Beobachtetes Signal · 18. Apr. 2026 · Technical Release · Quelle: DEV Community · Relevanz: 2/5 · Sentiment: Positiv
Verlustfreies KI-Memory-Tool für Claude Code
Longhand ist ein Open-Source-Tool, das Claude Code-Sitzungsprotokolle wörtlich erfasst, lokal indiziert und einen deterministischen Abruf ohne LLM-Zusammenfassung ermöglicht. Anstatt auf größere Kontextfenster zu vertrauen, verarbeitet Longhand JSONL-Sitzungsdateien und speichert strukturierte Ereignisse in SQLite sowie semantische Vektoren in ChromaDB. Es führt einen Auto-Ingest-Hook bei Sitzungsende aus, unterstützt einmaliges Backfill und stellt den Abruf über einen MCP-Server mit rund 17 Claude-Tools bereit. Das Projekt ist auf PyPI veröffentlicht, im MCP Registry registriert, unter MIT lizenziert, erfordert Python 3.10+ und wurde anhand von 107 Sitzungen getestet. Es bietet semantischen Abruf in rund 126 ms, einen typischen Speicherbedarf von 200 bis 400 MB, arbeitet vollständig offline ohne API-Aufrufe und weist laut Sicherheitsaudit keine kritischen Befunde auf.
Demonstriert eine alternative Architektur für KI-Memory, die die Speicherung auf lokale Datenträger verlagert und so Datenschutz, Offlineressourcen und forensische Replays verbessert. Dies ist besonders für Entwickler agentischer Tools relevant, stellt jedoch keine fundamentale Plattformänderung dar.
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
- Longhand verarbeitet Claude Code JSONL-Sitzungsprotokolle wörtlich und indiziert sie lokal.
- Strukturiert Ereignisse in SQLite und speichert semantische Embeddings in ChromaDB für die Suche.
- Veröffentlicht auf PyPI als 'longhand', unter MIT-Lizenz, Python 3.10+ und im MCP Registry registriert.
- Getestet an 107 echten Claude Code-Sitzungen mit 53.668 Ereignissen; bietet ~126 ms semantische Abrufzeit.
- Arbeitet komplett offline ohne API-Calls und stellt den Abruf über einen MCP-Server mit ca. 17 Tools bereit.
Verknüpfte Unternehmen
1 verknüpfte UnternehmenOntologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
claude-recall ermöglicht KI-Agenten den Zugriff auf Sitzungsarchive
Ein Entwickler hat claude-recall entwickelt, ein Beta-Tool, das Claude Code-Instanzen und ähnliche agentische Workflows in Stand setzt, ihre lokal gespeicherten Sitzungsverläufe zu lesen und wiederzuverwenden. Das Tool indiziert die pro Turn generierten JSONL-Archive von Claude Code in eine lokale SQLite-Datenbank mit FTS5-Volltextsuche, bietet eine optionale semantische Neugewichtung über ein lokales Ollama-Embedding-Modell und injiziert relevante historische Matches über einen UserPromptSubmit-Hook in Prompts. Um Latenzen zu vermeiden, wird der Hook als NativeAOT-kompiliertes Binary ausgeliefert. Das Paket in Version 0.5.3 ist auf PyPI verfügbar, das Open-Source-Repository steht unter MIT-Lizenz auf GitHub bereit. Der Autor verknüpft dieses Vorgehen mit einem breiteren Trend: Agenten schreiben strukturierte Historien auf die Festplatte, nutzen sie aber selten aktiv. Er grenzt claude-recall dabei von kuratierten Remember-Forget-Systemen und Task-Tracking-Speichern ab.
Anthropic integriert persistente Speicherfunktion direkt in Claude Code
Ein Entwickler hat mit cachly eine auf dem Model Context Protocol basierende persistente Speicherschicht für KI-Coding-Assistenten entwickelt, die gelernte Fakten über Sitzungen hinweg sichert. Die Ankündigung von Anthropic, Claude Code mit einer eigenen Speicherfunktion auszustatten, führte jedoch zu einer kritischen Neuevaluierung dieses Projekts. Der Autor stellt ein reproduzierbares Testskript vor, mit dem die tatsächliche Faktenrhythmik zwischen Sitzungen gemessen werden kann. Benchmarks auf Basis von 499 Lektionen und 100 Testfragen zeigten, dass der Ranking-Algorithmus von cachly in 40 Prozent der Fälle die korrekte Top-1-Antwort lieferte, verglichen mit 21 Prozent bei einer reinen Baseline-Wortsuche. Das Projekt bietet eine in der EU gehostete Free-Tier-Option und demonstriert die Herausforderungen für externe Entwickler von KI-Infrastrukturkomponenten, wenn dominante LLM-Anbieter Kernfunktionen nativ in ihre Plattformen implementieren.
Vektor-Memory für Claude Code: Statische Dateien durch semantische Suche ersetzen
Ein Ingenieur hat große, statische CLAUDE.md-Dateien durch ein serverseitiges Vektor-Memory-System für Claude Code ersetzt. Die Open-Source-Lösung 'claude-memory-mcp' speichert strukturierte Erinnerungen in Supabase mit pgvector und nutzt OpenAI text-embedding-3-small für den semantischen Abruf. Das System stellt MCP-Tools wie remember, recall, forget und project_status via HTTP bereit, erzwingt acht strukturierte Kategorien, begrenzt Abrufe auf 2.000 Token und implementiert Soft-Deletes sowie TTLs. Während CLAUDE.md für stabile Regeln verbleibt, speichert das Vektor-Memory evolutionäre Entscheidungen, Bugfixes und Muster. Claude wird angewiesen, die Tools während der Session aufzurufen. Die monatlichen Kosten für Embeddings sind mit rund 0,50 US-Dollar bei typischem Consulting-Volumen sehr gering; die Einrichtung via Docker, Supabase und OpenAI-Key dauert etwa 15 Minuten.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.