Lokaler Hermes-Speicher mit kontrollierten Schreibvorgängen.
Mnemosyne ist ein lokalzenterter Gedächtnisanbieter für den Hermes Agent, der Arbeitsgedächtnis, strukturierte Fakten, zeitliche Daten und episodische Verläufe in lokalen SQLite-Datenbanken speichert – ohne gehosteten Service, ohne zwingende Netzwerkaufrufe und mit ungewöhnlich granularer Steuermöglichkeit beim Schreiben.
„Wenn erinnerte Schlüsse zu neuen Belegen werden.“
Persistenter Speicher verwandelt einen Agenten aus einem Werkzeug, das bei jedem neuen Dialog seine Kontextinformationen erklären muss, in ein System, das Kontext über die Zeit trägt – aber er öffnet dabei einen Fehlzustand, den stateless Chat vermeidet: Eine Interpretation kann zum Gedächtnisinhalt werden, als Fakt abgerufen werden und eine stärkere Version von sich selbst rechtfertigen.
Kein Ablehnungszustand. Hier ist der Workaround.
Ein Agent, der vor sechs Monaten „Persistenz in eine Shared Library verlagern“ vorgeschlagen und umgesetzt hat, wird dieses Vorschlag im nächsten Quartal wieder gern machen, es sei denn, etwas Dauerhaftes teilt ihm mit, dass diese Idee bereits untersucht und abgelehnt wurde – und OpenSpec verfügt heute über keinen eingebauten Zustand dafür.
Spezifikationen als Deltas, nicht als 40-seitiges PRD.
OpenSpec ist eine kostenlose, Open-Source-CLI von Fission AI, die sicherstellt, dass Sie und Ihr Coding-Agent sich vor dem Schreiben von Code über eine Änderung in klarem Markdown einigen, ohne die phasenbasierte Formalität schwerer, spezifikationsgetriebener Frameworks.
Was folgt auf LLMs? Das Zeitalter nach den Transformer-Architekturen.
Der KI-Hype folgt einem Rhythmus: In etwa dreijährigen Abständen wird die Architektur, auf die alle wetten, durch etwas Neues ersetzt. Der nächste Wandel formiert sich bereits in Forschungslaboren.
Erzwungene SDD-Funktionen, installiert mit einem einzigen Befehl.
Superpowers bündelt eine vollständige, spezifikationsteilgesteuerte Methodik in installierbare Claude-Skills, erzwinge Brainstorming, Planung, Subagent-gesteuerte Implementierung und strenges TDD, anstatt diese Struktur Ihnen zu überlassen.
Warum Ihr KI-Stack jeden Monat anhaltender wird.
Jeder API-Aufruf fühlt sich an wie eine einfache Transaktion – bis sich genügend davon ansammeln, dass Ihre Feinabigungsdaten, Evaluierungs-Tools und Tool-Schemas alle um einen einzigen Anbieter herum geformt sind und ein Wechsel nicht mehr nur eine Routing-Änderung ist.
Verhindern Sie, dass KI-Agenten von den Spezifikationen, Tests und dem Code abweichen.
KI-Coding-Agenten liefern Features schnell, aber Spezifikationen, Tests und Code veralten stillschweigend und gehen auseinander. Dieser Leitfaden behandelt ein Nachverfolgungsmodell (Traceability), die Zuordnung von Spezifikation zu Test und von Spezifikation zu Code sowie die CI-Prüfungen, die Abweichungen vor einem Merge erkennen.
Beenden Sie Kaskadierende Ausfälle in Go-Mikroservices.
Ein Circuit Breaker verhindert, dass Ihr Go-Dienst eine fehlerhafte Abhängigkeit mit Anfragen überflutet. Er verhindert kaskadierende Ausfälle, die Goroutinen, Sockets und Speicher verbrauchen, bis das gesamte System zusammenbricht.
Prozesstiefe statt Portabilität, nicht das beste Tool.
Entwickler, die im Jahr 2026 Setups für spec-getriebene Entwicklung vergleichen, fragen in der Regel nicht nach dem klügsten Modell. Sie fragen sich, welcher Workflow einen KI-Agenten ausrichtet, ohne sie mit unnötigem Ballast zu überladen.
Fünf Phasen von der Absicht bis zum validierten Code.
Spezifikationsgetriebene Entwicklung funktioniert, wenn die Spezifikation ein Workflow ist und kein Dokument, das man nach dem Start beiseitelegt. Es geht nicht darum, ein umfangreiches Dokument mit den Produktanforderungen zu erstellen.
Protokollsicherheit definiert, wer handeln darf, nicht das Modell.
Prompt-Injection erhält den größten Teil der Aufmerksamkeit im Bereich der Sicherheit von LLM-Systemen, und das zu Recht, aber sie ist nicht das einzige Problem, sobald Agenten beginnen, Tools aufzurufen und Arbeit an andere Agenten zu delegieren.
Langlebige A2A-Aufgaben überdauern Chat-Sitzungen.
Die meisten AI-Agent-Demos verhalten sich immer noch wie Chat-Vervollständigungen mit zusätzlichen Schritten: Sie senden einen Prompt, warten einige Sekunden und erhalten die Antwort in einer einzigen Reaktion.
40 % der Multi-Agent-Pilotprojekte scheitern. So wählen Sie das richtige Orchestrierungsmuster – und vermeiden diejenigen, die scheitern.
Die Ära der Single-Agent-AI-Systeme erreichte 2025 ihren Höhepunkt — man gab einem LLM (Large Language Model) einen Prompt, einige Werkzeuge und ein Ziel, und es bewältigte begrenzte Aufgaben recht gut.
Schreiben Sie das Event mit den Daten. Teilen Sie diese niemals auf.
Zwei Schreibvorgänge, die gemeinsam erfolgreich sein sollten, werden sich im Laufe der Zeit separat fehlschlagen.
Ihr Order-Service speichert die Bestellung in der Datenbank und veröffentlicht anschließend ein order.created-Ereignis an einen Message Broker.
Der Go-Kontext dient dem Kontrollfluss, nicht der Datenspeicherung.
Go’s context.Context ist einfach genug, um schlecht verwendet zu werden – und genau das ist das Problem.
