Innerhalb einer Woche sammelte memory-os über 651 GitHub-Sterne und kletterte auf Platz 9 der GitHub-Trending-Charts – und das ohne viralen Hype-Auslöser. Der Grund: Das Projekt löst ein Problem, das jeden stört, der ernsthaft mit KI-Agenten arbeitet. KI-Agenten vergessen nach jeder Sitzung alles. memory-os gibt dem Hermes Agent ein strukturiertes, persistentes KI Gedächtnis – und das vollständig open source und selbst hostbar.
Kurz zusammengefasst: memory-os ist ein 7-Layer-Gedächtnis-Betriebssystem für den Hermes Agent. Es speichert Kontexte dauerhaft in Qdrant (Vektordatenbank), strukturiert Fakten in JSON und unterscheidet zwischen kurz- und langfristigen Erinnerungen – alles lokal, ohne Cloud-Abhängigkeit.
Was ist das Problem mit dem KI Agent Gedächtnis?
Standardmäßig hat jede KI-Session eine harte Kontextgrenze. Wer täglich mit Agenten wie dem Hermes Agent arbeitet, kennt das Frustrationspotenzial: Präferenzen, Projektkontexte und vorherige Entscheidungen müssen bei jeder neuen Sitzung neu erklärt werden. Das kostet Zeit, erhöht den Token-Verbrauch und macht echte Produktivautomatisierung schwer.
Lösungsansätze gab es bislang: einfache JSON-Dateien für Notizen, RAG-Systeme mit Vektordatenbanken oder manuelle Kontext-Injektionen. memory-os bündelt diese Ansätze in einer strukturierten Architektur – dem 7-Layer-Memory-Stack – und integriert ihn direkt in den Hermes Agent.
Die 7 Schichten des memory-os
Das Herzstück von memory-os ist die Aufteilung des Gedächtnisses in sieben funktional getrennte Schichten:
| Layer | Funktion |
|---|---|
| L1 Sensory | Rohe Eingaben der aktuellen Session – flüchtig |
| L2 Working | Aktiver Kontext der laufenden Aufgabe |
| L3 Episodic | Zusammenfassungen vergangener Sessions |
| L4 Semantic | Strukturiertes Faktenwissen (JSON), dauerhaft |
| L5 Procedural | Gelernte Workflows und Handlungsabläufe |
| L6 Emotional | Gewichtete Prioritäten und Präferenzen |
| L7 Transcendent | Übergeordnete Ziele und Identität des Agenten |
Praktisch besonders relevant sind L3 (Episodic) und L4 (Semantic): L3 sorgt dafür, dass der Agent sich an frühere Gespräche erinnert, L4 speichert strukturierte Fakten – etwa Nutzerpräferenzen, Projektnamen oder wiederkehrende Entscheidungen – dauerhaft in Qdrant.
Installation: memory-os mit Hermes Agent einrichten
Voraussetzung: Python 3.10+, Docker (für Qdrant) und ein laufender Hermes Agent. Die Einrichtung dauert unter 15 Minuten:
git clone https://github.com/ClaudioDrews/memory-os.git && cd memory-os && pip install -r requirements.txt
docker run -p 6333:6333 qdrant/qdrant
Qdrant läuft lokal unter localhost:6333. Alle Erinnerungen bleiben auf dem eigenen Rechner – keine Cloud-Übertragung.
python memory_os/integrate.py --agent hermes --config config.yaml
Die Konfigurationsdatei legt fest, welche Layer aktiv sind und wie aggressiv das System konsolidiert.
KI Agent open source selbst hosten – wer profitiert?
memory-os ist besonders interessant für drei Nutzergruppen:
- Entwickler mit langfristigen KI-Projekten: Wer Agenten über Wochen auf dasselbe Ziel hin trainiert, profitiert von persistentem Faktenwissen in L4.
- Teams mit DSGVO-Anforderungen: Da alle Erinnerungen lokal in Qdrant gespeichert werden, verlassen keine Daten den eigenen Server.
- Power-User des Hermes Agent: Wer täglich mit dem Hermes Agent arbeitet und wiederholtes Kontextsetzen vermeiden will, gewinnt sofort spürbar an Effizienz.
Wer dagegen nur gelegentlich eine KI-Chat-Session startet, wird die Komplexität von memory-os kaum rechtfertigen können – für diesen Anwendungsfall reichen einfachere Lösungen wie ein manuell gepflegtes Systempromt oder die Speicherfunktion kommerzieller Dienste.
memory-os ist der bisher ausgefeilteste Open-Source-Ansatz für persistentes KI Gedächtnis. Die 7-Layer-Architektur ist gut durchdacht, die Qdrant-Integration praxistauglich. Für alle, die den Hermes Agent ernsthaft einsetzen und KI-Agent-Gedächtnis ohne Cloud-Abhängigkeit brauchen, ist memory-os ein klares Muss. Frühes Projektstadium – Breaking Changes einplanen.
Wer den Hermes Agent mit memory-os lokal betreiben möchte, braucht eine solide Infrastruktur. Der Odysseus KI Workspace bietet eine einheitliche Oberfläche für lokale Modelle (Ollama) und externe APIs – ideal als Umgebung für den Hermes Agent mit Gedächtniserweiterung.
Odysseus KI Workspace – Review & Anleitung