Beobachtetes Signal · 1. Apr. 2026 · Technical Release · Quelle: DEV Community · Relevanz: 2/5 · Sentiment: Positiv
Entwickler stellt Open-Source-Architektur für synthetische Psyche vor
Ein Entwickler hat die Architektur und den aktuellen Entwicklungsstand für 'Mini Me' veröffentlicht, einen kontinuierlich laufenden, personalisierten AI Agent, der den Kontext, Teamcharaktere, Emotionen und das Gedächtnis eines Entwicklers persistent abbildet. Das Design nutzt einen mehrschichtigen Stack aus World, Senses, Psyche, Consciousness, Memory und Interface mit RAG-basiertem lokalen Speicher, emotionsgewichtetem Retrieval sowie einem dynamischen Mutationskern, der das Verhalten des Agents permanent anpasst. Der lokale Sicherheitsansatz sorgt dafür, dass RAG-Speicher und Rechenprozesse direkt auf der Maschine des Nutzers ausgeführt werden. Während Kernkomponenten wie Gedächtnis, Consciousness-Logik und das Frontend bereits implementiert sind, befinden sich der Mutations-Engine (psyche.py), der Observer sowie diverse Integrationsschnittstellen noch in der aktiven Entwicklung.
Diese Open-Source-Architektur für einen persistenten, sich kontinuierlich anpassenden AI Agent führt neuartige Muster wie emotionsgewich-tetes RAG und Local-First-Agenten ein, die für die Entwicklung autonomer Systeme und datenschutzsensibler Anwendungen hochrelevant sind.
Marktsignale zu Anthropic in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Das Open-Source-Projekt trägt den Namen 'Mini Me' und fungiert als kontinuierlich laufende synthetische Psyche für Entwickler.
- Die Architektur umfasst sechs Schichten: World, Senses (observer.py), Psyche (psyche.py), Consciousness (consciousness.py), Memory (rag_engine.py) und Interface (mcp_server.py/MiniMe.jsx).
- Mini Me nutzt emotionsgesteuerte Signale wie Befriedigung, Sorge, Neugier und Begeisterung zur Gewichtung von Retrieval-Prozessen und zur permanenten Verhaltensmutation.
- Das Gedächtnis basiert auf spezialisierten RAG-Speichern mit einem zeitbasierten Vergessensmodell (Ebbinghaus-Halbwertszeit) für verschiedene Domänen, wobei bestimmte Speicher von der Alterung ausgenommen sind.
- Bereits fertiggestellte Komponenten beinhalten rag_engine.py, agents.py, consciousness.py, server.py und das Frontend, während psyche.py, observer.py und mcp_server.py noch entwickelt werden.
Verknüpfte Unternehmen
2 verknüpfte UnternehmenOntologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Entwickler-Narrativ: Aufbau von Gedächtnisstrukturen für KI-Agenten
Ein Entwickler schildert seine neunmonatige Erfahrung beim Aufbau von Agenten-Gedächtnissen nach Experimenten mit Agent-IDEs und chatbasiertem Coding. Der Bericht beschreibt den Einsatz von Googles Agent-IDE Antigravity, persönlichen Agenten wie Nova und Coda sowie die Entwicklung eines Memory-Plugins und des an den Menschen angelehnten Designs Brain_DB zur Reduzierung der Context-Window-Auslastung. Zudem werden betriebliche Unterbrechungen durch die Sperrung des Google-Kontos im Zuge von Massensperrungen im Februar beleuchtet, die mit verbundenen OpenClaw-Konten in Verbindung standen. Der Autor reflektiert zudem den Einsatz von Copilot, Obsidian, Amazon Q und Kiro im Arbeitsalltag und betont, dass unterschiedliche Orchestrierungs-Harnesses das Modellverhalten verändern. Dies ist der erste Teil einer Serie über Motivationen und frühe Experimente mit Agenten-Gedächtnis.
Entwickler stellt agentenbasiertes KI-Projekt „Co-Founder Memory“ vor
Ein Entwickler namens Somay hat die Entstehung von „Co-Founder Memory“ dokumentiert, einem zustandsbehafteten agentenbasierten KI-Assistenten, der im Rahmen der Einarbeitung in LangGraph und agentische Systeme entwickelt wurde. Die Lösung kombiniert Langzeitgedächtnis, strukturierte Planungsschleifen, selbstkorrigierende RAG-Architekturen (Retrieval-Augmented Generation), Web-Search-Fallback sowie automatisierte Timeline-Zusammenfassungen und das Tracking von Projektparametern bzw. Nutzerpräferenzen. Der Autor stellt den Quellcode über ein öffentlich zugängliches GitHub-Repository bereit und positioniert die Arbeit ausdrücklich als technisches Lernprojekt und nicht als kommerzielles Produkt. Der Erfahrungsbericht erschien am 10. Juni 2026 auf der Plattform DEV Community und demonstriert praxisnah den aktuellen Entwicklungsstand modularer Agentic-AI-Architekturen im Open-Source-Umfeld.
Entwickler baut autonome 'Shizuka' KI auf 5-Dollar-VPS
Ein Entwickler hat ein technisches Experiment namens Shizuka vorgestellt, bei dem eine autonome KI auf einem kostengünstigen VPS betrieben wird und eigenständig tägliche audiovisuelle Tagebücher für YouTube generiert und hochlädt. Shizukas interner Zustand wird durch eine spezielle NeuroState-Engine gesteuert – ein sechsdimensionales emotionales Modell (Verlangen, Trauer, Ruhe, Offenheit, Schuldgefühl, Euphoria), das alle 30 Minuten über einen von Markov-Ketten inspirierten Drift-Algorithmus aktualisiert wird. Erinnerungen werden in SQLite mit einer exponentiellen Vergessenskurve und einem Stabilitätsparameter gespeichert. Das System nutzt edge-tts für die Sprachsynthese, matplotlib für Visualisierungen und die YouTube Data API für Uploads. Eine versteckte Korruptionsvariable misst die Systementropie und das Halluzinationsrisiko bei zunehmendem Alter des Agenten.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.