iai-pme: ein lokaler Gedächtnisserver, der jede Agenten-Sitzung wörtlich festhält
Ein Cyber-Gehirn für Ihre KI. Es vergisst kein Detail, merkt sich genau, was Sie gesagt haben, und lernt mit der Zeit, wie Sie arbeiten. Kostenlos, lokal, funktioniert mit Cursor, Claude Code, Codex, OpenClaw, Hermes und mehr. MIT.
Auf einen Blick
- Was ist das?
- CodeAbras MIT-lizenzierter MCP-Server verschlüsselt jede Konversationsrunde lokal mit AES-256-GCM und beliefert Claude Code, Cursor, Codex CLI und weitere Hosts mit Gedächtnispacks zu Sitzungsbeginn.
- Für wen ist es gedacht?
- iai-pme passt zu Entwicklern, die Claude Code, Cursor oder Codex CLI täglich nutzen und ein lokales, wörtlich protokollierendes Gedächtnis ohne Konto und Telemetrie wollen. Wer eine Mandanten-fähige Speicherschicht für ein eigenes Produkt sucht, sollte stattdessen Mem0 oder Letta prüfen.
- Darf ich es kommerziell nutzen?
- Ja. MIT ist eine freizügige Lizenz: Sie dürfen darauf aufbauende Software nutzen, verändern und verkaufen, solange Sie die Urheberrechts- und Lizenzhinweise beibehalten.
- Wird es noch gepflegt?
- Ja. Die letzten Commits kamen vor 2 Tagen.
- In welcher Sprache ist es geschrieben?
- Hauptsächlich Python, laut der Sprachstatistik von GitHub.
Die Antworten beruhen auf den GitHub-Daten des Projekts (zuletzt abgeglichen am 15. September 2026) und auf unserer Analyse. Sie sind keine Rechtsberatung.
TIEFGEHENDE OPEN-SOURCE-ANALYSE
Warum iai-pme kein Speicherlayer für Produkte, sondern ein persönliches Gedächtnis sein will
iai-pme ist ein lokaler Server, der das Model Context Protocol spricht und Claude Code, Claude Desktop, Cursor, Codex CLI, Gemini CLI, Cline, Continue.dev, Zed, Cherry Studio, Goose, Aider und weitere Hosts mit einem dauerhaften Gedächtnis ausstattet. Jede Runde jeder Sitzung wird wörtlich erfasst, im Laufe der Zeit zu einer persönlichen Karte organisiert und zu Beginn neuer Unterhaltungen in kleinen, relevanten Ausschnitten zurückgegeben. Sätze wie 'merke dir das' oder 'was hatten wir letztes Mal besprochen' erübrigen sich damit.
Der Autor hat das Werkzeug für den eigenen Gebrauch gebaut, monatelang täglich betrieben und danach veröffentlicht. Das Repository zählt rund 815 Sterne bei 96 Forks, steht unter der MIT-Lizenz und wurde Ende August 2026 in Version 3.0.8 aktualisiert. Die Abgrenzung fällt deutlich aus: Mem0, Supermemory, Graphiti und Letta beschreibt das README als Speicherschichten für Produkte, die man selbst entwickelt, meist Cloud-first mit LLM-Extraktion. claude-mem speichert demnach KI-generierte Zusammenfassungen der eigenen Sitzungen. iai-pme positioniert sich als dritter Weg: ein persönlicher Speicher für den Assistenten, den man bereits nutzt, ohne Konto, ohne API-Schlüssel und ohne Telemetrie. Die einzige Verbindung nach außen ist der normale Modellaufruf des CLI-Hosts selbst.
Episodisch, semantisch, prozedural: der dreischichtige Aufbau des Speichers
Der Speicher gliedert sich in drei Ebenen. Das episodische Gedächtnis hält wörtliche, mit Zeitstempeln versehene Fragmente des Gesagten fest, einmal geschrieben und nie überschrieben. Das semantische Gedächtnis entsteht aus Zusammenfassungen, die während der Leerlaufkonsolidierung aus Clustern verwandter Episoden abgeleitet werden. Das prozedurale Gedächtnis ist ein kleiner Satz stabiler Parameter über den Nutzer, der im Lauf der Zeit gelernt wird und im README als elf versiegelte Regler beschrieben wird.
Alle Ebenen liegen auf einem hyperdimensionalen Substrat, sodass episodische Details, semantische Kernaussagen und prozedurale Muster getrennte Darstellungen behalten. Der Abruf kombiniert semantische Ähnlichkeit, Graph-Link-Stärke und Aktualität in einer gemeinsamen Bewertung, ohne LLM im heißen Pfad. Ändert sich eine Tatsache, archiviert memory_contradict die alte Version, statt sie zu löschen. Alte und neue Formulierung bleiben so beide auffindbar, was für Rückfragen nach früheren Standpunkten wichtig ist. Der Speicherstil wird bewusst als wörtlich statt paraphrasiert beschrieben: exakte Zitate, präzise Hinweise, seltene Ereignisse bleiben selten.
Verschlüsselter Ruhebestand und Eigenbau-Architektur von Hippo bis Rust-Kern
Die Engine läuft als Python-Prozess im Hintergrund, schläft im Leerlauf und wacht bei Bedarf auf. Der MCP-Client verbindet sich über einen Unix-Socket, es gibt keinen TCP-Listener und keine Bind-Adresse. Alle Datensätze liegen verschlüsselt mit AES-256-GCM vor, der Schlüssel liegt in ~/.iai-mcp/.key mit Dateimodus 0600. Das README warnt pointiert: Wer den Schlüssel verliert, verliert die Erinnerungen. Der gesamte Bestand liegt unter ~/.iai-mcp/.
Unter der Haube steckt größtenteils eigener Code: die Speicher-Engine Hippo, der Community-Erkennungsalgorithmus MOSAIC, das hyperdimensionale Substrat Lilli sowie eine native Rust-Engine für Embeddings und Graph-Kernel. Darunter liegt eine dünne Schicht erprobter Bausteine wie SQLite, candle, NumPy und die geprüfte AES-Implementierung des Pakets cryptography. Für ein Speicherwerkzeug ist dieser Verzicht auf externe Vektordatenbanken bemerkenswert: Weder Qdrant noch Neo4j oder Postgres müssen installiert werden, der eigene Rust-Kern übernimmt Embeddings und Graphoperationen lokal auf derselben Maschine.
Fünfzehn MCP-Werkzeuge, das iai-Kommando und das Live-Dashboard
iai-pme stellt fünfzehn MCP-Werkzeuge bereit, alle lokal und alle gegen denselben Speicher. Am sichtbarsten sind memory_recall, das Treffer und Anti-Treffer zurückgibt, damit eine überholte Tatsache nicht als aktuell durchgeht; memory_temporal_recall für zeitlich verankerte Fragen wie 'Was habe ich im Mai über Preise gesagt?'; memory_search für Klartextsuche; memory_capture für explizite Schreibvorgänge; und memory_contradict zum Protokollieren geänderter Fakten. Ein expliziter Abruf mid-session ist auf budget_tokens begrenzt, standardmäßig 1.500.
Dazu kommt eine Kommandozeile: Das iai-Kommando unterstützt recall, temporal-recall, search, ask, capture, teach, upload, watch, brain, status und last, während iai-mcp doctor, self-update, Daemon-Verwaltung, crypto, maintenance und capture-hooks abdeckt. Ambient-Capture-Hooks installiert man mit iai-mcp capture-hooks install, mit Zielen für claude, codex, cursor, antigravity, hermes und openclaw. Das mit iai brain geöffnete Dashboard zeigt eine Live-Karte des Speichers mit Funktionen zum Finden, Anheften, Ausblenden, Retten oder Lehren einzelner Einträge und führt Buch über ausgelieferte Packs, injizierte Token und eine untere Grenze der gesparten Token. Dasselbe Dashboard liegt auch als Tauri-Desktop-App für macOS und Linux vor.
Zahlen aus dem mitgelieferten Benchmark-Harness und die Token-Rechnung
Jede Kennzahl im Repository ist mit einem Harness in bench/ verknüpft, der per Einzeiler reproduzierbar sein soll. Zu den berichteten Werten gehören Rescue@10 bei 1,000, historisch-wörtlicher Abruf bei 1,000, persönliche Faktenabweichung bei 0,9933 und Schlafkonsolidierungsabruf bei 1,000. Bei LongMemEval-S erreicht der Produkt-Embedder R@5 von 0,962 und R@10 von 0,978, was der Autor als gleichauf mit mempalace bei passendem Embedder einordnet.
Die Token-Rechnung stammt vom eigenen Speicher des Autors über drei Wochen: 282 ausgelieferte Gedächtnispacks mit rund 99.000 injizierten Token ersetzten Agentensuchen mit durchschnittlich 2.639 Token pro Aufruf, als untere Grenze etwa 707.000 eingesparte Token. Ein Ambient-Pack koste etwa 350 Token gegenüber rund 2.850 für die ersetzte Suche, mache also rund 88 Prozent Unterschied pro Pack. Diese Zahl gilt nur für die automatisch injizierten Packs, nicht für einen expliziten memory_recall. Das README nennt auch Schwächen: p95-Latenz von 368 ms bei 10.000 Datensätzen, über dem Ziel von unter 100 ms, und ein Speicher-RSS von 589 MB bei derselben Menge.
Einrichtung mit pip und bootstrap.sh sowie die dokumentierten Grenzen
Die Installation beginnt mit pip install iai-pme, danach initialisiert iai-mcp crypto init die Verschlüsselung, dann trägt man den Server in einen MCP-Host ein. Für Claude Code gibt es einen Plugin-Marketplace-Pfad, und ein Bootstrap-Skript übernimmt auf macOS oder Linux die komplette Einrichtung mit einem curl-Aufruf von scripts/bootstrap.sh, inklusive Klonen nach ~/.local/share/iai-pme. Voraussetzungen sind Python 3.11 oder 3.12 sowie Node.js 18 oder neuer; eine Rust-Toolchain ist nur für Quell-Builds nötig. Vorgefertigte Wheels gibt es für macOS auf Apple Silicon, Linux mit glibc 2.28 oder neuer und Windows x86_64, wobei Windows als Beta markiert ist.
Konfigurierbar sind unter anderem IAI_MCP_STORE, IAI_MCP_RECALL_CONCURRENCY und IAI_MCP_EMBED_PROVIDER zum Austauschen des Embedders. Das Repository listet Grenzen offen auf: bewusst nur Englisch, keine Synchronisierung über Maschinen hinweg, nur lokale Inspektion, ein paar Sekunden Kaltstart und mittelmäßige Abrufqualität in den ersten zehn Sitzungen. Das Projekt hat laut README die Experimentierphase verlassen, wird aber von einer Einzelperson gepflegt und bietet keine Enterprise-SLA.
Redaktionelles Fazit
iai-pme passt zu Entwicklern, die Claude Code, Cursor oder Codex CLI täglich nutzen und ein lokales, wörtlich protokollierendes Gedächtnis ohne Konto und Telemetrie wollen. Wer eine Mandanten-fähige Speicherschicht für ein eigenes Produkt sucht, sollte stattdessen Mem0 oder Letta prüfen. Vor dem Dauerbetrieb lohnt ein Blick auf die eigene Dashboard-Bilanz aus ausgelieferten Packs und eingesparten Token.
Community-Notizen