Agent Memory System
RAVBYTE TECHNOLOGIES PRIVATE LIMITED · Coding
Agent Memory System ist eine Open-Source-Gedächtnisschicht, die jedem Repository in einem Arbeitsbereich eine dauerhafte, lesbare Aufzeichnung von Projektkontext, Ausführungsverlauf und Übergaben gibt. Sie führen einen einzigen Befehl aus, und er durchsucht Ihre Ordner nach Manifesten, Routen, APIs, Konfigurationen und Tests und schreibt dann Markdown- und JSON-Indexe, die Codex, Claude, Cursor und andere Coding-Agenten lesen können. Es ist für Entwickler gedacht, die es leid sind, ihrem frischen Assistenten jedes Mal die Codebasis neu zu erklären, wenn eine Sitzung endet. Kommt Ihnen das bekannt vor?
Über Agent Memory System
Was ist Agent Memory System
Agent Memory System (AMS) ist Kontextinfrastruktur für KI-Coding-Agenten. Statt einen Agenten den Kontext Ihres Projekts in jeder Sitzung neu entdecken zu lassen, kartiert es den Arbeitsbereich einmal und hält diese Karte in Dateien, die der Agent bereits öffnen kann. Die gepflegte Version liegt auf npm als @ravbyte/agent-memory-system und gehört RAVBYTE TECHNOLOGIES PRIVATE LIMITED.
Das Problem, das es löst, ist Kontinuität. Ein einzelnes Repository umfasst oft viele Ordner, und ein Arbeitsbereich kann mehrere Repositories gleichzeitig enthalten. Der Wechsel zwischen Antigravity, Codex, Claude oder Cursor bedeutet meist, alles zu verlieren, was der letzte Assistent verstanden hat. AMS schreibt dieses Verständnis auf. Der nächste Agent startet informiert statt leer.
Die wichtigste Einschränkung: Es ist ein CLI-Werkzeug, kein gehosteter Dienst. Es gibt kein Dashboard und kein Konto, also läuft die Einrichtung in Ihrem Terminal, und die Pflege hängt davon ab, den Wartungsbefehl auszuführen, wenn sich Ihr Code ändert. Außerdem brauchen Sie Node.js, da die Installation über npx läuft.
Erste Schritte
- Öffnen Sie ein Terminal in dem Arbeitsbereich, den Sie kartieren möchten, und führen Sie
npx @ravbyte/agent-memory-system@latest initaus. - Lassen Sie den Scanner Ihre Ordner durchlaufen; er erkennt Manifeste, Routen, APIs, Konfigurationen, Tests, Speicherhinweise und generierte Verzeichnisse.
- Sehen Sie sich den erzeugten Ordner
memory/an, der einen Kontextindex sowie Markdown-Dateien für Richtlinien und Arbeitsprotokolle enthält. - Übergeben Sie die Arbeit mit
agent-memory worklog handoff --agent codex --message "tests pass; next publish pages"an den nächsten Agenten. - Halten Sie das Gedächtnis aktuell, indem Sie nach strukturellen Git-Änderungen
agent-memory maintain --since mainausführen.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Agent Memory System.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Solo-Entwickler mit mehreren Nebenprojekten
- Teams, die Arbeit zwischen Menschen und Assistenten übergeben
- Entwickler, die mehrere Coding-Agenten testen
Aufgaben
- Einen neuen KI-Agenten in eine große Codebasis einarbeiten
- Verfolgen, was sich nach einem Refactoring geändert hat
- Die Reichweite einer API-Änderung finden
Szenarien
- Ein Projekt nach zwei Wochen Pause fortsetzen
- Eine halbfertige Aufgabe über Nacht an einen anderen Agenten übergeben
- Ein sicherheitsbewusstes Repository betreiben
Wichtigste Funktionen
Repository-Scan
Ein einziger Befehl kartiert jedes Repository in einem Arbeitsbereich. Der Scanner liest Manifeste, Routen, APIs, Konfigurationen, Tests, Speicherhinweise und Dokumentation und schreibt dann Markdown neben einen JSON-Themenindex. Die Ausgabe ist reiner Text, sodass jeder Agent mit Dateizugriff sie ohne Plugin nutzen kann.
Git-bewusste automatische Pflege
Gedächtnis driftet, wenn sich Code bewegt, und AMS versucht das zu verhindern. Der Befehl agent-memory maintain --since main erkennt strukturelle Änderungen in Git, frischt den Gedächtnisordner auf und prüft das Ergebnis. Der Punkt ist, zu verhindern, dass veralteter Kontext still in einem Code-Review auftaucht. Sonst lohnt es sich nicht.
Übergaben zwischen Agenten
Der worklog-Befehl lässt einen Agenten eine Notiz für den nächsten hinterlassen. Sie können den Empfänger markieren, eine kurze Nachricht mitgeben, und das Werkzeug schreibt eine Übergabedatei, die der folgende Assistent beim Start liest. Der Claude-Kontext und das Cursor-Agent-Gedächtnis bleiben so erhalten. Der Wechsel zwischen Agenten fühlt sich nicht mehr wie ein Neustart an.
Intelligenz des Abhängigkeitsgraphen
Die integrierte statische Analyse kartiert Abhängigkeiten und Architekturschichten. Agenten fragen den Graphen, um herauszufinden, welche Dateien brechen, wenn sich eine API ändert, was ein Ratespiel in einen Nachschlag verwandelt. Das Projekt wirbt mit O(1)-Graphabfragen und null fehlenden Imports. Praktisch bei großen Repositories.
Geheimnisbewusstes Gedächtnis
Gedächtnisdateien sollen ein System erklären, nicht Zugangsdaten offenlegen. AMS hält die Namen von Umgebungsvariablen fest, blockiert offensichtliche geheime Muster, meidet generierte und Anbieterverzeichnisse und kennzeichnet abgeleitete Inhalte, damit Agenten wissen, was geraten und was bestätigt wurde. Prüfen Sie den Ordner, bevor Sie ihn committen.
Offene Benchmark-Werkzeuge
Ein Open-Source-Benchmark-Werkzeug vergleicht Kaltstart-Workflows von Agenten mit AMS-geführten Durchläufen bei Repository-Verständnis, Debugging, Wiederherstellung und Multi-Agent-Kontinuität. Die Maintainer räumen ein, dass die aktuellen Zahlen ihre eigenen Messungen sind und noch unabhängig reproduziert werden müssen. Gut zu wissen, bevor Sie sie zitieren.
Vor- und Nachteile
Vorteile
- Kostenlos und MIT-lizenziert, also gibt es keine Preisstufe abzuwägen und Sie können den Quellcode lesen.
- Das Gedächtnis liegt in reinem Markdown und JSON, was es portabel macht und auf Codex, Claude, Cursor und Antigravity funktioniert.
- Die Git-bewusste Pflege hält den Index nah am tatsächlichen Stand des Codes statt an einer Momentaufnahme von vor Monaten.
- Die Sicherheitsvoreinstellungen blockieren offensichtliche Geheimnisse und überspringen Anbieterpfade, was bei geteilten Repositories zählt.
Nachteile
- Kein gehosteter Dienst und kein Dashboard bedeuten, dass die Pflege ein Befehl ist, an den Sie sich erinnern müssen.
- Die Benchmark-Ergebnisse stammen von den Maintainern und sind noch nicht unabhängig geprüft, behandeln Sie die Leistungsaussagen also als vorläufig.
- Sie brauchen Node.js eingerichtet, was einen zusätzlichen Schritt für Teams bedeutet, die nur in Python- oder Go-Umgebungen arbeiten.
Häufige Fragen
Es scannt Ihre Repositories in dauerhafte Markdown- und JSON-Indexe, die KI-Coding-Agenten eine gemeinsame Aufzeichnung von Projektkontext, Verlauf und Übergaben geben. Sehen Sie es als Notizbuch, aus dem Ihre Agenten lesen, statt Ihren Code in jeder Sitzung neu zu entdecken.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Agent Memory System.
Alternativen zu Agent Memory System
Forefront
Forefront · CodingForefront ist eine Webplattform zum Bauen mit Open-Source-KI. Sie lassen sich führende Open-Source-Sprachmodelle mit eigenen Daten feintunen, ihre Leistung bewerten und sie über eine API ausführen oder exportieren, um sie selbst zu hosten. Entwickler, die den Komfort einer geschlossenen Plattform wollen, aber darauf bestehen, ihre Modelle und Daten zu besitzen, sind hier die Zielgruppe.
Startkit
StartKit.AI · CodingStartkit ist ein Boilerplate zum Bauen von KI-SaaS-Produkten und KI-Wrappern. Man kann es sich als KI-Startup-Boilerplate vorstellen, bei dem die langweiligen Teile schon verdrahtet sind: Authentifizierung, Zahlungen über Stripe und Lemon Squeezy, Nutzungslimits, transaktionale E-Mail und ein KI-API-Starter-Kit, das mit OpenAI, Anthropic, Groq oder Llama spricht. Man klont das Repository, setzt seinen Preis und kümmert sich um den Teil des Produkts, für den Menschen wirklich bezahlen. Es basiert auf Next.js über React und Tailwind, deshalb fühlt sich ein Großteil des Boilerplate-Codes schon vertraut an.
Testim
Tricentis · CodingTestim ist eine KI-gestützte Plattform für Testautomatisierung, mit der man End-to-End-Tests für Web-, Mobile- und Salesforce-Anwendungen baut und ausführt. Sie setzt auf maschinelles Lernen, um Tests stabil zu halten, wenn sich eine Oberfläche ändert, sodass Teams weniger Zeit mit der Reparatur kaputter Selektoren verbringen. Nicht schlecht für ein Tool für automatisierte Tests, das Sie heute schon nutzen können. Sie erstellen Tests, indem Sie Aktionen im Browser aufzeichnen, und fügen danach JavaScript hinzu, wenn Sie mehr Kontrolle brauchen. Für ein beschäftigtes QA-Team eine solide Wahl.