DoMe Dynamics
AI Agent Systems
— Arbeitsprobe · Lab

Ein Agent, der sich erinnert.

Wie erinnert sich ein KI-Agent an 136 Fähigkeiten, verteilt über mehrere kuratierte Vaults und Memory-Quellsysteme — ohne dass jede Session bei null beginnt? Die Antwort ist ein Memory-Dreiklang: Session-Wissen wird destilliert (agentic-os), in einem Hybrid-Index abfragbar gemacht (agent-memory-atlas) und zur richtigen Zeit zurück in den Prompt geroutet (prompt-prelude).

agent-memory — Capability-RAG, Prompt-Routing und Session-Memory als ein System.

Für die Rolle: belegt RAG-Engineering jenseits des Tutorials — Hybrid-Retrieval (Embeddings + BM25 + Entity-Graph), MCP-Server-Design (MCP = Model Context Protocol, die Tool-Schnittstelle für Agenten), Index-Lifecycle mit atomischer Aktivierung und Hook-basiertes Kontext-Routing.

Capability-RAGHybrid-RetrievalMCP-ServerPrompt-RoutingSession-MemoryProjektstatus · Aktiv

Zuletzt aktualisiert:

Jetzt prüfbar

— Rollen-Transfer

Was diese Route im Stack beweist.

Diese Route belegt Memory- und Retrieval-Denken — geprüft an einem datierten, sanitisierten Recall-Snapshot aus dem echten System.

Rolle im Stack

Gedächtnis-System: verstreutes Agenten-Wissen wird zu einem abfragbaren Index mit Prompt-Anbindung.

Transfer

Übertragbar sind Hybrid-Retrieval (Vektor + BM25 + Entity-Graph), MCP-Tool-Design, Index-Lifecycle mit atomischer Aktivierung und Hook-basiertes Kontext-Routing.

Öffentlicher Beleg

Recall-Snapshot mit echten, sanitisierten Treffern direkt auf dieser Seite; Zahlen-Claims als Text.

Grenze

Privates Repository — Code-Walkthrough auf Anfrage; keine internen Pfade oder Rohdaten öffentlich.

— Warum gebaut?

Werkzeuge zu besitzen ist nicht dasselbe, wie sich an sie zu erinnern.

/01

Jede Session beginnt bei null

Ein Agent ohne Gedächtnis wiederholt gelöste Probleme — und vergisst, welche Werkzeuge er längst hat.

/02

Alles in den Prompt kippen skaliert nicht

136 Fähigkeiten aus mehreren kuratierten Vaults und Memory-Quellen passen in kein Kontextfenster. Auswahl ist Pflicht, nicht Kür.

/03

Wissen liegt verstreut

Obsidian-Vaults, Session-Memories, Codex-Notizen und native Memories liegen in unterschiedlichen Formaten — ohne gemeinsamen Zugriff.

In dieser Werkstatt sind über Monate Skills, Plugins, MCP-Server und Subagenten entstanden — dazu Learnings aus hunderten Sessions, verteilt auf Obsidian-Vaults, Session-Memories und Agenten-Notizen. Das Problem ist nicht Wissensmangel, sondern Zugriff: Ein Agent, der eine Datenvisualisierung bauen soll, muss im Moment der Aufgabe wissen, dass es dafür einen erprobten Skill gibt.

agent-memory-atlas löst das mit einem Gedächtnis-Index über alle Quellen, abfragbar per MCP-Tool. Zwei Nachbarsysteme schließen den Kreis: agentic-os destilliert am Session-Ende Learnings und Patterns, prompt-prelude sucht vor jeder Antwort passende Fähigkeiten und legt sie dem Agenten ungefragt in den Prompt.

Zusammen entsteht ein Kreislauf: arbeiten → destillieren → indexieren → erinnern — und die nächste Session startet nicht bei null.

— Der Dreiklang

Drei Systeme, ein Gedächtnis.

Session-Memory schreibt, Capability-RAG indexiert, Prompt-Routing liest — jedes System hat genau eine Aufgabe, und keines dupliziert die Logik der anderen.

Memory-Dreiklang
Memory-Dreiklang

Drei produktive Memory-Systeme verbinden Session-Wissen, Capability-Suche und Prompt-Routing.

agentic-os

Session-Memory

Wrap-up destilliert jede Session zu Learnings, Patterns und Identity-Kandidaten.

Plugin · produktiv

agent-memory-atlas

Capability-RAG

Hybrid-Index (Vektor + BM25 + Entity-Graph) über 136 Fähigkeiten und 22.072 Chunks, abgefragt per MCP.

MCP-Server · 1.361 Tests

prompt-prelude

Prompt-Routing

Ein Hook sucht vor jeder Antwort passende Fähigkeiten und legt sie dem Agenten in den Prompt.

Hook · getestete Prompt-Route

fließt zurück in die nächste Session

— Capability-RAG

Von der Quelle zur Tool-Route.

Der Atlas baut aus heterogenen Quellen einen abfragbaren Index: Markdown wird gechunkt und dreifach indexiert — Embeddings für Semantik, BM25 für exakte Begriffe, ein Entity-Graph für Zusammenhänge. Ein Hybrid-Ranking (Reciprocal Rank Fusion) führt die drei Sichten zusammen.

Kuratierte Quellen werden hybrid durchsuchbar; eine Agentenanfrage erhält belegte Treffer und wird zur passenden Fähigkeit geroutet.

Recall-Pipeline von Quellen über Chunks und Capability-Recall bis zur Tool-Route

Sources

Mehrere kuratierte Vaults sowie Agent-, Codex- und native Memory-Quellen

Chunks

22.072 Chunks · Embeddings + BM25 + Entity-Graph · immutable Builds, atomische Aktivierung · Stand 11.07.2026

Capability-Recall

memory_search: Hybrid-Ranking (RRF) über alle freigegebenen Quellen

Tool-Route

Treffer routen zur Fähigkeit: Skill, MCP-Tool oder Subagent — direkt in den Prompt

Immutable Builds

Jeder Index-Rebuild entsteht als vollständiger, unveränderlicher Build und wird atomar aktiviert — ein Zeiger wechselt, nie ein halbfertiger Zustand. Läuft eine Query während des Rebuilds, sieht sie konsistent den alten Stand.

Safe-Writeback

Schreiben in die Quellen ist die Ausnahme, nicht die Regel: Konsolidierungen laufen über validierte, containment-geprüfte Pfade — der Index kann die Quellen nie versehentlich beschädigen.

— Recall in Aktion

Eine echte Abfrage, echte Treffer.

Kein Mockup: Dieser Snapshot zeigt eine reale memory_search-Antwort des laufenden Systems — sanitisiert um interne Pfade, sonst unverändert. Die Treffer zeigen, wie eine Aufgabe zur passenden Fähigkeit geroutet wird.

Statischer, sanitisierter Snapshot einer echten memory_search-Antwort
Echter Recall · Snapshot 06.07.2026
» Interaktive Datenvisualisierung: Charts, Graphen, Diagramme für eine Website bauen

capabilities/_domains — Domänen-Taxonomie

capabilities
0.0167

Domäne data-viz: Datenvisualisierung, Charts, Graphen, Diagramme — Vokabular für die Fähigkeits-Wahl.

→ Domänen-Vokabular: Aufgabe wird der Domäne data-viz zugeordnet

skill:d3-viz

capabilities
0.0164

Creating interactive data visualisations using d3.js — custom charts, graphs, network diagrams, geographic visualisations.

→ Skill d3js-visualization wird in den Prompt geroutet

project:plugin-knowledge-graph

projects
0.0159

Eigenes Referenzprojekt mit interaktivem Wissensgraphen — als verwandte Vorarbeit auffindbar.

→ Kontext: verwandtes eigenes Projekt als Muster

Statischer, sanitisierter Snapshot einer echten memory_search-Antwort — interne Pfade entfernt.

Im Betrieb übernimmt prompt-prelude diesen Schritt automatisch: Ein Hook fängt jede Nutzer-Eingabe ab, fragt den Index an und legt die Treffer als Kontext in den Prompt — der Agent bekommt sein Gedächtnis, bevor er anfängt zu arbeiten.

— Stand & ehrliche Grenzen

Produktiv im Einsatz, privat im Code.

Der Dreiklang läuft täglich in echten Sessions dieser Werkstatt. Das Repository ist privat — die Seite zeigt deshalb einen datierten Snapshot statt eines Live-Endpunkts, und Zahlen stehen hier als überprüfbare Text-Claims.

136 Fähigkeitenim Capability-RAG indexiert
22.072 Chunksim aktiven Index
1.361 Testsim agent-memory-atlas
3Systeme im Memory-Dreiklang

Stand 10.07.2026Quelle Atlas Public ProjectionScope Capability-RAG · Snapshot public-20260711-102224480330

Ehrliche Grenzen: Der Recall-Snapshot altert mit jedem Index-Rebuild — sein Aufnahmestand bleibt am Beleg sichtbar. Die Retrieval-Qualität hängt an der Pflege der Quellen, und der Index läuft lokal, nicht als gehosteter Dienst. Einordnung im Gesamtsystem: Bereich Memory & Retrieval auf /stack.

— Sparring

Das Gedächtnis zeigt sich am besten im Gespräch.

Hybrid-Retrieval, Index-Lifecycle, das Hook-Routing oder die Konsolidierung — wenn dich ein Mechanismus interessiert, schreib mir. Ein Code-Walkthrough des privaten Repos ist auf Anfrage möglich.

Schreib mirDen ganzen Stack ansehen