Montag, 9:40 Uhr, du öffnest einen neuen Chat mit deinem Coding-Agenten. Letzten Donnerstag hat er eine Stunde gebraucht, um herauszufinden, dass der Billing-Service auf Postgres 16 läuft und die komplette Testsuite vier Minuten dauert. Heute stellt er dir beide Fragen erneut. Du antwortest, er nickt, und irgendwo im Hinterkopf beginnst du eine Liste mit Dingen, die du am Freitag schon wieder erklären musst.
Was die Knowledge-Funktionen sind
osFoundry hat eine Gruppe von Funktionen, die genau diese Wiederholung beenden sollen: Note, Knowledge Base, Memory mit seinen Memory Groups, Lessons, Chat History und Indexed Folders. Einfach gesagt sind das die Orte, an denen gespeichert wird, was du schreibst und was deine Agenten herausfinden, plus die Schalter, die entscheiden, was davon beim nächsten Lauf als Kontext an die KI zurückgeht. In der Desktop-App ist das kein einziges großes Panel, sondern mehrere Screens: Notes für deine eigenen Dokumente, Knowledge Base für gemeinsame Artikel, Memory (Untertitel "What Maestro knows & reads") für alles, was sich der Assistent und deine Agenten merken, und Indexes für Ordner, die du ausdrücklich für die Suche freigibst. Wenn du schon mal ein Wiki neben einem Chat-Assistenten benutzt hast: Stell dir vor, das Wiki und das Notizbuch des Assistenten liegen in derselben App, und an jedem Regal hängt ein Schalter, der festlegt, ob die KI es lesen darf.
Ein erster Blick auf den Memory-Screen
Das ist Memory mit ausgewähltem Agents-Bereich, gefüllt mit Beispieldaten. Was du siehst:
- Die linke Leiste: Memory Groups, Memory Browser, Chat History, Agents, Sessions und Lessons. Unter "Indexing" liegen Chunking Station, Indexed Folders und Embeddings, die den Indexes-Screen öffnen.
- Die Agentenliste ("Agents with memory"): jeder Agent mit der Anzahl seiner Memories und Lessons, hier @code-agent und @research-agent.
- "What it knows": Fakten, die aus abgeschlossenen Schritten und Chat-Turns gespeichert und in späteren Läufen des Agenten wieder eingelesen werden. Im Beispiel: die Postgres-Version, der Testbefehl und dass du kleine Pull Requests bevorzugst.
- "What it learned": Regeln, die erst geschrieben werden, nachdem ein Reviewer die Arbeit abgelehnt hat oder ein Schritt fehlgeschlagen ist.
- "Move what it learned": Save to a file und Import from a file, denn Memories und Lessons bleiben auf dem Gerät und wandern nicht von selbst mit einem Agenten auf einen anderen Rechner. Oben steuern Settings und Turn off das Agenten-Gedächtnis als Ganzes.
Drei Arten, wie Leute es nutzen
Eine Solo-Entwicklerin, die ständig die Codebasis neu erklärt
Maya pflegt allein eine mittelgroße API und lässt die meisten Änderungen von einem Agenten erledigen. Ihr Problem ist nicht, dass der Agent schlecht wäre, sondern dass jede Session bei null anfängt.
Sie öffnet Indexes, bleibt im Tab Sources und klickt auf Add folder, um das Repository auszuwählen. Der Scan ist kostenlos und zeigt, was indexiert wird, bevor irgendetwas embedded wird. Sie wählt "Index locally", wodurch die Embeddings mit einem On-Device-Modell auf ihrem eigenen Rechner erzeugt werden, und aktiviert "Re-index automatically when files change", damit der Index mit ihren Änderungen Schritt hält.
Wenn sie Maestro jetzt ganz normal fragt, wo die Logik für die Kontosperrung steckt, kann der Agent eine Ordnersuche starten, die Stichwort- und Bedeutungssuche kombiniert, und liefert Dateipfade und Zeilenbereiche statt einer Vermutung. Im Lauf einiger Tage tauchen die Fakten, die der Agent unterwegs aufschnappt, unter Memory → Agents → "What it knows" auf, sodass das nächste Gespräch schon damit beginnt.
Was sie am Ende hat: einen Agenten, der in ihrem Code nach Bedeutung suchen kann, und eine kurze, lesbare Liste dessen, was er sich über ihr Projekt merkt, die sie jederzeit prüfen kann.
Ein Teamleiter, der will, dass der Agent einen Fehler nicht wiederholt
Daniel leitet ein kleines Team, in dem Agenten Änderungen entwerfen und eine Review-Stufe sie prüft. Vor zwei Wochen hat ein Agent einen fehlschlagenden Test "repariert", indem er ihn gelöscht hat. Der Reviewer hat diesen Lauf abgelehnt, und osFoundry hat aus der Ablehnung eine Lesson geschrieben.
Er öffnet Memory → Lessons. Dort stehen die Lessons aller Agenten zusammen mit dem Lauf, aus dem sie stammen, formuliert als "When … : …". Die nützlichen behält er, etwa "When a test fails after your change: fix the code. Never edit, skip or delete the test to make it pass." Eine Zeile trägt das Badge "from outside content": Sie stammt von einer Preisseite, die der Research-Agent gelesen hat, und besagt, immer einen bestimmten Tarif zu empfehlen. Der Agent behandelt solche Lessons als Vorschläge, nicht als Anweisungen, aber Daniel will sie dort überhaupt nicht haben und klickt deshalb auf Retire.
Mit aktiviertem "Show retired" bleibt die zurückgezogene Zeile ausgegraut sichtbar, mit einem Restore-Button, sodass nichts verloren ist, falls er es sich anders überlegt. Was er am Ende hat: Agenten, die vor jedem Lauf die neuesten aktiven Lessons lesen, und eine nachvollziehbare Liste aller Regeln, die sie gelernt haben, samt Herkunft.
Eine Beraterin, die will, dass die KI das Material des richtigen Kunden nutzt
Aiko ist freiberufliche Beraterin, keine Entwicklerin. Ihre Kundenunterlagen sind ein paar hundert Word-Dokumente und PDFs in Ordnern auf ihrem Laptop, und der Assistent soll daraus antworten, ohne Kunden durcheinanderzubringen.
In Notes klickt sie auf Import… und wählt "Import folder…" (laut Menü für einen Obsidian-Vault oder einen entpackten Export; "Import .zip archive…" deckt einen Notion-Export oder ein Bear-Backup ab). Die Desktop-App wandelt die Dateien offline in Notizen um und übernimmt die Ordnerstruktur in den File Tree.
Für Seiten, die sie bei allen Kunden wiederverwendet, etwa ihre Onboarding-Checkliste und ihre Standardkonditionen, baut sie eine Knowledge Base: New Knowledge Base, dann New article, oder Import content aus PDF, DOCX, Markdown, einem Notion- oder Confluence-Export oder einem Website-Crawl. Nach dem Bearbeiten eines Artikels klickt sie auf Generate chunks, damit die KI die aktuelle Version abruft; reines Bearbeiten indexiert ihn nicht neu.
Danach geht sie zu Memory → Memory Groups und legt pro Kunde eine Gruppe an. In der Einstellung "When can this be recalled?" jeder Gruppe lässt sie den aktuellen Kunden auf Normal (durchsucht, wenn das Projekt es erlaubt) und setzt ein abgeschlossenes Mandat auf Never, wodurch es komplett aus der Suche verschwindet, aber gespeichert bleibt. Eine Memory, die in jeder Antwort stehen soll, ihre Preisliste, bekommt "Pin (always in context)". Was sie am Ende hat: Antworten aus dem Material des richtigen Kunden und einen ausdrücklichen Aus-Schalter für alles andere.
Wie es mit dem Rest der App zusammenspielt
Die Knowledge-Funktionen stehen meist nicht für sich, sondern versorgen andere Teile von osFoundry. Maestro, der In-App-Assistent, ist der Hauptleser: Er durchsucht Memory Groups, wenn eine Frage es erfordert, und nutzt Indexed Folders über seine Ordnersuche. Agenten auf den Screens Agent team und Single agent bringen ihr eigenes Gedächtnis und ihre Lessons in jedes Gespräch mit, an dem sie teilnehmen. Der Health-Tab des Indexes-Screens enthält Chunking Station und Embeddings; dort siehst du, welche Notizen, Artikel und Dateien geändert, fehlgeschlagen oder nie gechunkt wurden. Chat History bewahrt die Transkripte auf, die beim Komprimieren langer Gespräche entstehen, sodass du zu den Originalformulierungen hinter einer Zusammenfassung zurückkehren kannst. Und für Gespräche in anderen KI-Apps auf deinem Rechner listet External agents diese Sessions neben denen von osFoundry. Die Feature-Seiten zu agent memory groups und knowledge bases gehen jeweils mehr ins Detail.
Fragen, die Einsteiger stellen
Liest der Assistent automatisch alle meine Notizen?
Nein. Der Assistent liest Memories nicht automatisch, sondern durchsucht sie, wenn eine Frage es erfordert, und die Einstellung jeder Memory Group (Always on, Normal oder Never) legt fest, was diese Suche erreichen kann. Ordner werden erst indexiert, nachdem du sie auf dem Indexes-Screen hinzugefügt hast.
Wo wird das alles gespeichert?
Agenten-Memories und Lessons liegen auf deinem Gerät, und Lessons werden nie hochgeladen. Memory Groups können persönlich oder workspaceweit sein und auf diesem Gerät oder in der Cloud liegen; der Memory-Screen zeigt die Anzahl für beides.
Was ist der Unterschied zwischen Chat History, Sessions und Lessons?
Chat History ist das Transkript dessen, was gesagt wurde, Sessions zeigt, was Agenten aus jedem Schritt behalten haben, und Lessons sind die Regeln, denen Agenten beim nächsten Mal folgen. Die ersten beiden sind Belege, die du prüfen kannst; Lessons sind Leitlinien, die du zurückziehen oder wiederherstellen kannst.
Brauche ich die Desktop-App?
Für alles, was deinen eigenen Rechner liest, ja: Ordner-Indexierung, Datei-Import in Notes, Chat History und die Ansichten fürs Agenten-Gedächtnis laufen in der Desktop-App, die du auf der Download-Seite bekommst.
Top comments (0)