~/ai-lab/mycelium

Project Mycelium

Ein Langzeitgedächtnis für lokale LLMs

Lokale LLMs vergessen alles, sobald der Chat endet. Mycelium speichert Wissen projektübergreifend als Gewebe aus Knoten und Kanten: Was genutzt wird, wird stärker – was ungenutzt bleibt, verblasst und wird verdichtet, ohne verloren zu gehen. Vollständig lokal.

Testgewebe
~19.400

Knoten aus 53 Büchern

Hardware
16 GB

Laptop, keine Cloud

Suche bei 1 Mio. Knoten
< 60 ms

Binär-Index & Cluster

01 / so funktioniert's

Was bei einer Frage passiert

  1. Weiche

    Gehört die Frage zum Wissen?

  2. Suche

    Ähnlichkeit × Gewicht

  3. Lernen

    Genutztes wird stärker

  4. Antwort

    Mit Quellen, Wort für Wort

  5. Prüfung

    Jeder Satz muss belegt sein

python main.py chat
Vereinfachte Darstellung

02 / verfall & verdichtung

Vergessen – aber umkehrbar

Zieh am Regler: So verdichtet sich ein Knoten, den niemand mehr abruft. Jede Fassung bleibt im Archiv und kommt bei erneuter Nutzung zurück.

Gewicht: 1,00

  1. > 0,5VollOriginaltext
  2. ≤ 0,5Zusammenfassungmax. 5 Sätze
  3. ≤ 0,25Essenz1–2 Kernsätze
  4. ≤ 0,15Metanur Herkunft + Themen
  5. ≤ 0,1Veraltetfällt aus der Suche

03 / bausteine

Was Mycelium besonders macht

Bayou-Filter

Bereinigt Code, PDFs und Texte, bevor sie ins Gedächtnis kommen.

Output-Validator

Markiert erfundene Fakten in jeder Antwort.

Immun-Layer

Meldet Widersprüche zwischen Quellen – entscheiden darf der Mensch.

Freundlicher Scraper

Hält Wissen mit offiziellen Quellen aktuell und filtert Prompt-Injections.

04 / stand

Stack & Roadmap

  • Python 3.11+
  • Ollama
  • gemma2:2b
  • DuckDB
  • Pydantic V2
  • Typer & Rich
  • Pytest (~350 Tests)
  • GitHub Actions
  1. Phase 1

    Fundament

  2. Phase 2

    Lebendes Gewebe

  3. Phase 3

    Immunsystem

  4. Phase 4 · in Arbeit

    Skalierung auf 1 Mio. Knoten

  5. Phase 5

    Mycelium im Unternehmen

Ending Digital Amnesia. Building the Collective Brain for Enterprise Continuity.