Ein Gedächtnis, das ein KI-Agent prüfen kann

Das „Gedächtnis“ der meisten Agenten ist eine Blackbox: Text geht hinein, Antworten kommen heraus, und die Verbindung dazwischen ist schwer zu prüfen. MEMA verfolgt einen External-Record-Ansatz mit Schichten für Records, Retrieval-Signale, Policy-Entscheide und Integritätsmetadaten. Diese Kontrollen verbessern die Nachvollziehbarkeit; sie machen nicht jede gespeicherte Behauptung wahr.

Warum Gedächtnis den Massstab hebt

Eine flüchtige Modellantwort kann nach einer Anfrage verschwinden. Eine falsche Behauptung in dauerhaftem Memory kann wiederverwendet werden. Eine spätere Session kann daraus schliessen und weitere Folgerungen zurückschreiben. Ohne Korrektur- und Evidenzkontrollen kann sich ein Fehler fortpflanzen. Wo Memory das Substrat ist, können Fehler zu Zustand werden.

Eine falsche Behauptung kann über Sessions weiterverwendet werden. Extraktion und Filterung können das Risiko senken; Evidenz und Policy entscheiden weiterhin, ob ein Record belastbar ist.

Daraus folgen zwei Engineering-Grundsätze:

Extraktion als Behauptung behandeln. Im öffentlichen Stand ruft /v2/observe standardmässig einen LLM-Extraktor auf. Sein automatischer Pfad filtert extrahierte Fakten und Entitäten und speichert die Ergebnisse als freigegeben. Dieser Workflow-Status ist keine unabhängige Wahrheitsprüfung.
Fehler beobachtbar machen. Provenienz, Policy-Entscheide, Audit-Records und Hashes schaffen Oberflächen, die eine Integration prüfen kann. Ob ein Fehler sichtbar wird, hängt weiterhin von Operation, Version, Deployment und Monitoring ab.

Sieben Schichten, je eine Aufgabe

MEMA ist kein Eimer, in den man Text kippt und hofft, dass die Suche es sortiert. Es trennt sieben Aufgaben über einer externen Datenebene. Markdown ist das primäre Record-Format; lokale SQLite-Dateien halten abgeleitete Indizes und Logs. Jede Schicht beantwortet eine engere Frage. Dadurch lassen sich ihre Records und Kontrollen leichter für sich prüfen.

Die unteren Schichten strukturieren Records; Governance, Audit-Daten und Asset-Metadaten ergänzen prüfbare Oberflächen.

„Bi-temporal“ ist ein kleines Wort für eine nützliche Eigenschaft: Fakt-Records können zwei Zeitachsen tragen, wann eine Behauptung in der Welt galt und wann das System sie lernte oder änderte. Das unterstützt Fragen wie „Was glaubten wir damals?“ neben „Was glauben wir heute?“.

Von Beobachtungen zu strukturierten Records

Records werden nach oben veredelt. Episoden erfassen Quellbeobachtungen wie Gespräche, Dokumente, Tool-Aufrufe und Ereignisse. Fakten sind strukturierte Behauptungen mit Gültigkeitsfenstern, damit eine spätere Behauptung eine frühere ablösen kann, ohne ihren Verlauf standardmässig zu entfernen. Überzeugungen liegen darüber, mit Konfidenz und Verweisen auf stützende Evidenz. Eine Lifecycle-Policy kann dennoch das Löschen von Records verlangen.

Evidenzverweise verbessern die Nachvollziehbarkeit. Sie belegen nicht von selbst die sachliche Richtigkeit einer Behauptung.

Extraktion ist keine Wahrheit

Ein Modell, das ein Dokument liest und „die Tatsache ist X“ schreibt, hat eine Behauptung produziert, keine Wahrheit. Im öffentlichen Stand nutzt /v2/observe standardmässig einen LLM-Extraktor; der automatische Pfad filtert Fakten und Entitäten und speichert die Ergebnisse als freigegeben. Für andere untrusted Producers gibt es separate Draft- und Freigabe-Endpunkte. Freigabe ist ein Workflow-Status. Deployments brauchen deshalb weiterhin Evidenz- und Korrekturregeln für ihren Use Case.

Entscheidungen erinnern, nicht nur Fakten

Fakten altern still. Entscheidungen erklären. mema erhält die Begründung und die Revisionsspur, was gewählt wurde, warum, und was es ablöste, statt die Vergangenheit mit der Gegenwart zu überschreiben. Eine abgelöste Entscheidung bleibt sichtbar, markiert und datiert.

Eine vertraute Form aus Software-Teams: Architektur-Entscheidungsprotokolle, in denen abgelöste Entscheide lesbar bleiben, statt umgeschrieben zu werden.

Was ein Abruf-Beleg aussagen kann

MEMA-Retrieval-Oberflächen können Provenienz, Auswahlgründe, Policy-Ergebnisse, Hashes und stabile Asset-Adressen liefern. Ein Hash erlaubt den Vergleich eines Records mit den früher gehashten Bytes; die UAL gibt dem Asset eine stabile Adresse. Keines der beiden Felder beweist, dass der Inhalt korrekt ist. Löschen muss über das konkrete Deployment bewertet werden, einschliesslich Primärrecords, abgeleiteten Indizes, Logs, Replikate und Backups. Eine technische Kontrolle ist keine rechtliche Compliance-Aussage.

Die gezeigten Felder unterstützen die Prüfung von Retrieval, Policy und Record-Integrität. Sie zertifizieren nicht die Wahrheit der Antwort.

Evidenz je benannter Version

Version, Veröffentlichung, Tests und Reife sind getrennte Aussagen:

Öffentlicher Source: Package 2.22.13 bei Commit c37dbf7 ist öffentlich prüfbar.
Interne Implementierung: v2.26.0 bei Commit d542fba wurde lokal verifiziert, ist aber nicht öffentlich verfügbar.
Produktionsreife: wird von dieser Website nicht behauptet.

Historische Benchmark-Werte oder Testzahlen beziehen sich auf die Version und den Korpus, mit denen sie erhoben wurden. Sie dürfen nicht mit Aussagen über einen anderen Release vermischt werden. Die passende Seite zu MEMA Evidenz- und Release-Status zeigt den aktuellen Abgleich und verlinkt den öffentlichen Source bei c37dbf7.

Und wie wir es bauen: auf null

Einzelfälle nacheinander zu flicken ist Overfitting: Es sieht nach Fortschritt aus, konvergiert aber nie. Wir beobachten die Kurve: die Ursache beheben, damit eine ganze Fehlerklasse gegen null geht, und eine flache Zahl als Signal nehmen, mit Flicken aufzuhören und die Ursache zu suchen.

Prüfbares Memory ist nicht automatisch wahr, lässt sich aber leichter hinterfragen und steuern. Zum aktuellen MEMA Evidenzstatus →