Beobachtetes Signal · 11. Apr. 2026 · Technical Release · Quelle: DEV Community · Relevanz: 2/5 · Sentiment: Positiv
Entwickler veröffentlicht absturzsicheren AI-Memory-Daemon
Ein unabhängiger Entwickler hat BubbleFish Nexus veröffentlicht, einen in Go geschriebenen, Open-Source- und Self-Hosted-AI-Memory-Daemon, der ein gemeinsames, persistentes Memory-Backend für mehrere AI-Clients bereitstellt. Nexus stellt HTTP-, MCP- und OAuth 2.1-Endpunkte zur Verfügung und nutzt eine Pipeline für Authentifizierung, Richtlinienprüfungen, persistente Schreib- und Lesevorgänge (inklusive semantischer Suche und zeitbasiertem Reranking). Die Lösung garantiert Absturzsicherheit und bewahrt selbst bei einem gewaltsamen Prozessabbruch (kill -9) vor Datenverlust. Bislang wurden sieben AI-Clients erfolgreich angebunden, darunter Claude Desktop, ChatGPT via OAuth, Perplexity Comet, Ollama, Open WebUI und OpenClaw. Das Projekt steht auf GitHub unter der AGPL-3.0-Lizenz zur Verfügung, nutzt standardmäßig ein lokales SQLite-Backend und enthält Installations- sowie Demobefehle zur Validierung der Datensicherheit.
Ein Open-Source-Release mit starkem Entwicklerfokus, das ein persistentes, Self-Hosted Shared-Memory-Backend für LLM-gestützte Clients einführt. Dies ist vor allem für Teams relevant, die an konversationellen oder agentenbasierten Workflows arbeiten, stellt jedoch keine markterschütternde Plattformankündigung dar.
Marktsignale zu Ollama 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
- BubbleFish Nexus fungiert als einzelnes Go-Binary als gemeinsamer AI-Memory-Daemon.
- Clients verbinden sich über HTTP, MCP (Model Context Protocol) oder OAuth 2.1.
- Sieben AI-Clients wurden verifiziert: Claude Desktop, ChatGPT, Perplexity Comet, Ollama, Open WebUI, OpenClaw und generische HTTP-Clients.
- Der Autor garantiert absturzsichere Persistenz: Bestätigte Schreibvorgänge überstehen selbst erzwungene Prozessabbrüche (kill -9) verlustfrei und duplikatfrei.
- Das Repository ist auf GitHub unter der AGPL-3.0-Lizenz verfügbar und nutzt standardmäßig ein SQLite-Backend.
Verknüpfte Unternehmen
3 verknüpfte UnternehmenOntologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Entwickler baut privates, selbstgehostetes KI-Gehirn lokal auf
Ein Entwickler hat eine detaillierte Anleitung zur Erstellung eines privaten, selbstgehosteten KI-Gehirns namens NEXUS auf einem Windows-Laptop (Intel i7, 16 GB RAM, ohne GPU) veröffentlicht. Das System verarbeitet Dateien und Web-Feeds, speichert semantisches Gedächtnis als Vector Embeddings und beantwortet Fragen auf Basis persönlicher Daten. Der gesamte Open-Source-Tech-Stack läuft lokal und umfasst Ollama (Llama 3.2 3B und Mistral 7B), Open WebUI, Qdrant als Vector Store, n8n für Automatisierung, SearXNG für private Suche, PostgreSQL, Redis, MinIO, Neo4j sowie Docker/WSL2. Der Autor verzeichnet abgesehen vom Stromverbrauch keinerlei Software- oder API-Kosten und dokumentiert den gesamten Build öffentlich, inklusive Automatisierungen und Telegram-Benachrichtigungen. Die Veröffentlichung erfolgte am 14. Juni 2026.
Autarker KI-Assistent: Privates lokales RAG-System auf Standard-Hardware realisiert
Nach Kündigung eines ChatGPT-Plus-Abonnements (240 USD/Jahr) entwickelte der Autor einen vollständig privaten KI-Assistenten namens NEXUS, der autark auf einem Intel-i7-Laptop von 2018 ohne dedizierte GPU läuft. Das Setup nutzt Ollama zum Hosten lokaler LLMs (llama3.2:3b und mistral:7b), ein nomic-embed-text-Modell (274 MB) für 768-dimensionale Embeddings sowie Qdrant als lokale Vektordatenbank in Docker-Containern. Über eine vierstufige Pipeline (Parse, Chunk, Embed, Store) wird persistentes semantisches Gedächtnis mittels Retrieval-Augmented Generation (RAG) bereitgestellt. Ergänzt durch LangGraph-basierte autonome Agenten, automatisierte Ingestion-Watcher und strikte Sicherheitsvorgaben (rein lokale Embeddings, Timeouts, Human-in-the-Loop) demonstriert das Projekt, wie First-Party-Data und sensibles Wissen ohne Cloud-Abhängigkeit auf Standard-Hardware geschützt und verarbeitet werden können.
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.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.