Cognition hat am 5. Oktober Memory und Dreaming für seinen KI-Agenten Devin eingeführt. Die Angaben in diesem Beitrag stammen aus der Ankündigung im hauseigenen Devin-Blog, beschreiben das System also aus Sicht des Herstellers. Memory soll Devin erlauben, nützliche Erkenntnisse über deine Arbeitsweise von Session zu Session mitzunehmen: Vorlieben, Korrekturen und Lektionen zu Projekten und Abläufen. Dreaming ist ein täglicher Hintergrundprozess, der diese Erinnerungen aufräumt, Doppeltes zusammenführt und sie mit den passenden Sessions verknüpft. In Cognitions Beispiel steht etwa die Notiz „Use bun, not npm. The lockfile is bun.lock.“ im Gedächtnis, damit der Agent nach einer solchen Korrektur nicht beim nächsten Mal wieder zu npm greift.
Es geht dabei nicht um ein längeres Kontextfenster, sondern um ein dauerhaftes, persönliches Archiv von Lektionen, die während der Arbeit entstehen. Wer viel mit KI-Agenten arbeitet, kennt das Problem, dass Erkenntnisse aus einem Gespräch mit dem Ende der Session verloren gehen. Memory und Dreaming sollen das nach Cognitions Darstellung ändern. Warum Erinnerung für Agenten so schwierig ist, beschreibt auch unser Beitrag darüber, woran langlebige Agenten scheitern.
Was Devin unter einer Erinnerung versteht
Nach Angaben des Entwicklerteams entstehen die nützlichsten Kontextinformationen oft mitten in der Arbeit. Man korrigiert eine Annahme, erklärt, warum ein Ansatz im aktuellen Projekt nicht funktioniert, oder präzisiert eine Vorliebe. Andere Lektionen fallen direkt aus der Tätigkeit heraus ab: eine Eigenheit der Umgebung, für die mehrere Anläufe nötig waren, oder eine Projektentscheidung, die später wieder relevant wird. Memory gibt Devin die Möglichkeit, solche Dinge festzuhalten, ohne dass die Session angehalten werden muss, um ein Skill zu aktualisieren.
Eine Erinnerung ist keine Zusammenfassung einer Session. Sie ist eine kurze Notiz über eine Lektion, die Devin beim Arbeiten mit dir gelernt hat, versehen mit einem Verweis zurück auf die Session, in der sie entstanden ist. Jede Erinnerung lässt sich damit auf ihren Ursprung zurückführen, und genau das macht das Archiv überprüfbar. Das Gedächtnis bleibt außerdem persönlich: Innerhalb einer Organisation auf devin.ai gehört es der jeweiligen Person und wird nicht zu einer geteilten Anweisung für alle.
Der Memory Drive: ein Git-Repository voller Notizen
Am ehesten lässt sich das wie ein Laborjournal vorstellen, das nie voll wird. Die Notizen liegen im persönlichen Memory Drive, einem dauerhaften Git-Repository aus Markdown-Dateien. Sie lassen sich nach Repository, Projekt oder Thema sortieren, während eine kurze Datei namens MEMORY.md die allgemeinen Präferenzen und ein Verzeichnis über die übrigen Dateien enthält. Wer schon einmal einen Zettelkasten geführt hat, erkennt das Muster: eine Karte, die auf alle anderen zeigt.
Zu Beginn einer Session bekommt Devin diese MEMORY.md als Kontext. Von dort aus kann es relevante Notizen suchen und lesen – mit denselben Werkzeugen, die es zum Navigieren im Code verwendet. Das gesamte Archiv wird nicht in den Prompt geladen. Stattdessen wird es durchsucht wie eine Codebasis, was den Speicher skalierbar hält, ohne das Kontextfenster zu verstopfen. Man bezahlt also nicht mit Tokens für Notizen, die mit der aktuellen Aufgabe nichts zu tun haben.
Zwei Sessions, ein Memory Drive
Bei mehreren gleichzeitigen Sessions wird es komplizierter. Jede Session arbeitet mit ihrem eigenen Git-Checkout des Drives. Nach dem Bearbeiten einer Notiz committet Devin die Änderung, führt Aktualisierungen aus anderen Sessions zusammen und speichert das Ergebnis im dauerhaften Memory Drive. Das ist verteilte Versionsverwaltung, angewendet auf Notizen statt auf Quellcode.
Falls eine andere Session während eines laufenden Syncs ein Update schreibt, weist eine Revisionsprüfung den veralteten Schreibvorgang zurück, sodass Devin den Vorgang gegen die neuere Version erneut versuchen kann. In Konfliktfällen werden widersprüchliche Bearbeitungen sichtbar gemacht und nicht stillschweigend überschrieben. So können parallele Sessions zu einem gemeinsamen Gedächtnis beitragen, ohne dass eine lokale Kopie als alleinige Wahrheit gilt. Wer schon einmal erlebt hat, wie eine Datei von zwei Prozessen überschrieben wurde, weiß, warum diese Vorsicht sinnvoll ist.
Dreaming: der tägliche Durchgang durch die eigenen Notizen
Erinnerungen während einer Aufgabe festzuhalten, ist nur der erste Schritt. Diese Notizen müssen auch wieder besucht werden, und zwar mit dem Blick über alle Sessions hinweg. Genau das ist Dreaming: eine tägliche Hintergrund-Session, in der Devin vergangene Gespräche zusammen mit dem bestehenden Gedächtnis durchsieht, um den Index für künftige Sessions zu verbessern. Der Name passt, denn der Vorgang erinnert an das, was Menschen im Schlaf mit den Eindrücken des Tages machen.
Ein Dreaming-Durchlauf erledigt laut Cognition mehrere Dinge. Überlappende Notizen werden zusammengeführt, flüchtige Details entfernt und Lektionen nachgetragen, die während der ursprünglichen Arbeit nicht festgehalten wurden. Außerdem entfernt Devin veraltete Einträge, die von keiner Session genutzt wurden. Als Beispiel zeigt das Team eine Woche voller kurzer Notizen, von denen einige überlappen und eine bereits überholt ist. Ziel ist ein Index, in dem relevante Kontexte leichter zu finden sind.
Dabei bleiben Quellenverweise und ausdrückliche Präferenzen erhalten, während Notizen und Verzeichnis neu geordnet werden. Man kann sich das wie das Aufräumen eines Schreibtischs vorstellen, bei dem nichts weggeworfen wird, was noch gebraucht werden könnte. Ein Eintrag wie „Dev server was on port 3001 this afternoon.“, der in Cognitions Beispiel nach einer Woche bereits überholt ist, gehört dagegen zu den flüchtigen Details, die Dreaming entfernen soll.
Memory und Skills sind nicht dasselbe
Beide Konzepte wirken auf den ersten Blick ähnlich, sind aber verschieden. Ein Skill beschreibt einen wiederholbaren Ablauf; Memory hält fest, was Devin beim Arbeiten mit dir gelernt hat. Ein Release-Skill könnte die Schritte zum Testen und Veröffentlichen einer Änderung enthalten. Memory würde dagegen deine Vorlieben für bestimmte Technologien festhalten, zusammen mit der Begründung, die du dafür genannt hast.
Die beiden arbeiten zusammen: Der Skill liefert das Verfahren, Memory liefert den Kontext, um es auf deine Situation anzuwenden. Beide können Anweisungen enthalten, unterscheiden sich aber im Lebenszyklus. Skills werden bewusst geschnürt, um wiederverwendet zu werden. Memory dagegen sammelt sich über Sessions an und wird beim Dreaming überarbeitet. Skills sind das Kochbuch, Memory ist die Erinnerung daran, dass in dieser Küche kein Koriander verwendet wird.
Offener Standard und was das konkret bedeutet
Cognition hat den Standard, auf dem das Speichersystem von Devin aufbaut, als Open Source veröffentlicht. Der Standard lässt sich in eigene Agenten integrieren, Beiträge sind unter cognition.ai/agent-memory-repo möglich. Ob andere Anbieter den Standard übernehmen, ist offen. Sollte sich der Ansatz durchsetzen, könnte er nach unserer Einschätzung verändern, wie Agenten-Memory gebaut wird: nicht als angehängte Datenbank, sondern als versioniertes, durchsuchbares und regelmäßig kuratiertes Archiv.
Für den Alltag heißt das: Eine Präferenz, die du einmal erklärt hast, oder eine Lektion, die dich mehrere Versuche gekostet hat, bleibt über eine einzelne Session hinaus nützlich. Laut Cognition musst du dieses Wissen nicht selbst pflegen, weil Dreaming den Aufräumteil übernehmen soll. Anschauen lässt sich das Ganze unter Customize → Memory, wo man nachvollziehen kann, was Devin über die eigene Arbeitsweise gelernt hat, samt der jüngsten Dreaming-Sessions.
Trotzdem bleibt ein Gedächtnis, das aus Zusammenarbeit entsteht, nur so gut wie die Arbeit, aus der es hervorgeht. Wer widersprüchliche Anweisungen gibt oder Entscheidungen häufig umwirft, bekommt ein Archiv, das genau diese Widersprüche widerspiegelt. Der Revisionscheck verhindert Datenverlust, nicht Denkfehler. Und dass jede Erinnerung an die Session gebunden bleibt, in der sie gelernt wurde, macht sie überprüfbar – eine Eigenschaft, die bei KI-Systemen oft fehlt. Wie gut das in der Praxis funktioniert, belegt die Ankündigung weder mit Zahlen noch mit Nutzerberichten; sie beschreibt das Konzept. Wer Devin nutzt, kann es am eigenen Archiv überprüfen.
Quelle: devin.ai
