Engrim - Lokal-first SQLite-Speicher-Engine für KI-CLIs
Show HN: Engrim – A universal, local-first SQLite memory engine for AI CLIs
Engrim ist eine universelle, lokal-first SQLite-Speicher-Engine für KI-CLIs wie Google Antigravity, Claude Code, Cursor und Windsurf. Sie speichert projektspezifische Entscheidungen, Einschränkungen und Zustände, sodass Entwickler nahtlos zwischen Modellen und Umgebungen wechseln können, ohne Kontext oder Architektur zu verlieren. Mit hybrider Suche (BM25 + Vektoren) und einem Fokus auf Datenschutz (100% lokal, keine Cloud) reduziert Engrim den Kontextaufwand um über 99% und ermöglicht ein 'Continue-as-Clear'-Workflow. Einfach per 'pip install engrim' und 'engrim setup' konfigurierbar.
Warum für 200.000 Token vergessenen Rauschens bei jeder Runde zahlen? Die Modelle sind Wegwerf-Dienstprogramme; die Entscheidungen deines Projekts nicht.
- flippant
Glückwunsch zur Veröffentlichung!
Ich habe in den letzten Monaten ein anderes Memory-Plugin [1] verwendet. Seit dieser Änderung führe ich fast nie mehr eine Sitzungskompaktierung durch. Stattdessen starte ich einfach eine neue Sitzung, gebe dem Agenten eine Aufgabe und lasse ihn herausfinden, was in früheren Sitzungen passiert ist.
Entscheidungszusammenfassungen sehen wirklich cool aus – obwohl die Agenten-/Modellinformationen für mich wahrscheinlich nicht nützlich sein werden, da ich Agenten eigentlich nie Code autonom committen lasse (auch nicht in Branches).
- [1] https://ctx.rs/
- thih9
> Führe `engrim setup` ohne Argumente aus. Es erkennt automatisch installierte Umgebungen auf deinem Rechner und konfiguriert sie alle.
Wird ein Deinstallationsskript mitgeliefert?
- cedws
Funktioniert Agentengedächtnis als Konzept überhaupt schon? Ich habe bisher nur erlebt, dass LLMs Müll ins Gedächtnis schreiben und in irrelevanten Kontexten darauf zurückgreifen.
- aidiveyt
Stop-Hooks können den Turn auch blockieren: Exit 2 mit einer Nachricht und die Sitzung funktioniert weiter, bis die Prüfung erfolgreich ist.
- esafak
Tim, könntest du diesen Teil näher erläutern?
> Empirischer Beweis (Die 105-Sitzungen-Fallstudie)
Kannst du das gegen Wettbewerber benchmarken? Es gibt viele dieser Memory-Plugins und niemand weiß, wie sie im Vergleich abschneiden.
Es scheint, der Kern deiner Arbeit liegt in https://github.com/timgordontg/engrim/blob/main/src/engrim/m...
Es gibt noch kein Lebenszyklus-Management oder Konfliktlösung, und die Modelle entscheiden selbst, wann sie es verwenden.