PRX-Memory

PRX-Memory ist eine lokale semantische Speicher-Engine für Coding-Agenten. Sie kombiniert Embedding-basiertes Retrieval, Reranking, Governance-Kontrollen und messbare Evolution in einer einzelnen MCP-kompatiblen Komponente. PRX-Memory wird als eigenständiger Daemon (prx-memoryd) geliefert, der über stdio oder HTTP kommuniziert und mit Codex, Claude Code, OpenClaw, OpenPRX und jedem anderen MCP-Client kompatibel ist.

PRX-Memory konzentriert sich auf wiederverwendbares Engineering-Wissen, nicht auf rohe Protokolle. Das System speichert strukturierte Erinnerungen mit Tags, Scopes und Wichtigkeitsbewertungen und ruft sie mit einer Kombination aus lexikalischer Suche, Vektorähnlichkeit und optionalem Reranking ab -- alles durch Qualitäts- und Sicherheitseinschränkungen gesteuert.

Warum PRX-Memory?

Die meisten Coding-Agenten behandeln Speicher als Nachgedanken -- flache Dateien, unstrukturierte Protokolle oder anbietergebundene Cloud-Dienste. PRX-Memory verfolgt einen anderen Ansatz:

• Lokal zuerst. Alle Daten bleiben auf Ihrem Computer. Keine Cloud-Abhängigkeit, keine Telemetrie, keine Daten verlassen Ihr Netzwerk.
• Strukturiert und gesteuert. Jeder Speichereintrag folgt einem standardisierten Format mit Tags, Scopes, Kategorien und Qualitätseinschränkungen. Tag-Normalisierung und Verhältnisbeschränkungen verhindern Drift.
• Semantisches Retrieval. Kombiniert lexikalisches Matching mit Vektorähnlichkeit und optionalem Reranking, um die relevantesten Erinnerungen für einen gegebenen Kontext zu finden.
• Messbare Evolution. Das memory_evolve-Tool verwendet Train/Holdout-Splits und Constraint-Gating, um Kandidatenverbesserungen zu akzeptieren oder abzulehnen -- kein Rätselraten.
• MCP-nativ. Erstklassige Unterstützung für das Model Context Protocol über stdio und HTTP-Transporte, mit Ressourcentemplates, Skill-Manifesten und Streaming-Sitzungen.

Hauptfunktionen

• Multi-Provider-Embedding -- Unterstützt OpenAI-kompatible, Jina- und Gemini-Embedding-Provider durch eine einheitliche Adapter-Schnittstelle. Provider durch Änderung einer Umgebungsvariablen wechseln.

• Reranking-Pipeline -- Optionales zweistufiges Reranking mit Jina-, Cohere- oder Pinecone-Rerankern zur Verbesserung der Retrieval-Präzision über rohe Vektorähnlichkeit hinaus.

• Governance-Kontrollen -- Strukturiertes Speicherformat mit Tag-Normalisierung, Verhältnisbeschränkungen, periodischer Wartung und Qualitätseinschränkungen sorgen für dauerhaft hohe Speicherqualität.

• Speicher-Evolution -- Das memory_evolve-Tool bewertet Kandidatenänderungen mithilfe von Train/Holdout-Akzeptanztests und Constraint-Gating und bietet messbare Verbesserungsgarantien.

• Dual-Transport-MCP-Server -- Als stdio-Server für direkte Integration oder als HTTP-Server mit Integritätsprüfungen, Prometheus-Metriken und Streaming-Sitzungen betreiben.

• Skill-Verteilung -- Eingebaute Governance-Skill-Pakete, die über MCP-Ressourcen- und Tool-Protokolle auffindbar sind, mit Nutzlastvorlagen für standardisierte Speicheroperationen.

• Beobachtbarkeit -- Prometheus-Metriken-Endpunkt, Grafana-Dashboard-Vorlagen, konfigurierbare Alarmschwellenwerte und Kardinalitätskontrollen für Produktionsbereitstellungen.

Architektur

graph TB
    CLIENT["MCP-Client<br/>Codex | Claude Code | OpenClaw"]

    subgraph Transport["Transport-Schicht"]
        STDIO["stdio-Transport"]
        HTTP["HTTP-Transport<br/>Health | Metriken | SSE"]
    end

    subgraph Engine["Speicher-Engine"]
        GOVERN["Governance-Schicht<br/>Tag-Normalisierung | Verhältnisbeschr. | Qualitätsbeschr."]
        RETRIEVE["Retrieval-Schicht<br/>Lexikalische Suche | Vektorähnlichkeit"]
        RERANK["Rerank-Schicht<br/>Jina | Cohere | Pinecone"]
        EVOLVE["Evolution-Schicht<br/>Train/Holdout | Constraint-Gating"]
    end

    subgraph Providers["KI-Provider"]
        EMBED["Embedding-Provider<br/>OpenAI-kompatibel | Jina | Gemini"]
        RERANKP["Rerank-Provider<br/>Jina | Cohere | Pinecone"]
    end

    subgraph Storage["Speicher"]
        JSON["JSON-Backend<br/>Dateibasiert"]
        SQLITE["SQLite + Vektor<br/>Lokal persistent"]
    end

    CLIENT --> STDIO
    CLIENT --> HTTP
    STDIO --> GOVERN
    HTTP --> GOVERN
    GOVERN --> RETRIEVE
    RETRIEVE --> RERANK
    RERANK --> EVOLVE
    RETRIEVE --> EMBED
    RERANK --> RERANKP
    GOVERN --> JSON
    GOVERN --> SQLITE

Schnellstart

Daemon erstellen und ausführen:

cargo build -p prx-memory-mcp --bin prx-memoryd

PRX_MEMORYD_TRANSPORT=stdio \
PRX_MEMORY_DB=./data/memory-db.json \
./target/debug/prx-memoryd

Oder über Cargo installieren:

cargo install prx-memory-mcp

Siehe den Installationsleitfaden für alle Methoden und Konfigurationsoptionen.

Workspace-Crates

Crate	Beschreibung
prx-memory-core	Kern-Bewertungs- und Evolutionsdomänen-Primitive
prx-memory-embed	Embedding-Provider-Abstraktion und Adapter
prx-memory-rerank	Rerank-Provider-Abstraktion und Adapter
prx-memory-ai	Einheitliche Provider-Abstraktion für Embeddings und Reranking
prx-memory-skill	Eingebaute Governance-Skill-Nutzlasten
prx-memory-storage	Lokale persistente Speicher-Engine (JSON, SQLite, LanceDB)
prx-memory-mcp	MCP-Server-Oberfläche mit stdio- und HTTP-Transporten

Dokumentationsabschnitte

Abschnitt	Beschreibung
Installation	Aus dem Quellcode erstellen oder über Cargo installieren
Schnellstart	PRX-Memory in 5 Minuten zum Laufen bringen
Embedding-Engine	Embedding-Provider und Stapelverarbeitung
Unterstützte Modelle	OpenAI-kompatibel, Jina, Gemini-Modelle
Reranking-Engine	Zweistufige Reranking-Pipeline
Speicher-Backends	JSON, SQLite und Vektorsuche
MCP-Integration	MCP-Protokoll, Tools, Ressourcen und Vorlagen
Rust-API-Referenz	Bibliotheks-API zum Einbetten von PRX-Memory in Rust-Projekte
Konfiguration	Alle Umgebungsvariablen und Profile
Fehlerbehebung	Häufige Probleme und Lösungen

Projektinfo

• Lizenz: MIT OR Apache-2.0
• Sprache: Rust (2024 Edition)
• Repository: github.com/openprx/prx-memory
• Mindest-Rust: Stable Toolchain
• Transporte: stdio, HTTP