Pith ist das beständige, quellenbelegte Lese-Gedächtnis, in das sich dein Agent einklinkt — echte Quellenangaben hinter jeder Erinnerung, statt eines zustandslosen Scratchpads, das bei jedem Lauf zurückgesetzt wird.
Agenten-Harnesses sind gut in Loops und Tool-Calls und schlecht darin, sich zwischen Läufen irgendetwas zu merken. Das meiste „Memory“ ist ein Scratchpad: ein Context-Window, das sich füllt, verlustbehaftet zusammengefasst wird und am Ende des Laufs verschwindet. Pith ist das beständige, zitierte Gedächtnis, aus dem dein Agent über MCP liest. Deine Lektüre sammelt sich zu einer quellenbelegten Wissensbasis; der Agent fragt sie als Tool ab und bekommt Fakten zurück, mit Links zu ihrer Herkunft. Pith führt deinen Agenten nicht aus — dein Harness ruft Pith auf, so wie es jedes andere Tool aufruft.
Was sich für dich ändert
Szenario 1
Gedächtnis, das über Läufe hinweg überlebt, nicht nur innerhalb eines Laufs
Ein Context-Window ist weg, sobald der Lauf endet; Pith bleibt bestehen. Dein Agent schreibt sein Arbeitswissen in ein Lese-Gedächtnis, das er im nächsten Lauf abfragen kann, sodass eine mehrtägige Aufgabe auf dem aufbaut, was frühere Läufe gelernt haben, statt es von Grund auf neu zu lernen.
Szenario 2
Retrieval, das mit angehängten Quellenangaben zurückkommt
Wenn dein Agent Pith fragt „was wissen wir über X“, bekommt er Passagen, die in echten gespeicherten Quellen gegründet sind, jede mit einem Link. Der Agent kann seine Evidenz im Output zitieren — und du kannst prüfen, warum er gesagt hat, was er gesagt hat, statt einem undurchsichtigen Embedding-Blob zu vertrauen.
Szenario 3
Ein Gedächtnis, viele Harnesses
Weil Pith MCP spricht, ist dasselbe zitierte Lese-Gedächtnis aus einem Agent-SDK-Loop, einem eigenen Orchestrator oder einem Standard-Client erreichbar — ohne den Store für jeden neu zu bauen. Tausche oder kombiniere Harnesses; die Gedächtnis-Schicht bleibt an Ort und Stelle und bleibt gegründet.
Notiz des Gründers
Ich glaube, der interessante Teil eines Agenten ist nicht der Loop — es ist, woran sich der Loop erinnert. Frameworks kommen und gehen; ein gegründetes, zitiertes Gedächtnis für das, was du wirklich gelesen hast, ist es wert, über sie alle hinweg behalten zu werden. Also habe ich Pith als diese Schicht gebaut: kein Harness, sondern das quellenbelegte Gedächtnis, das ein Harness aufrufen kann.
FAQ
Wie verbindet sich ein Agent mit Pith?
Über MCP. Pith stellt einen gehosteten MCP-Server mit Tools zum Durchsuchen und Lesen deines zitierten Lese-Gedächtnisses bereit. Jedes MCP-fähige Harness — ein Agent-SDK-Loop, ein eigener Orchestrator oder ein Desktop-Client — registriert den Server und ruft diese Tools in seinem eigenen Loop auf. Für den Agenten ist Pith einfach ein weiteres Tool, das zufällig gegründetes, zitiertes Wissen zurückgibt.
Konkurriert Pith mit meinem Agenten-Framework?
Nein — es ergänzt es. Pith ist die Gedächtnis-Schicht, nicht das Harness. Dein Agent-SDK-Loop, Planer oder Orchestrator bleibt für Kontrollfluss und Schlussfolgern zuständig; er ruft Pith für beständiges, quellenbelegtes Erinnern auf, so wie er ein Such- oder Code-Tool aufruft. Pith versucht nie, den Loop zu führen.
Wie unterscheidet sich das davon, Kontext ins Window zu stopfen?
Ein Context-Window ist pro Lauf, größenbegrenzt und verlustbehaftet, wenn es zusammengefasst wird — es vergisst in dem Moment, in dem der Lauf endet. Pith ist beständiger Speicher, aus dem der Agent bei Bedarf abruft, sodass er nur das Relevante für den Schritt zieht, statt alles mitzuschleppen, und das Wissen über Läufe und über Harnesses hinweg bestehen bleibt.
Warum ist Zitierung für das Gedächtnis eines Agenten wichtig?
Weil gegründetes Erinnern prüfbares Erinnern ist. Jeder Fakt, den Pith zurückgibt, verlinkt zurück auf die Quelle, aus der er stammt, sodass der Agent seine Evidenz zitieren kann und du nachvollziehen kannst, warum er so gehandelt hat. Für Agenten, die echte Entscheidungen berühren, ist Quellenbindung das, was eine verteidigbare Antwort von einem selbstsicheren Raten trennt.
Wo liegt das Gedächtnis, und wird es fürs Training genutzt?
In Frankfurt, Deutschland — EU-only-Residency, pro Workspace isoliert, jederzeit als Markdown oder JSON exportierbar. Wir trainieren keine Modelle mit deinen Inhalten. Das Gedächtnis bleibt in der EU, auch wenn der Agent, der es aufruft, woanders läuft.
Kann der Agent in Pith schreiben oder nur lesen?
Beides, mit Kontrolle. Lesezugriff lässt den Agenten das zitierte Lese-Gedächtnis abfragen; schreib-gescopter Zugriff lässt ihn neue Quellen speichern oder Wissen aktualisieren, während er arbeitet. Schreiboperationen sind durch explizite Scopes abgesichert, sodass ein Agent nur das ändert, was du ihm erlaubt hast.
Verwandt
Zuletzt geprüft: 7. Juni 2026