Beobachtetes Signal · 27. Mai 2026 · Technical Guide · Quelle: DEV Community · Relevanz: 1/5 · Sentiment: Neutral
Hermes Memory Provider: Technischer Leitfaden zu acht Speicher-Optionen
Ein technischer Leitfaden analysiert das integrierte Speichersystem von Hermes sowie acht externe Memory Provider für KI-Agenten. Das integrierte Speichermodell (MEMORY.md und USER.md) bleibt dauerhaft aktiv und deckt Basisanforderungen ab; externe Provider werden als zusätzliche Schicht aufgesetzt, wobei jeweils nur eine Lösung aktiv sein kann. Der Beitrag vergleicht Hindsight, Holographic, OpenViking, Mem0, Honcho, ByteRover, RetainDB und SuperMemory hinsichtlich Architektur, Speicherkapazität, Kosten und Anwendungsfällen. Besondere Relevanz haben Benchmarks wie LongMemEval, bei dem Hindsight führende Werte erzielt, sowie Architekturansätze wie das gestufte L0/L1/L2-Loading von OpenViking zur Token-Kosten-Optimierung. Der Wechsel zwischen externen Providern erfolgt manuell ('hermes memory setup') ohne automatische Datenmigration zwischen den Backends. Entwicklern liefert der Bericht praxisnahe Entscheidungshilfen basierend auf Datenschutz, Skalierbarkeit, Token-Effizienz und Multi-Agenten-Architekturen.
Praxisorientierter Leitfaden für Entwickler zur Implementierung von Agentenspeichern in Conversational-AI-Umgebungen, jedoch ohne unmittelbare disruptive Relevanz für den AdTech/MarTech-Kernmarkt.
Marktsignale zu Hermes Marketing 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
- Hermes verfügt über einen stets aktiven internen Speicher in zwei Dateien: MEMORY.md (Limit: 2.200 Zeichen) und USER.md (Limit: 1.375 Zeichen).
- Acht externe Memory Provider werden unterstützt: Hindsight, Holographic, OpenViking, Mem0, Honcho, ByteRover, RetainDB und SuperMemory; es kann jeweils nur ein externer Provider aktiv sein.
- Benchmark-Ergebnisse (LongMemEval): Hindsight erreicht 91,4 % (Gemini-3) und 89,0 % (Open-Source 120B), während Mem0 bei 67,6 % (GPT-4o, LongMemEval-S) liegt.
- OpenViking nutzt eine gestufte L0/L1/L2-Hierarchie für 80–90 % Token-Einsparung; Holographic setzt auf lokale Holographic Reduced Representations (HRR); RetainDB kombiniert Vektorsuche, BM25 und Reranking.
- Provider-Wechsel erfordern manuelle Konfiguration; die internen Basisdateien bleiben erhalten, externe Backend-Daten bieten jedoch keine automatische Migration.
Verknüpfte Unternehmen
1 verknüpfte UnternehmenOntologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Hermes Agent Memory Provider im Härtetest: Mnemosyne setzt sich durch
Ein Entwickler hat über drei Wochen hinweg sechs Memory Provider für den Open-Source-Agenten Hermes auf einem 4-GB-VPS getestet, um eine verlässliche persistente Speicherlösung zu evaluieren. Mehrere Provider scheiterten an Silent Failures bei der Datenerfassung, instabilen externen Daemons, Cloud-Abhängigkeiten oder doppeltem Token-Verbrauch durch eingebettete LLM-Aufrufe. Als tragfähigste Lösung erwies sich Mnemosyne von AxDSan, ein In-Process-Ansatz auf Basis von Python und SQLite. Das Tool überzeugte durch Lese-Latenzen im Sub-Millisekundenbereich (0,076 ms), automatische Ingestion via sync_turn sowie den Verzicht auf separate Hintergrundprozesse. Nach dem Testzeitraum verzeichnete Mnemosyne 362 gespeicherte Memories, 29 episodische Zusammenfassungen und bestand alle Testszenarien fehlerfrei. Die Analyse empfiehlt für autonome KI-Agenten primär lokale, Single-Process-Architekturen.
Hermes Memory Installer: Langzeitgedächtnis für KI-Agenten
Der am 6. Mai 2026 veröffentlichte Hermes Memory Installer ist ein Open-Source-System mit MIT-Lizenz für das Langzeitgedächtnis von KI-Assistenten und -Agenten. Es bietet eine persistente Wissensbasis über mehrere Sitzungen hinweg mittels einer dreischichtigen Architektur aus Dialog-, Skill- und Datenebene. Das System unterstützt diverse Speicher-Backends wie SQLite FTS5, einen gbrain-Wissensgraphen mit pgvector, Markdown-Archive sowie eine automatische Zusammenfassungspipeline. Zu den Hauptmerkmalen gehören eine semantische Dual-Path-Suche, ein Wissensgraphen-Engine zur Verknüpfung von Konzepten, eine Kurator-Selbstevolution sowie plattformübergreifende Abruffunktionen. Das Projekt richtet sich an Entwickler und Nutzer von KI-Agenten und ist auf GitHub verfügbar.
Hermes: Autonomer KI-Agent mit persistentem Lernen und lokaler Datenhaltung
Ein erfahrener ML Platform Engineer erläutert die Architektur des Open-Source-Frameworks Hermes Agent, das sich durch lokale Datenhaltung und kontinuierliches Lernen von bisherigen KI-Assistenten unterscheidet. Hermes nutzt eine dreistufige Speicherarchitektur für Kurz-, Mittel- und Langzeitdaten sowie den Selbstverbesserungs-Loop GEPA, der auf der ICLR 2026 als Oral vorgestellt wurde. Das System bietet SQLite-Datenspeicherung, diverse Terminal-Backends wie SSH und Docker, integriertes Cron-Scheduling sowie gängige Messaging-Integrationen. Konkrete Anwendungsfälle innerhalb einer Kubernetes-basierten Inferencing-Plattform umfassen die Drift-Diagnose, Policy-Validierung vor Merges und die Automatisierung von Incident-RCAs. Trotz hoher GitHub-Traktion und MIT-Lizenz weist der Autor auf praktische Einschränkungen wie flaches Domänenwissen und fehlende föderierte Speicher hin.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.