexikalischer Kanal — PostgreSQL-Volltextsuche über lexical_text und weitere Hinweise
3. Graph-Kanal — vorberechnete Nachbarn, entitätsverankerte Pfade und Community-Bundles (keine Live-AGE-Traversierung zur Abrufzeit)
4. Fusion — gewichtete Zusammenführung der Kanäle, anschließend listenweises LLM-Reranking über den Pool der Top-Kandidaten

Zugänge: MCP retrieve_thoughts, REST /api/retrieval/search, In-App-Chat-UI.

Aktuelle Gedanken lassen sich über MCP retrieve_thoughts mit order=created_at durchstöbern (ohne Query).

4. Fundierte Antworten

Der In-App-Chat-Agent ruft retrieve_thoughts auf und formuliert dann im Agent-Loop eine natürlichsprachliche Antwort mit Belegen. HTTP-MCP-Clients führen dasselbe zweistufige Muster in ihrem eigenen Client aus — es gibt kein answer_question-MCP-Tool.

Das LLM sieht ausschließlich Text und Scores — keine Embedding-Vektoren (Embeddings-Grenze).

5. Konsolidierung (Schlaf)

Nächtlich löst pg_cron die Konsolidierung aus:

Die Salienz steigt auch, wenn du tagsüber auf Erinnerungen zugreifst (Rekonsolidierung).

Fehlerbehebung

Siehe Fehlerbehebung für Probleme bei Abruf und Erfassung.

Nächste Schritte

• Architekturübersicht — Systemdomänen
• MCP-Übersicht — deinen Assistenten verbinden
• Embeddings-Grenze — Sicherheitsrichtlinie