Mengram
Mengram · Sonstiges
Mengram ist eine Open-Source-KI-Gedächtnis-API, die Anwendungen und Agenten ein persistentes, menschenähnliches Erinnern gibt. Sie speichert drei Gedächtnistypen, semantische Fakten, episodische Ereignisse und prozedurale Arbeitsabläufe, und ruft sie dann über einen einzigen Aufruf wieder ab. Entwickler, die Agentenprodukte bauen, nutzen sie, um den Kontext über Sitzungen hinweg zu behalten, während normale Nutzer sie als Gedächtnis-Connector zu Claude oder Cursor hinzufügen können.
Über Mengram
Was ist Mengram
Mengram ist eine KI-Gedächtnis-API für Entwickler, die wollen, dass ihre Agenten sich an Nutzer erinnern, statt jede Sitzung bei null zu beginnen. Sie dient sowohl als persistentes Gedächtnis für KI-Agenten als auch als Bibliothek, die Sie bei Bedarf abfragen. Wo ein Chatbot ein Gespräch vergisst, sobald das Fenster geschlossen wird, läuft bei Mengram eine Extraktionsschicht, die rohe Chat-Turns in strukturiertes Gedächtnis verwandelt, das Sie später durchsuchen können.
Der Kern der Idee ist, dass das menschliche Gedächtnis nicht eine einzige Sache ist. Mengram teilt das Erinnern in semantisches Gedächtnis (Fakten und Vorlieben), episodisches Gedächtnis (Ereignisse und Ergebnisse) und prozedurales Gedächtnis (Arbeitsabläufe Schritt für Schritt). Alle drei werden automatisch extrahiert, wenn Sie Nachrichten an die API senden, es ist also nicht einfach ein weiterer Vektorspeicher, der an einen Chatbot geschraubt wurde.
Sie ist Open Source unter Apache 2.0, sodass Teams mit Compliance-Anforderungen den Kern selbst hosten und dieselbe API-Oberfläche behalten können. Die größte Einschränkung ist der Umfang: Mengram ist ein Gedächtnis-Backend, kein Chat-Framework. Sie bringen weiterhin Ihr eigenes LLM, Ihre eigenen Prompts und Ihre eigene Agenten-Schleife mit. Hier schreibt nichts Antworten für Sie.
Die Preise von Mengram skalieren mit dem Volumen. Der kostenlose Tarif deckt Demos ab. Kostenpflichtige Tarife steigen von dort aus.
Erste Schritte
- Registrieren Sie sich bei mengram.io für einen kostenlosen API-Schlüssel (er beginnt mit
om-), oder führen Siemengram signup --email [email protected]im Terminal aus. - Installieren Sie das SDK mit
pip install mengram-aifür Python, oder fügen Sie das JavaScript-Paket für Node hinzu. - Senden Sie Ihr erstes Gedächtnis mit
m.add(messages, user_id="customer-4812"). Mengram extrahiert Fakten, Ereignisse und Arbeitsabläufe serverseitig. - Suchen Sie es später mit
m.search("how should I contact this customer?", user_id="customer-4812")wieder heraus. - Für toolnative Agenten fügen Sie die Ein-Klick-Connector-URL in Claude, Cursor oder einen beliebigen MCP-Client ein.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Mengram.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Entwickler, die Agentenprodukte bauen
- Solo-Entwickler und Indie-Programmierer
- Power-User von Claude und Cursor
Aufgaben
- Nutzerpräferenzen über Sitzungen hinweg merken
- Verfolgen, was passiert ist und wie es ausging
- Arbeitsabläufe aus Fehlern lernen
Szenarien
- Kundensupport-Agenten für Tausende Nutzer
- Coding-Assistenten, die mehrere Tools umspannen
- Mehrsprachige Produkte
Wichtigste Funktionen
Drei Gedächtnistypen in einer API
Mengram verlangt nicht, dass Sie ein Gedächtnismodell auswählen. Ein einziger Aufruf von m.add() extrahiert semantische Fakten, episodische Ereignisse und prozedurale Arbeitsabläufe auf einmal, und jeder Typ ist einzeln durchsuchbar. Sie bekommen einen Wissensgraphen für Entitäten, eine Zeitleiste für Episoden und versionierte Prozeduren für Praxiswissen. Diese Aufteilung kommt dem, wie Menschen tatsächlich erinnern, näher als ein flacher Vektorindex.
Prozedurales Gedächtnis, das sich weiterentwickelt
Die meisten Gedächtnistools speichern, was passiert ist. Mengram speichert zusätzlich, wie man Dinge tut, und aktualisiert diese Prozeduren, wenn sie fehlschlagen. Melden Sie einen Fehler mit m.procedure_feedback(proc_id, success=False, context="Step 3 failed: OOM"), und Mengram überarbeitet die Schritte und leitet Vorbedingungen ab, die Ihr Agent prüfen kann, bevor er dem Arbeitsablauf vertraut. Die Versionshistorie behält jede Überarbeitung, sodass Sie sehen, was sich geändert hat und warum.
Isolation zwischen mehreren Nutzern
Sie übergeben eine user_id, und jeder Endnutzer bekommt einen eigenen Gedächtnisspeicher mit eigenen Fakten, Ereignissen, Arbeitsabläufen und einem kognitiven Profil. Sie behalten einen API-Schlüssel und bedienen Tausende Nutzer. Wer einen Support-Bot oder einen persönlichen Assistenten ausliefert, für den ist dies die Funktion, die die API in der Produktion nutzbar macht und nicht nur im Prototyp.
Erinnern mit Graph RAG
Die Suche beschränkt sich nicht auf direkte Treffer. Mengram durchläuft Beziehungen im Wissensgraphen, sodass eine Abfrage nach "Python" Django auftauchen lassen kann, das auf die Plattform verweist, auf der Sie es eingesetzt haben. Die Zwei-Hop-Traversierung zieht Kontext heran, den eine einfache Vektorsuche verpassen würde. Es ist der Unterschied zwischen dem Finden eines Stichworts und dem Finden der Sache, die tatsächlich damit zusammenhängt.
Funktioniert mit Claude, Cursor und Codex
Das Gedächtnis überlebt /clear, automatische Kompaktierung und Maschinenwechsel. Mengram liefert einen Ein-Klick-Connector für Claude, einen MCP-Gedächtnisserver mit rund 30 Tools und Integrationen für LangChain, CrewAI, n8n und OpenClaw. Sie installieren es einmal, und dasselbe Erinnern folgt Ihnen zwischen den Tools, statt im Silo einer einzelnen App zu bleiben.
Serverseitige Extraktion
Sie senden rohe Gesprächsturns, keine bereits bereinigten Fakten. Mengram übernimmt Extraktion, Deduplizierung und Widerspruchsprüfungen auf seinen Servern, sodass Sie kein Prompt-Engineering schreiben, um das Gedächtnis sauber zu halten. Wenn zwei Fakten sich widersprechen, markiert das System den Widerspruch, statt beide stillschweigend zu behalten.
Vor- und Nachteile
Vorteile
- Drei getrennte Gedächtnistypen (semantisch, episodisch, prozedural) decken Fakten, Ereignisse und Arbeitsabläufe in einer API ab, was unter Gedächtnistools selten ist.
- Open Source unter Apache 2.0, sodass Selbsthosting eine Option ist, wenn Daten auf der eigenen Infrastruktur bleiben müssen.
- Die Isolation pro Nutzer über `user_id` hält das Gedächtnis in großem Maßstab getrennt, ohne zusätzliche Verkabelung.
- Native Unterstützung für 23 Sprachen, darunter Russisch, Chinesisch, Spanisch und Japanisch, mit mehrsprachigen Embeddings.
- Der kostenlose Tarif ist für Demos wirklich brauchbar, ohne Kreditkarte.
Nachteile
- Es ist ein Backend, kein fertiges Produkt. Sie bringen Ihr LLM, Ihre Prompts und Ihre Agenten-Schleife mit, also gibt es echte Einrichtungsarbeit, bevor etwas läuft.
- Prozedurale Evolution und intelligente Auslöser stecken hinter dem Pro-Tarif für $19/mo, was bedeutet, dass die interessantesten Funktionen nicht im kostenlosen Tarif sind.
- Die Dokumentation ist jung, und einige Seiten setzen voraus, dass Sie Code bequem lesen, sodass Nicht-Entwickler auf den Claude-Connector-Weg angewiesen sind.
Häufige Fragen
Mengram gibt KI-Anwendungen ein persistentes Gedächtnis, damit sie sich über Sitzungen hinweg an Nutzer erinnern. Entwickler nutzen es, um Präferenzen, vergangene Interaktionen und gelernte Arbeitsabläufe zu speichern und sie später über eine Suchabfrage abzurufen, statt jedes Mal den Kontext neu zu erklären.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Mengram.
Alternativen zu Mengram
Odyssey 3
Odyssey · SonstigesOdyssey-3 ist Odysseys fundamentales Weltmodell. Es simuliert Physik in Echtzeit, macht aus einer Eingabe eine interaktive Umgebung und lässt sich an Roboter, Autos und Spiele anpassen.
JarvisCore
Prescott Data · Coding · Produktivität · SonstigesJarvisCore ist eine Open-Source-Laufzeit in Python, in der KI-Agenten als gleichrangige Peers in einem Mesh arbeiten, Aufgaben aus einem gemeinsamen Register übernehmen und externe Dienste über einen Zero-Trust-Broker erreichen.
Clef
Cloudflare · Business · SonstigesClef ist Cloudflares Open-Source-Entscheidungsmodell für Workers AI. Es liefert kalibrierte Wahrscheinlichkeiten für typisierte Fragen statt Text, damit Agenten schnell klassifizieren, routen und handeln.