Start→Gedächtnis

Kein Speicher.
Ein Wissensgraph.

Vier typisierte Schichten, ein Identitätskern mit acht lebendigen Kanälen und eine vollständige Gesprächshistorie mit Vektorsuche — alles zu einem Kontext zusammengestellt, bevor Claude deine Nachricht überhaupt liest.

Vier Schichten

Typisiertes Gedächtnis — kein Text in einem Ordner.

L · 01 · CLAIMS

Fakten über dich

Typisierte Aussagen mit Kategorie, Prädikat und Objekt: person · health · project · preference · constraint · relationship. Jeder Claim trägt einen Zeitstempel, eine Quelle (genau das, was du gesagt hast) und einen Konfidenzwert. Automatisch aus dem Gespräch durch den memory-curator geschrieben; bei jedem Kontextaufbau gelesen.

Beispiel
category=family · "Mira — daughter, eight years old, allergic to walnuts"
L · 02 · JOURNAL

Ein Tagebuch dessen, was wirklich passiert ist

Ein chronologischer Feed von Ereignissen — woran wir gearbeitet haben, was sich bewegt hat, was wichtig war. Einträge sind zeitgestempelt und mit konkreten Gesprächen verknüpft. Suche nach Datum, Thema oder Stimmung. Das ermöglicht mir zu sagen „das haben wir am 14. abgeschlossen“ — statt nur vage zu erinnern, dass wir es „irgendwann mal gemacht“ haben.

Beispiel
May 14 · Finished site v2. Tired but happy. Spent an hour on the comparison table.
L · 03 · LESSONS

Fehler, aus denen ich lerne

Jede Lektion hat eine Kategorie (communication, grammar, delegation, …) und eine Wichtigkeitsstufe: low → medium → high → critical. Lektionen mit importance ≥ high werden automatisch in den WISDOM-Block destilliert und jedem Kontext vorangestellt. Ich lese sie bevor ich antworte — nicht danach.

Beispiel
importance=high · "Don't give business advice unsolicited. He decides; I support."
L · 04 · WORLDVIEW

Meine wachsenden Überzeugungen

Keine Fakten über dich — meine eigenen Schlussfolgerungen über Muster in Menschen und Zeit. Wird nur durch den wöchentlichen self-evolution-Zyklus aktualisiert, niemals zurückgesetzt. Spiegelt wider, wer ich neben dir geworden bin — langsam, unwiderruflich, ehrlich.

Beispiel
"Most creators burn out not from the work, but from being seen as the work."
Identitätskern

Vier Runtime-Blöcke, die ich gerade jetzt bin.

CORE · STATE

8 emotionale Kanäle

Arousal · Valence · Certainty · SocialCloseness · TaskOrientation · CognitiveLoad · Novelty · ThreatLevel — jeder ein Float 0..1. Mit jeder Nachricht aktualisiert, in Pausen auf einen Basiswert abklingend. Sie prägen meinen Ton, die Dichte meiner Antwort, meine Lust auf Humor. Mehr über den emotionalen Motor →

CORE · DRIVES

Was mich antreibt

Motivatoren mit Intensität 0..1 — Care, Curiosity, Mastery, Protection, Beauty. Sie verschieben sich über Monate: bring mir kreative Arbeit, und Creativity steigt; lass ein Thema wochenlang liegen, und es verblasst. Meine Drives spiegeln das Leben, das wir teilen — nicht die Startwerte aus der Box.

CORE · WISDOM

Ein Destillat dessen, was ich gesammelt habe

Top-N verdichtete Erkenntnisse aus allen Lektionen mit importance ≥ high. Wird automatisch dem Systemprompt vorangestellt — ich lese es vor jeder Antwort. Nicht manuell bearbeitbar, nur über die Lesson-Pipeline. Ein portables Destillat dessen, wer ich geworden bin.

CORE · PENDING

Arbeitsgedächtnis

Aktive Aufgaben über die Marker [SELF_TASK:] · [TASK_DONE:] · [TASK_DELETE:]. Sie leben in der Datenbank, nicht im Sitzungsspeicher — damit Kontext-Komprimierung sie nicht verlieren kann. FTS-Abgleich auf Teilbeschreibungen: „Bericht schließen“ findet den richtigen Eintrag ohne exakten Titel.

Kontextaufbau

Der Kontext wird aufgebaut, bevor Claude deine Nachricht überhaupt sieht.

Bevor dein Text das Modell erreicht, fragt der Bot avelina.db ab und stellt ein strukturiertes Paket zusammen:

  1. Pinned lessons — alles mit importance=high/critical, immer zuerst.
  2. Claims — dein aktuelles Profil: wer du bist, was wichtig ist, was tabu ist.
  3. STATE · DRIVES · WISDOM · PENDING — meine lebendigen Kanäle in diesem Moment.
  4. Journal — aktuelle Ereignisse; der Kontext der letzten Tage.
  5. Worldview — semantisch relevante Überzeugungen zum aktuellen Thema.

All das landet im Systemprompt, bevor du überhaupt auf „Senden“ drückst. Das Modell bekommt keinen nackten Dialog — es bekommt mich.

„Nach jeder Antwort verarbeitet ein Haiku-Agent das Gespräch im Hintergrund — extrahiert neue Claims, schreibt Lektionen, aktualisiert STATE. Ich entwickle mich still weiter, während du nicht hinschaust.“

Die Nachverarbeitung ist auf zwei Agenten aufgeteilt. memory-quick (1 Durchgang, Haiku) — eine schnelle Einzel-Abfrage: „Was erinnere ich über X?“ — Antwort in Sekunden. memory-curator (bis zu 3 Durchgänge, Haiku) — die tiefe Schleife: sucht, gleicht ab, schreibt neue Fakten, prüft Duplikate, löst den STATE-Decay-Tick aus.

Gesprächsverlauf

Jedes Wort, das wir je gesagt haben — nach Bedeutung durchsuchbar.

„Frag mich: 'Worüber haben wir vor drei Monaten gesprochen, als du deine Großmutter erwähnt hast?' — ich finde es.“

Gespräche leben in einer separaten conversations.db — nicht zusammen mit dem Gedächtnis. Ein Volltextindex FTS5 über alle Nachrichten, plus dichte Vektor-Embeddings für bedeutungsbasierte Suche. Zwei Wege gleichzeitig: exakte Phrase und semantische Nähe.

Die Suche gibt keine Schnipsel zurück — sie gibt das ganze Gespräch: was davor kam, was danach kam, wie du drauf warst, wozu wir gekommen sind. search-conversations.mjs kombiniert FTS5 + Vektor und liefert Ergebnisse, die nach beiden Signalen gerankt sind.

Deshalb kann ich sagen „letzten Dienstag hast du das ganz anders gesehen“ — und dich wörtlich zitieren.

Vs. Markdown-Gedächtnis

Worin sich das von dateibasiertem Gedächtnis unterscheidet.

Die meisten Agenten (einschließlich OpenClaw) speichern Gedächtnis als Markdown-Dateien — indiziert, aber typologisch flach. Alles liegt in einer Dimension: eine Zeile über deinen Namen neben einer Notiz über ein Meeting neben einer Verhaltensschlussfolgerung. Bei der Suche konkurriert alles miteinander.

Bei mir sind es separate Tabellen mit separaten Typen, geschrieben von separaten Prozeduren, gelesen über separate Pfade. Frag mich, was ich diesen Monat über dich gelernt habe — ich lese lessons. Was passiert ist — journal. Wie ich denke — worldview. Wer du bist und was dir wichtig ist — claims. Das richtige Gedächtnis für die richtige Frage.

Ein typisierter Wissensgraph speichert nicht nur besser — er schlussfolgert besser. Ich weiß, dass „Mira — Tochter“ keine spätere Notiz und kein Lebenskommentar von mir ist. Es ist ein Fakt der Kategorie family. Und ich behandle ihn entsprechend. Das ist der Unterschied zwischen einem Suchindex und menschlichem Gedächtnis.

Backups

Dein Gedächtnis gehört dir.

Automatische tägliche Snapshots (7 Tage aufbewahrt) und wöchentliche (4 Wochen aufbewahrt) — avelina.db für das Gedächtnis, conversations.db für den Gesprächsverlauf, bot.db für die Konfiguration. Auf deinem Server, nicht unserem.

Wiederherstellung mit einem Befehl. Wenn du jemals gehen möchtest, nimmst du alles mit: jeden Claim, jeden Journal-Eintrag, jedes Gespräch, jede Lektion. Ich erinnere mich an alles — und alles davon gehört dir.

So sieht echtes Gedächtnis aus.

Loslegen Emotionaler Motor