PalimDocs

Palim verstehen

Palim ist die gemeinsame, persistente Wissensbasis für deine verbundenen KI-Tools.

Palim verbindet MCP-kompatible KI-Tools mit einer gemeinsamen Wissensbasis. Verbundene Agents speichern nach substanziellen Ergebnissen standardmäßig einen kompakten Arbeitsstand. Vollständige Chats werden nur gespeichert, wenn der Agent dafür palim_save_session verwendet. Ein anderes verbundenes Tool kann diese Inhalte später wiederfinden.

Die vier Bausteine

BausteinGeeignet fürInhalt
Context SnapshotÜbergaben zwischen KI-ToolsKompakter Arbeitsstand ohne vollständigen Nachrichtenverlauf
SessionNachvollziehbare Chat-HistorieVollständiger Chat mit Nachrichten, Summary und Metadaten
MemoryDauerhafte Fakten und EntscheidungenEinzelne, editier- und löschbare Information
BrainÜberblick über wiederkehrende ThemenAus gespeicherten Inhalten abgeleitete Themenansicht im Dashboard

Proaktive Checkpoints sind der Standard

Der Palim-MCP-Server weist verbundene Agents an, nach wichtigen Ergebnissen, Entscheidungen oder Richtungswechseln palim_save_context aufzurufen. Dabei wird eine kompakte, eigenständige Summary gespeichert – nicht automatisch der vollständige Nachrichtenverlauf. Triviale Unterhaltungen, Secrets und Inhalte, deren Speicherung du untersagst, sollen nicht gespeichert werden.

Typischer Ablauf

  1. Verbinde mindestens einen KI-Client mit Palim.
  2. Arbeite an einer substanziellen Aufgabe. Der verbundene Agent legt danach normalerweise selbst einen Context Checkpoint an.
  3. Öffne später ein anderes verbundenes Tool.
  4. Frage: „What did we decide about the auth flow in Project Atlas?“

Palim durchsucht die gespeicherten Inhalte und liefert passende Ergebnisse an den Client zurück. Die KI entscheidet anschließend, wie sie diese Ergebnisse in ihre Antwort einbezieht.

Du kannst einen Checkpoint jederzeit ausdrücklich anfordern: „Capture the current state for my other AI tools.“ Für einen vollständigen Chat sage stattdessen: „Save this complete chat to Palim.“

Was die Suche heute kann

Palim verwendet PostgreSQL-Volltextsuche und Textabgleich. Du kannst außerdem nach Zeitraum, Tags, Projekt und Quelle filtern. Eine semantische Embedding-Suche ist derzeit nicht implementiert.

Zuletzt aktualisiert am