Show HN: Vektor bringt lokales Gedächtnis für AI Agents auf dein Gerät
TL;DR
Vektor ist ein lokales Gedächtnissystem für KI-Agenten, das ohne Cloud auskommt – alle Daten bleiben per SQLite auf dem eigenen Gerät.
Key Points
- Das Herzstück ist ein MAGMA-Graph mit vier Speicherschichten, der assoziative Verknüpfungen zwischen Erinnerungen abbildet.
- Der AUDN-Kurations-Loop entscheidet bei jeder neuen Information automatisch: hinzufügen, aktualisieren, löschen oder nichts tun.
- Ein REM-Hintergrundprozess komprimiert und konsolidiert Gedächtnisinhalte – ähnlich wie Schlaf beim Menschen.
- Installation läuft über npm (vektor-slipstream), Claude-Tool-Integration ist eingebaut; Version 1.3.6 steht kurz vor dem finalen Release.
Nauti's Take
Die Kombination aus MAGMA-Graph, AUDN-Loop und REM-Kompression klingt nach durchdachter Systemarchitektur – und es ist erfrischend, mal ein Agenten-Werkzeug zu sehen, das Privacy by Design ernst nimmt statt 'lokal' nur als Marketing-Claim zu benutzen. Gleichzeitig: ein HN-Post mit einem Punkt und null Kommentaren ist kein Beweis für Praxistauglichkeit.
Die Suche nach Testern mit DB-Expertise verrät, dass das Produkt noch nicht produktionsreif ist – was fair kommuniziert ist, aber Vorsicht bei frühem Einsatz in kritischen Pipelines gebietet. Wer KI-Agenten mit persistentem, off-cloud-Gedächtnis ausstatten will, sollte Vektor im Blick behalten, aber erst nach einem soliden 1.3.
6-Review anfassen.
Hintergrund
Agenten-Gedächtnis ist eines der ungelösten Kernprobleme im KI-Stack – die meisten Systeme verlieren Kontext nach jeder Session oder schicken alles in eine Fremddatenbank. Vektor adressiert beide Schwachstellen gleichzeitig: lokale Datensouveränität plus strukturiertes, assoziatives Vergessen statt bloßem Anhäufen von Tokens. Der AUDN-Loop ist konzeptionell interessant, weil er Redundanz aktiv reduziert, anstatt den Kontextpuffer einfach zu fluten.
Ob das im Praxisbetrieb hält, was die Architektur verspricht, werden Benchmarks zeigen müssen.
Quellen