Elite Longterm Memory

• Du tappar kontext mitt i en session — WAL-protokollet (Write-Ahead Log) säkerställer att tillståndet skrivs innan agenten svarar, så att komprimeringar och krascher inte kan radera det som är viktigt.
• Du arbetar med långvariga eller flersessions-projekt — det kurerade MEMORY.md + dagliga loggar ger både agent och människa ett beständigt, lättläst register över beslut.
• Dina agenter upprepar misstag eller glömmer preferenser — Mem0 extraherar automatiskt fakta från konversationer och deduplicerar dem, vilket minskar tokenanvändningen med ~80 % jämfört med obearbetad historik.
• Du kör subagenter eller parallella arbetsflöden — den skiktade arkitekturen låter dig skicka strukturerad kontext via git-notes och semantisk sökning istället för att förklara allt på nytt.

• Du behöver en engångs-, ensessionsuppgift — den fullständiga 5-lagers-uppsättningen lägger till overhead som inte är motiverad för engångsskript eller korta uppgifter.
• Du använder inte en OpenAI-kompatibel LLM-nyckel — semantisk vektorsökning (LanceDB) och Mem0-integration kräver OPENAI_API_KEY; skickligheten når inte sin fulla potential utan den.

Tillståndet skrivs till SESSION-STATE.md innan agenten svarar, inte efter. Detta förhindrar förlust av kontext vid komprimering, krascher eller avbrott mitt i en konversation — en garanti som naiva minnesmetoder inte kan erbjuda.

Alla minnen indexeras i ett lokalt LanceDB-vektorlager. Automatisk återkallning injicerar det mest relevanta tidigare sammanhanget i varje svar, och manuella kommandon memory_store / memory_recall låter dig söka eller filtrera efter kategori och viktighetspoäng.

Strukturerade beslut, lärdomar och grenmedveten kontext lagras som git-noter — tysta, versionskontrollerade och exporterbara som JSON. De bevaras permanent tillsammans med din repohistorik.

Mem0 extraherar automatiskt fakta, preferenser och beslut från råa konversationshistorik, deduplicerar dem och presenterar relevanta minnen på begäran. Detta eliminerar behovet av att skicka hela chatthistoriken och minskar tokenförbrukningen med upp till 80%.

Synkronisera valfritt din kunskapsbas till SuperMemory för åtkomst över flera enheter och naturspråksförfrågningar av lagrad kontext. Kräver en SUPERMEMORY_API_KEY.

En rotfil MEMORY.md och daterade dagliga loggar under memory/YYYY-MM-DD.md ger både agent och utvecklare ett tydligt, blädderbart register över vad som beslutades, lärdes och sparades — ingen ogenomskinlig databas krävs.

När projektet utvecklas över dagar eller veckor skriver agenten tekniska beslut (t.ex. "Använd Tailwind, inte vanlig CSS") till git-notes och SESSION-STATE.md. Vid varje ny session läser den tidigare kontext automatiskt, så den frågar aldrig igen vilket ramverk du använder.

När kontextfönstret fylls och agenten kompakterar fungerar SESSION-STATE.md som ett snabbt RAM-minne som överlever återställningen. WAL-protokollet säkerställer att allt som sagts i det senaste utbytet redan är sparat innan kompakteringen utlöses.

Kontext som lagras i git-notes och LanceDB kan hämtas av vilken skapad underagent som helst vid uppgiftens start, så att parallella agenter delar samma beslut och preferenser utan manuell återinformation.

Användarpreferenser, återkommande deadlines och korrigerade misstag extraheras automatiskt av Mem0 och lagras mellan sessioner. Agenten bygger en noggrann, deduplicerad modell av användaren över tid utan att utöka prompten.