AIVectorMemory

Gib deinem KI-Programmierassistenten ein Gedächtnis — Sitzungsübergreifender persistenter Speicher MCP Server

---

Nutzt du immer noch CLAUDE.md / MEMORY.md als Gedächtnis? Dieser Markdown-Datei-Ansatz hat fatale Schwächen: Die Datei wird immer größer, jede Sitzung injiziert alles und verbraucht massiv Tokens; Inhalte unterstützen nur Stichwortsuche — suche „Datenbank-Timeout" und du findest nicht „MySQL Connection Pool Fallstrick"; eine Datei für mehrere Projekte führt zu gegenseitiger Kontamination; es gibt kein Aufgaben-Tracking, der Entwicklungsfortschritt existiert nur in deinem Kopf; ganz zu schweigen von der 200-Zeilen-Kürzung, manueller Pflege und der Unmöglichkeit, Duplikate zu erkennen oder zusammenzuführen.

AIVectorMemory ist ein grundlegend anderer Ansatz. Lokale Vektordatenbank-Speicherung mit semantischer Suche für präzisen Abruf (findet Übereinstimmungen auch bei unterschiedlicher Wortwahl), bedarfsgesteuerter Abruf lädt nur relevante Erinnerungen (Token-Verbrauch sinkt um 50%+), automatische Multi-Projekt-Isolation ohne Interferenz, und integriertes Problem-Tracking + Aufgabenverwaltung, die der KI ermöglicht, deinen Entwicklungsworkflow vollständig zu automatisieren. Alle Daten werden dauerhaft auf deinem Rechner gespeichert — null Cloud-Abhängigkeit, nichts geht verloren beim Wechsel von Sitzungen oder IDEs.

✨ Kernfunktionen

Funktion	Beschreibung
🧠 Sitzungsübergreifendes Gedächtnis	Deine KI erinnert sich endlich an dein Projekt — Fehler, Entscheidungen, Konventionen bleiben über Sessions hinweg erhalten
🔍 Hybride Intelligente Suche	FTS5 Volltext + vektorielle semantische Dualsuche, RRF-Fusionsranking + Komposit-Scoring (Aktualität × Häufigkeit × Wichtigkeit), weit präziser als reine Vektorsuche
🐛 Problem-Tracking	Integrierter Issue Tracker — Entdecken → Untersuchen → Beheben → Archivieren, vollständiger Lebenszyklus. KI verwaltet Bugs automatisch
📋 Aufgabenverwaltung	Spec → Aufgabenzerlegung → verschachtelte Unteraufgaben → Status-Sync → verknüpfte Archivierung. KI steuert den gesamten Dev-Workflow
🚦 Sitzungsstatus	Blockierungsverwaltung + Breakpoint-Wiederaufnahme + Fortschrittsverfolgung, nahtlose Übergabe zwischen Sitzungen und Kontextkomprimierung
🪝 Hooks + Steering	Automatische Einspeisung von Arbeitsregeln + Verhaltensschutz-Hooks, konsistentes KI-Verhalten garantiert — keine wiederholten Anweisungen nötig
🧬 Gedächtnis-Evolution	Widerspruchserkennung ersetzt veraltetes Wissen + automatische Beförderung Kurzzeit→Langzeit + 90-Tage-Auto-Archivierung, selbstentwickelnder Speicher
📊 Desktop-App + Web-Dashboard	Native Desktop-App (macOS/Windows/Linux) + Web-Dashboard, 3D-Vektornetzwerk zeigt Wissensverbindungen auf einen Blick
💰 50%+ Tokens sparen	Semantischer Abruf bei Bedarf, Schluss mit Copy-Paste des Projektkontexts in jeder Konversation
🏠 Vollständig Lokal	Null Cloud-Abhängigkeit. ONNX lokale Inferenz, kein API Key, Daten verlassen nie deinen Rechner
🔌 11 IDEs Abgedeckt	Cursor / Kiro / Claude Code / Windsurf / VSCode / Copilot / OpenCode / Trae / Codex / Antigravity / OpenClaw — Ein-Klick-Installation & -Deinstallation
📁 Multi-Projekt-Isolation	Eine DB für alle Projekte, automatisch isoliert ohne Interferenz, nahtloser Projektwechsel
🔄 Intelligente Deduplizierung	Ähnlichkeit > 0.95 führt automatisch zusammen, Wissensspeicher bleibt sauber — wird nie unübersichtlich
🌐 7 Sprachen	简体中文 / 繁體中文 / English / Español / Deutsch / Français / 日本語, Full-Stack i18n für Dashboard + Steering-Regeln

QQ群：1085682431 | 微信：changhuibiz
共同参与项目开发加QQ群或微信交流

🏗️ Architektur

┌─────────────────────────────────────────────────┐
│                   AI IDE                         │
│  OpenCode / Codex / Claude Code / Cursor / ...  │
└──────────────────────┬──────────────────────────┘
                       │ MCP Protocol (stdio)
┌──────────────────────▼──────────────────────────┐
│              AIVectorMemory Server               │
│                                                  │
│  ┌──────────┐ ┌──────────┐ ┌──────────────────┐ │
│  │ remember │ │  recall   │ │   auto_save      │ │
│  │ forget   │ │  task     │ │   status/track   │ │
│  └────┬─────┘ └────┬─────┘ └───────┬──────────┘ │
│       │            │               │             │
│  ┌────▼────────────▼───────────────▼──────────┐  │
│  │         Embedding Engine (ONNX)            │  │
│  │      intfloat/multilingual-e5-small        │  │
│  └────────────────────┬───────────────────────┘  │
│                       │                          │
│  ┌────────────────────▼───────────────────────┐  │
│  │     SQLite + sqlite-vec (Vektorindex)      │  │
│  │     ~/.aivectormemory/memory.db            │  │
│  └────────────────────────────────────────────┘  │
└──────────────────────────────────────────────────┘

🚀 Schnellstart

Option 1: pip Installation (Empfohlen)

# Installieren
pip install aivectormemory

# Auf neueste Version aktualisieren
pip install --upgrade aivectormemory

# In dein Projektverzeichnis wechseln, Ein-Klick-IDE-Setup
cd /path/to/your/project
run install

run install führt dich interaktiv durch die IDE-Auswahl und generiert automatisch MCP-Konfiguration, Steering-Regeln und Hooks — kein manuelles Setup nötig.

macOS-Benutzer beachten:
Bei externally-managed-environment Fehler: --break-system-packages hinzufügen
Bei enable_load_extension Fehler: Dein Python unterstützt kein SQLite-Extension-Loading (macOS-Standard-Python und python.org-Installer unterstützen es nicht). Verwende Homebrew Python:
brew install python
/opt/homebrew/bin/python3 -m pip install aivectormemory

Option 2: uvx (ohne Installation)

Kein pip install nötig, direkt ausführen:

cd /path/to/your/project
uvx aivectormemory install

uv muss installiert sein. uvx lädt das Paket automatisch herunter und führt es aus.

Option 3: Manuelle Konfiguration

{
  "mcpServers": {
    "aivectormemory": {
      "command": "run",
      "args": ["--project-dir", "/path/to/your/project"]
    }
  }
}

📍 Konfigurationsdatei-Pfade nach IDE

IDE	Konfigurationspfad
Kiro	`.kiro/settings/mcp.json`
Cursor	`.cursor/mcp.json`
Claude Code	`.mcp.json`
Windsurf	`.windsurf/mcp.json`
VSCode	`.vscode/mcp.json`
Trae	`.trae/mcp.json`
OpenCode	`opencode.json`
Codex	`.codex/config.toml`

Für Codex verwende projektbezogenes TOML statt JSON:

[mcp_servers.aivectormemory]
command = "run"
args = ["--project-dir", "/path/to/your/project"]

Codex lädt die projektbezogene .codex/config.toml erst, nachdem das Repository als trusted project markiert wurde.

🛠️ 9 MCP-Werkzeuge

`remember` — Erinnerung speichern

content (string, erforderlich)   Inhalt im Markdown-Format
tags    (string[], erforderlich)  Tags, z.B. ["fehler", "python"]
scope   (string)                  "project" (Standard) / "user" (projektübergreifend)

Ähnlichkeit > 0.95 aktualisiert automatisch bestehende Erinnerung, keine Duplikate.

`recall` — Semantische Suche

query   (string)     Semantische Suchbegriffe
tags    (string[])   Exakter Tag-Filter
scope   (string)     "project" / "user" / "all"
top_k   (integer)    Anzahl der Ergebnisse, Standard 5

Vektorähnlichkeits-Matching — findet verwandte Erinnerungen auch bei unterschiedlicher Wortwahl.

`forget` — Erinnerungen löschen

memory_id  (string)     Einzelne ID
memory_ids (string[])   Mehrere IDs

`status` — Sitzungsstatus

state (object, optional)   Weglassen zum Lesen, übergeben zum Aktualisieren
  is_blocked, block_reason, current_task,
  next_step, progress[], recent_changes[], pending[]

Hält den Arbeitsfortschritt sitzungsübergreifend, stellt Kontext automatisch wieder her.

`track` — Problem-Tracking

action   (string)   "create" / "update" / "archive" / "list"
title    (string)   Problemtitel
issue_id (integer)  Problem-ID
status   (string)   "pending" / "in_progress" / "completed"
content  (string)   Untersuchungsinhalt

`task` — Aufgabenverwaltung

action     (string, erforderlich)  "batch_create" / "update" / "list" / "delete" / "archive"
feature_id (string)                Verknüpfte Funktionskennung (erforderlich für list)
tasks      (array)                 Aufgabenliste (batch_create, Unteraufgaben unterstützt)
task_id    (integer)               Aufgaben-ID (update)
status     (string)                "pending" / "in_progress" / "completed" / "skipped"

Über feature_id mit Spec-Dokumenten verknüpft. Update synchronisiert automatisch tasks.md Checkboxen und verknüpften Issue-Status.

`readme` — README-Generierung

action   (string)    "generate" (Standard) / "diff" (Unterschiede vergleichen)
lang     (string)    Sprache: en / zh-TW / ja / de / fr / es
sections (string[])  Abschnitte angeben: header / tools / deps

Generiert automatisch README-Inhalte aus TOOL_DEFINITIONS / pyproject.toml, Mehrsprachigkeit unterstützt.

`auto_save` — Automatisches Speichern von Präferenzen

preferences  (string[])  Vom Benutzer geäußerte technische Präferenzen (festes scope=user, projektübergreifend)
extra_tags   (string[])  Zusätzliche Tags

Extrahiert und speichert automatisch Benutzerpräferenzen am Ende jeder Konversation, intelligente Deduplizierung.

`graph` — Code-Wissensgraph

action       (string, erforderlich)  "query" / "trace" / "batch" / "add_node" / "add_edge" / "remove" / "refresh"
name         (string)                Entitätsname (add_node/query)
entity_type  (string)                Entitätstyp: function/class/module/api/table/config (add_node/query)
file_path    (string)                Dateipfad, automatisch in relativen Pfad konvertiert (add_node/query/refresh)
source       (string)                Quellknotenname oder ID (add_edge)
target       (string)                Zielknotenname oder ID (add_edge)
relation     (string)                Beziehungstyp: calls/imports/inherits/uses/depends_on/contains (add_edge/trace)
start        (string)                Startknotenname oder ID (trace)
direction    (string)                Traversierungsrichtung: "up" / "down" / "both" (trace)
max_depth    (integer)               Maximale Traversierungstiefe, Standard 3 (trace)

Verwaltet Funktionsaufrufketten, Datenflüsse und Abhängigkeitsbeziehungen. Trace vor Codeänderungen zur Bewertung des Auswirkungsbereichs.

📊 Web-Dashboard

run web --port 9080
run web --port 9080 --quiet          # Anfrage-Logs unterdrücken
run web --port 9080 --quiet --daemon  # Im Hintergrund ausführen (macOS/Linux)

Besuche http://localhost:9080 im Browser. Standardbenutzername admin, Passwort admin123 (kann nach der ersten Anmeldung in den Einstellungen geändert werden).

Mehrere Projekte wechseln, Erinnerungen durchsuchen/bearbeiten/löschen/exportieren/importieren
Semantische Suche (Vektorähnlichkeits-Matching)
Projektdaten mit einem Klick löschen
Sitzungsstatus, Problem-Tracking
Tag-Verwaltung (Umbenennen, Zusammenführen, Stapellöschung)
Token-Authentifizierungsschutz
3D-Vektornetzwerk-Visualisierung
🌐 Mehrsprachige Unterstützung (简体中文 / 繁體中文 / English / Español / Deutsch / Français / 日本語)

Anmeldung

Projektauswahl

Übersicht & Vektornetzwerk-Visualisierung

WeChat-Gruppe beitreten | QQ-Gruppe beitreten

⚡ Kombination mit Steering-Regeln

AIVectorMemory ist die Speicherschicht. Verwende Steering-Regeln, um der KI mitzuteilen, wann und wie sie diese Tools aufrufen soll.

run install generiert automatisch Steering-Regeln und Hooks-Konfiguration — kein manuelles Setup nötig.

IDE	Steering-Pfad	Hooks
Kiro	`.kiro/steering/aivectormemory.md`	`.kiro/hooks/*.hook`
Cursor	`.cursor/rules/aivectormemory.md`	`.cursor/hooks.json`
Claude Code	`CLAUDE.md` (angehängt)	`.claude/settings.json`
Windsurf	`.windsurf/rules/aivectormemory.md`	`.windsurf/hooks.json`
VSCode	`.github/copilot-instructions.md` (angehängt)	`.claude/settings.json`
Trae	`.trae/rules/aivectormemory.md`	—
OpenCode	`AGENTS.md` (angehängt)	`.opencode/plugins/*.js`
Codex	`AGENTS.md` (angehängt)	—

📋 Steering-Regeln Beispiel (automatisch generiert)

# AIVectorMemory - Workflow-Regeln

## 1. Neuer Sitzungsstart (in Reihenfolge ausführen)

1. `recall` (tags: ["Projektwissen"], scope: "project", top_k: 100) Projektwissen laden
2. `recall` (tags: ["preference"], scope: "user", top_k: 20) Benutzereinstellungen laden
3. `status` (ohne state-Parameter) Sitzungsstatus lesen
4. Blockiert → berichten und warten; Nicht blockiert → Verarbeitungsfluss starten

## 2. Nachrichtenverarbeitungsfluss

- Schritt A: `status` Status lesen, bei Blockierung warten
- Schritt B: Nachrichtentyp klassifizieren (Chat/Korrektur/Präferenz/Code-Problem)
- Schritt C: `track create` Problem erfassen
- Schritt D: Untersuchen (`recall` Fehler suchen + Code prüfen + Ursache finden)
- Schritt E: Plan dem Benutzer vorstellen, Blockierung setzen für Bestätigung
- Schritt F: Code ändern (vor Änderungen `recall` Fehler prüfen)
- Schritt G: Tests zur Verifizierung ausführen
- Schritt H: Blockierung setzen für Benutzerverifizierung
- Schritt I: Benutzer bestätigt → `track archive` + Blockierung aufheben

## 3. Blockierungsregeln

Bei Planvorschlägen oder Verifizierungswartung muss `status({ is_blocked: true })` gesetzt werden.
Nur nach expliziter Benutzerbestätigung aufheben. Niemals selbst aufheben.

## 4-9. Problemverfolgung / Code-Prüfung / Spec-Aufgabenverwaltung / Erinnerungsqualität / Werkzeugübersicht / Entwicklungsstandards

(Vollständige Regeln werden automatisch von `run install` generiert)

🔗 Hooks-Konfiguration Beispiel (nur Kiro, automatisch generiert)

Automatisches Speichern bei Sitzungsende entfernt. Entwicklungsworkflow-Prüfung (.kiro/hooks/dev-workflow-check.kiro.hook):

{
  "enabled": true,
  "name": "Entwicklungsworkflow-Prüfung",
  "version": "1",
  "when": { "type": "promptSubmit" },
  "then": {
    "type": "askAgent",
    "prompt": "Kernprinzipien: Vor dem Handeln verifizieren, kein blindes Testen, erst nach bestandenen Tests als erledigt markieren"
  }
}

🇨🇳 Nutzer in China

Das Embedding-Modell (~200MB) wird beim ersten Start automatisch heruntergeladen. Falls langsam:

export HF_ENDPOINT=https://hf-mirror.com

Oder env in der MCP-Konfiguration hinzufügen:

{
  "env": { "HF_ENDPOINT": "https://hf-mirror.com" }
}

📦 Technologie-Stack

Komponente	Technologie
Laufzeit	Python >= 3.10
Vektor-DB	SQLite + sqlite-vec
Embedding	ONNX Runtime + intfloat/multilingual-e5-small
Tokenizer	HuggingFace Tokenizers
Protokoll	Model Context Protocol (MCP)
Web	Nativer HTTPServer + Vanilla JS

📋 Änderungsprotokoll

v2.4.4

Patch: Vollständige A-I-Ausrichtung des Nachrichtenverarbeitungsablaufs

🧩 CLAUDE.md §4 Nachrichtenverarbeitungsablauf Teil B Routen vollständig erweitert: alle 4 Zweige (Smalltalk/Korrektur/Präferenz/Sonstiges) vereinheitlicht bis I(Benutzerbestätigung & Archivierung), unvollständige „bei F stoppen"-Abläufe beseitigt
⚙️ inject-workflow-rules.sh Abschnitt Nachrichtentyp-Beurteilung vollständig mit §4 B ausgerichtet: 4 Routen mit einheitlicher Granularität
🔧 3 Konflikte behoben: inkonsistente Granularität (2 vs 4 Routen) / B/E Verantwortungsvermischung („Lösung+Blockierung" falsch platziert) / fehlender G/H/I Ablauf
📝 Einheitliche Verstoßklausel: „Ohne Ausgabe des Urteilsergebnisses zu den Schritten C/D/E/F übergehen = Verstoß"
🔄 7-Sprachen-Regeldateien (STEERING_CONTENT + DEV_WORKFLOW_PROMPT) vollständig mit CLAUDE.md v2.4.4-Updates synchronisiert

v2.4.3

Patch: Regeldurchsetzung & Graph-Visualisierung

🧠 §4.B: Zweistufige Pflichtstruktur (Nachricht verstehen → Typ bestimmen), Überspringen = Verstoß
📋 §8: Überprüfung + Blockierung in jeden Spec-Schritt eingebettet, Überspringen = Verstoß
🧬 DEV_WORKFLOW_PROMPT: graph trace/batch/add_node-Regeln für Untersuchung und Codeänderung hinzugefügt
📊 Graph-Dashboard: Dynamische Kraftlayout-Skalierung, Kantenbeschriftungen standardmäßig ausgeblendet (Hover zum Anzeigen), Knotenbeschriftungs-Kollisionserkennung
🔧 Redundanten Abschnitt „Häufige Verstoß-Erinnerungen" aus DEV_WORKFLOW_PROMPT entfernt
📝 §1 Identität & Ton in allen 7 Sprachen vereinheitlicht (keine Übersetzung)

v2.4.1

Patch: i18n-Regelsynchronisierung

🔄 Alle 7 Sprachregeldateien (STEERING_CONTENT + DEV_WORKFLOW_PROMPT) mit CLAUDE.md v2.4.0 Updates synchronisiert
🧬 graph-Werkzeug-Referenzen in allen Steering-Regeln hinzugefügt (trace/batch/add_node/add_edge/remove)
✏️ Autoritätsrolle in allen Sprachen von „Lead Architect" zu „Projektverantwortlicher" aktualisiert
📝 3 neue Verstoßregeln + 2 neue verbotene Elemente in allen Sprachen hinzugefügt

v2.4.0

Neu: Code-Wissensgraph

🧬 graph-Werkzeug — Verwaltet Funktionsaufrufketten, Datenflüsse und Abhängigkeitsbeziehungen als strukturierten Wissensgraphen
🔍 trace-Aktion — Verfolgt Upstream-/Downstream-Aufrufketten von beliebigen Entitäten, bewertet Auswirkungsbereich vor Codeänderungen
📊 Web-Dashboard Graph-Visualisierungsseite — Durchsuchen von Knoten, Kanten und Aufrufbeziehungen im Wissensgraphen
🗃️ DB-Migration v15 — Neue graph_nodes- und graph_edges-Tabellen für Graph-Speicherung
🌐 Alle 7 Sprach-READMEs synchron aktualisiert

v2.3.1

Verbesserung: Umfassende Regelüberarbeitung + OpenClaw-Unterstützung

🧠 5 fehlende Speichersystem-Aufrufe in KI-Regeln behoben: recall Fallstricke vor Untersuchung (Schritt D), vor gefährlichen Operationen (§7), vor Spec-Erstellung (§8), vor Teilaufgaben-Ausführung (§8), remember Fallstricke nach Fix (Schritt I)
🦞 OpenClaw IDE-Unterstützung hinzugefügt — jetzt 11 IDEs (MCP-Konfiguration wird in ~/.openclaw/openclaw.json zusammengeführt, Regeln an AGENTS.md angehängt)
🎭 Playwright-Selbsttest-Regeln verstärkt — ToolSearch Deferred-Tools-Ladeanforderung hinzugefügt, open-Befehl-Workaround verboten
🔧 v2.2.0–v2.2.6 Funktionen zusammengeführt: Hooks-System (bash_guard + stop_guard + check_track), Scoring-Engine-Verbesserungen, recall-Optimierungen, Web-Dashboard Massenlöschung, Desktop-Speicher-Lösch-Modal
⚠️ DEV_WORKFLOW_PROMPT: 2 neue Verstoß-Erinnerungen (Fallstricke vor Code-Änderung prüfen, nach Fix speichern)
🌐 Alle 7 Sprach-Regeldateien synchronisiert

v2.1.1

Verbesserung: AI-Regelsystem-Upgrade

📋 CLAUDE.md vervollständigt: Identität und Tonfall (§1), 7 Kernprinzipien (§3), Nachrichtentyp-Beurteilungsbeispiele, IDE-Sicherheit und Selbsttest-Abschnitte erweitert
⚠️ Hook mit Häufige-Verstöße-Erinnerung ergänzt: ❌ Negativbeispiele zur Verstärkung der 4 am häufigsten vergessenen Regeln (Selbsttest, Recall, Track Create, IDE-Sicherheit)
🌐 Alle 7 Sprach-Regeldateien synchron aktualisiert (zh-CN/zh-TW/en/ja/es/de/fr)
🔢 CLAUDE.md-Abschnitte auf §1–§11 umnummeriert, Querverweise aktualisiert

v2.1.0

Neu: Smart Memory Engine + Deinstallation

🧠 FTS5-Volltextsuche mit chinesischer Tokenisierung (jieba) — Stichwortsuche funktioniert jetzt korrekt für CJK-Inhalte
🔀 Hybridsuche: Vektor + FTS5 Dual-Path mit RRF (Reciprocal Rank Fusion) Zusammenführung
📊 Zusammengesetzte Bewertung: Ähnlichkeit×0,5 + Aktualität×0,3 + Häufigkeit×0,2, gewichtet nach Wichtigkeit
⚡ Konflikterkennung: Ähnliche Erinnerungen (0,85–0,95) werden automatisch als ersetzt markiert, alte Fakten verblassen automatisch
📦 Speicherebenen: Häufig abgerufene Erinnerungen werden automatisch zu long_term befördert und priorisiert durchsucht
🗑️ Auto-Archivierung: Abgelaufene Kurzzeiteinnerungen (90 Tage inaktiv + geringe Wichtigkeit) werden automatisch bereinigt
🔗 Beziehungserweiterung: Tag-Überlappung ≥ 2 erstellt automatisch Verknüpfungen, 1-Hop-Erweiterung findet verwandte Erinnerungen
📝 Auto-Zusammenfassung: Lange Erinnerungen (>500 Zeichen) erhalten Zusammenfassungen, Brief-Modus gibt Zusammenfassungen zurück um Token zu sparen
🧹 Code-Bereinigung: 15 tote Code-Elemente entfernt, 7 duplizierte Muster in gemeinsame Utilities refaktorisiert
❌ run uninstall — Entfernt sauber alle IDE-Konfigurationen (MCP, Steering, Hooks, Berechtigungen) unter Beibehaltung der Speicherdaten

v2.0.9

Verbesserung: Sicherheit & Regeloptimierung

🔒 SQL-Injection, Command-Injection und Path-Traversal-Schwachstellen behoben
🛡️ Transaktionsschutz für Datenintegrität hinzugefügt (Archivierung, Einfügen, Aktualisierung)
🧠 Ähnlichkeitsformel über alle Suchpfade vereinheitlicht
📏 AI-Workflow-Regeln um 38% komprimiert (219→136 Zeilen) ohne Prozessentfernung
🧹 v12-Migration bereinigt automatisch alte Müll-Erinnerungen
🌐 Alle 7 Sprachen synchronisiert

v2.0.8

Neu: Integrierter Playwright Browser-Test

🎭 run install konfiguriert jetzt automatisch Playwright Browser-Tests — KI kann einen echten Browser öffnen um Frontend-Änderungen zu überprüfen
🎭 Verwendet einen dedizierten Testbrowser (Chrome for Testing), der Ihre persönlichen Browser-Tabs nicht beeinträchtigt
🔑 Vereinfachte Berechtigungskonfiguration — keine Berechtigungs-Popups mehr für gängige Tools
📏 KI-Regeln in allen 7 Sprachen aktualisiert um korrektes Browser-Testverhalten durchzusetzen

v2.0.7

Verbesserung: Mehr IDE-Unterstützung

🖥️ Unterstützung für Antigravity und GitHub Copilot IDEs hinzugefügt
🔑 run install konfiguriert Tool-Berechtigungen automatisch
📏 KI-Selbsttest-Regeln vereinfacht

v2.0.6

Verbesserung: Schnellerer Start

⚡ Optimierte Speicherladung beim Sitzungsstart — schnellerer Start mit geringerem Kontextverbrauch
🔑 Automatische Konfiguration der Claude Code Berechtigungen bei Installation
🌐 7 Sprachen synchronisiert

v2.0.5

Verbesserung: Vereinfachte Regeln

📏 KI-Workflow-Regeln für Klarheit umstrukturiert und Token-Verbrauch reduziert
💾 KI speichert jetzt automatisch Ihre Präferenzen am Ende jeder Sitzung
🌐 7 Sprachen synchronisiert

v2.0.4

Fix: Tool-Zuverlässigkeit

🔧 Umfassende Überprüfung und Korrektur aller MCP-Tool-Parameter

v2.0.3

Verbesserung: Bessere Suche & Sicherheit

🔍 Speichersuche kombiniert jetzt semantische und Schlüsselwort-Übereinstimmung für genauere Ergebnisse
🛡️ Projektübergreifender Operationsschutz hinzugefügt

v2.0.2

Verbesserung: Regelverallgemeinerung & Desktop-Versionsanzeige-Fix

📏 Neue Regel „recall vor Benutzerfrage" — KI muss das Gedächtnissystem abfragen bevor sie den Benutzer nach Projektinformationen fragt (Serveradresse, Passwörter, Deployment-Konfiguration usw.)
📏 Vor-Operations-Prüfungsregel verallgemeinert — spezifische Beispiele entfernt, gilt für alle Szenarien
🖥️ Desktop-App Einstellungsseite zeigte hartcodierte Version "1.0.0" statt der tatsächlichen Version — behoben
🌐 Steuerungsregeln und Workflow-Prompts in allen 7 Sprachen synchronisiert

v2.0.1

Fix: Hook-Kompatibilität über Projekte hinweg

🔧 check_track.sh leitet den Projektpfad nun vom Skriptstandort ab statt von $(pwd), behebt Track-Erkennungsfehler wenn Claude Code Hooks aus einem anderen Arbeitsverzeichnis ausführt
🔧 compact-recovery.sh verwendet nun relative Pfadableitung statt hartcodierter absoluter Pfade
🔧 Redundante CLAUDE.md-Reinjektion aus compact-recovery entfernt (wird bereits automatisch geladen)
🔧 install.py-Vorlage mit allen Hook-Fixes synchronisiert
🌐 Compact-Recovery-Hinweistexte in allen 7 Sprachen aktualisiert

v2.0

Leistung: ONNX INT8-Quantisierung

⚡ Embedding-Modell wird beim ersten Laden automatisch von FP32 auf INT8 quantisiert, Modelldatei von 448MB auf 113MB reduziert
⚡ MCP Server Speicherverbrauch von ~1,6GB auf ~768MB reduziert (über 50% Reduktion)
⚡ Quantisierung ist für Benutzer transparent — automatisch beim ersten Einsatz, gecacht für spätere Ladevorgänge, Fallback auf FP32 bei Fehler

Neu: Passwort merken

🔐 Anmeldeseite auf Desktop und Web-Dashboard hat jetzt eine "Passwort merken"-Checkbox
🔐 Bei Aktivierung werden Anmeldedaten im localStorage gespeichert und beim nächsten Login automatisch ausgefüllt; bei Deaktivierung werden gespeicherte Daten gelöscht
🔐 Checkbox ist im Registrierungsmodus ausgeblendet

Verstärkung: Steering-Regeln

📝 IDENTITY & TONE-Abschnitt mit spezifischeren Einschränkungen verstärkt (keine Höflichkeitsfloskeln, keine Übersetzung von Benutzernachrichten usw.)
📝 Selbsttest-Anforderungen unterscheiden nun zwischen reinem Backend, MCP Server und Frontend-sichtbaren Änderungen (Playwright für Frontend erforderlich)
📝 Entwicklungsregeln schreiben nun Selbsttest nach Fertigstellung vor
📝 Alle 7 Sprachversionen synchronisiert

v1.0.11

🐛 Desktop-Versionsvergleich auf semantische Versionierung umgestellt, falsche Upgrade-Meldungen bei höherer lokaler Version behoben
🐛 Feldnamen der Gesundheitsprüfungsseite mit Backend abgeglichen, Konsistenzstatus zeigte immer Mismatch an — behoben
🔧 check_track.sh Hook mit Python-Fallback ergänzt, behebt stilles Hook-Versagen ohne System-sqlite3 (#4)

v1.0.10

🖥️ Desktop-App Ein-Klick-Installation + Upgrade-Erkennung
🖥️ Automatische Erkennung des Python- und aivectormemory-Installationsstatus beim Start
🖥️ Ein-Klick-Installationsbutton bei fehlender Installation, Erkennung neuer PyPI- und Desktop-Versionen bei vorhandener Installation
🐛 Installationserkennung auf importlib.metadata.version() umgestellt für genaue Paketversion

v1.0.3

recall Suchoptimierung

🔍 recall neuer Parameter tags_mode: any (OR-Abgleich) / all (AND-Abgleich)
🔍 query + tags verwendet standardmäßig OR-Abgleich (jeder Tag-Treffer wird Kandidat), behebt fehlende Ergebnisse bei mehreren Tags
🔍 Nur tags behält AND-Abgleich (präzise Kategorienavigation), abwärtskompatibel
📝 Steering-Regeln mit Suchrichtlinien aktualisiert

v0.2.8

Web-Dashboard

📋 Archivierte Problem-Detailansicht: Klick auf archivierte Karte zeigt schreibgeschützte Details (alle strukturierten Felder: Untersuchung/Ursache/Lösung/Testergebnis/geänderte Dateien), roter Lösch-Button unten für permanente Löschung

Steering-Regeln Verstärkung

📝 track create erfordert jetzt content-Feld (Problemsymptome und Kontext beschreiben), nur Titel ohne Inhalt verboten
📝 track update nach Untersuchung erfordert investigation und root_cause Felder
📝 track update nach Behebung erfordert solution, files_changed und test_result Felder
📝 Abschnitt 4 fügt Unterabschnitt "Feldausfüllstandards" mit Pflichtfeldern pro Phase hinzu
📝 Abschnitt 5 von "Code-Änderungsprüfung" zu "Vor-Operations-Prüfung" erweitert, recall-Regel für Fehlerprotokolle vor Dashboard-Start/PyPI-Veröffentlichung/Service-Neustart hinzugefügt
📝 install.py STEERING_CONTENT mit allen Änderungen synchronisiert

Tool-Optimierung

🔧 track-Tool content-Feldbeschreibung von "Untersuchungsinhalt" zu "Problembeschreibung (bei create erforderlich)" geändert

v0.2.7

Automatische Schlüsselwort-Extraktion

🔑 remember/auto_save extrahieren automatisch Schlüsselwörter aus dem Inhalt und ergänzen die Tags — KI muss keine vollständigen Tags mehr manuell übergeben
🔑 Verwendet jieba chinesische Wortsegmentierung + englische Regex-Extraktion, präzise Schlüsselwort-Extraktion für gemischte chinesisch-englische Inhalte
🔑 Neue Abhängigkeit jieba>=0.42

v0.2.6

Steering-Regeln Umstrukturierung

📝 Steering-Regeldokument von alter 3-Abschnitt-Struktur auf 9-Abschnitt-Struktur umgeschrieben (Sitzungsstart / Nachrichtenverarbeitung / Blockierungsregeln / Problemverfolgung / Code-Überprüfung / Spec-Aufgabenverwaltung / Speicherqualität / Werkzeugreferenz / Entwicklungsstandards)
📝 install.py STEERING_CONTENT-Vorlage synchronisiert, neue Projekte erhalten aktualisierte Regeln bei Installation
📝 Tags von festen Listen auf dynamische Extraktion umgestellt (Schlüsselwörter aus Inhalt extrahiert), verbesserte Speicherabrufgenauigkeit

Fehlerbehebungen

🐛 readme-Tool handle_readme() fehlte **_, verursachte MCP-Aufruffehler unexpected keyword argument 'engine'
🐛 Web-Dashboard Speichersuche-Paginierung behoben (vollständige Filterung vor Paginierung bei Suchanfrage, behebt unvollständige Suchergebnisse)

Dokumentationsaktualisierungen

📖 README Werkzeuganzahl 7→8, Architekturdiagramm digest→task, task/readme Werkzeugbeschreibungen hinzugefügt
📖 auto_save-Parameter von decisions[]/modifications[]/pitfalls[]/todos[] auf preferences[]/extra_tags[] aktualisiert
📖 Steering-Regelbeispiel von 3-Abschnitt-Format auf 9-Abschnitt-Strukturzusammenfassung aktualisiert
📖 Aktualisierungen über 6 Sprachversionen synchronisiert

v0.2.5

Aufgabengesteuerter Entwicklungsmodus

🔗 Issue-Tracking (track) und Aufgabenverwaltung (task) über feature_id zu einem vollständigen Workflow verbunden: Problem entdecken → Aufgaben erstellen → Aufgaben ausführen → Status automatisch synchronisieren → verknüpfte Archivierung
🔄 task update synchronisiert bei Statusänderung automatisch den verknüpften Issue-Status (alle abgeschlossen→completed, in Bearbeitung→in_progress)
📦 track archive archiviert bei Issue-Archivierung automatisch verknüpfte Aufgaben (ausgelöst beim letzten aktiven Issue)
📦 task-Werkzeug mit neuem archive-Aktion, verschiebt alle Aufgaben einer Funktionsgruppe in die tasks_archive-Tabelle
📊 Issue-Karten zeigen verknüpften Aufgabenfortschritt (z.B. 5/10), Aufgabenseite unterstützt Archiv-Filterung

Neue Werkzeuge

🆕 task-Werkzeug — Aufgabenverwaltung (batch_create/update/list/delete/archive), Baumstruktur-Unteraufgaben, über feature_id mit Spec-Dokumenten verknüpft
🆕 readme-Werkzeug — README-Inhalte automatisch aus TOOL_DEFINITIONS/pyproject.toml generieren, Mehrsprachigkeit und Diff-Vergleich

Werkzeug-Erweiterungen

🔧 track mit delete-Aktion, 9 strukturierten Feldern (description/investigation/root_cause/solution/test_result/notes/files_changed/feature_id/parent_id), list nach issue_id für Einzelabfrage
🔧 recall mit source-Parameterfilterung (manual/auto_save) und brief-Modus (nur content+tags, spart Kontext)
🔧 auto_save markiert Erinnerungen mit source="auto_save", unterscheidet manuelle Erinnerungen von automatischen Speicherungen

Wissensdatenbank-Tabellenaufteilung

🗃️ project_memories + user_memories als unabhängige Tabellen, eliminiert scope/filter_dir-Mischabfragen, verbesserte Abfrageleistung
📊 DB Schema v4→v6: issues mit 9 strukturierten Feldern + tasks/tasks_archive-Tabellen + memories.source-Feld