OpenClaw 2026.6.1, Claude Code 2.1.162, Qwen 3.7 und Agenten-Speicherinfrastruktur

[NOVA]: Ich bin NOVA.

[ALLOY]: Ich bin ALLOY, und das ist AgentStack Daily...

[NOVA]: OpenClaw 6.1 steht an der Spitze des Zyklus. Es fügte Workboard-Orchestrierung hinzu, die ein Kanban in eine Multi-Agent-Koordinationsfläche mit aufgabenbasierten Board-Runs verwandelt, führte ein governance-basiertes Skill Workshop mit Apply-, Reject- und Quarantine-Flows plus Rollback-Metadaten ein, verlagerte iMessage-State und das Plugin-Install-Ledger nach SQLite für saubere Neustarts, und verschärfte begrenzte Timer bei Provider- und Plugin-Request-Pfaden. Claude Code .162 hat sich ebenfalls bewegt, fügte ein waitingFor-Feld zu claude agents --json hinzu, damit man endlich sehen kann, warum eine Hintergrund-Session hängt, machte Remote Control als persistente Footer-Pille sichtbar, und stapelte Permission-Rule- und Interrupt-Fixes, die echte Operator-Schmerzen behoben haben.

[ALLOY]: Ihr werdet zuerst die Release-Mechaniken hören: Workboard als aufgabenbasiertes Multi-Agent-Board, Skill Workshop als governance-basierter Pfad für agentgeschriebene Skills, SQLite-gestützte Recovery für Nachrichten und Plugins, und Claude Code-Status-Felder, die hängende Hintergrund-Agents erklären. Die zweite Hälfte folgt der Model- und Memory-Layer: Qwen 3.7 für Coding versus multimodal Routing, agentmemory für geteiltes Cross-Agent-Recall, CodeGraphContext für graph-basierte Repo-Fragen, und RepoBrain für leichtgewichtige Entscheidungs-Erinnerung.

[ALLOY]: Nach dem Harness-Block gehen wir zur Model-Spur über mit Qwen 3.7 Max und Plus, die Coding von multimodalen Workloads trennen, beide Open Weight, beide für agentische Nutzung entwickelt. Dann drei verschiedene Ansätze für persistentes Kontext für Coding-Agents: agentmemory als geteilter Cross-Agent-Memory-Server, CodeGraphContext als graph-basierte Code-Query-Oberfläche, und RepoBrain als leichtgewichtiges Entscheidungs-Log. Der gemeinsame Nenner ist Kontinuität: Agents brauchen dauerhaften Work-State, dauerhaftes Repo-Wissen und dauerhaftes Memory, bevor sich langlaufende Automatisierung vertrauenswürdig anfühlt. ...

[ALLOY]: Drei Layer bewegen sich gleichzeitig, und der nützlichste Weg zuzuhören ist, sie getrennt zu halten.

[NOVA]: Der Harness-Layer konsolidiert sich um eine kleinere Anzahl bekannter Oberflächen. OpenClaw 6.1 ist der konkreteste Schritt dahin, dass OpenClaw eine Koordinations- und Governance-Oberfläche wird, nicht nur eine Runtime. Workboard ist die Headline: ein Multi-Agent-Planungs- und Run-Tracking-Board mit Orchestrierungsprimitiven, aufgabenbasierten Board-Runs und Task-Kommentaren im Edit-Modal. Dass die Kommentare im selben Modal wie der Task-Body leben, ist ein kleines Detail, das wichtig ist, weil Review aufhört zu verfallen, wenn es neben der Arbeit eingebettet ist.

[ALLOY]: Skill Workshop ist der zweite große Move. Er verlagert Skill-Autoring auf eine governance-basierte Oberfläche. Der Proposal-Lifecycle ist Apply, Reject oder Quarantine, mit versionierten datierten Frontmatter, Support-File-Scanning und Hashing, und einem skill_workshop-Agent-Tool, das ein Agent aufrufen kann, um den Flow selbst anzutreiben. Der Agent ist nicht mehr nur Konsument von genehmigten Skills. Er ist Teilnehmer in der Genehmigungs-Schleife.

[NOVA]: Recovery ist der dritte Bereich. iMessage-Monitor-State, eingehende Queues und das Plugin-Install-Ledger werden jetzt in SQLite persistiert, sodass Neustarts ohne duplikates Dateisystem-Scanning wiederherstellen. Begrenzte Timer und Retries umschließen Provider- und Plugin-Request-Pfade, sodass OAuth, Device-Codes, Media-Downloads, lokale Service-Probes und Generated-Content-Polling alle sauber fehlschlagen, anstatt einen Run unbegrenzt hängen zu lassen.

[ALLOY]: Auf der Claude-Code-Seite ist .162 das Neueste in einer Reihe von Verschärfungs-Releases. Die für Operator sichtbarste Änderung ist waitingFor in claude agents --json, das surface, ob ein Hintergrund-Agent auf einem Permission-Prompt, einem langlaufenden Tool oder einem Sub-Agent-Handoff blockiert ist. WebFetch-Permission-Rules haben jetzt Vorrang vor Preapproved-Host-Auto-Allow, MCP-Server-Timeouts unter einer Sekunde floor nicht mehr auf eine Sekunde Watchdog, und ein Interrupt, der ganz am Anfang eines Turns in Stream-JSON oder SDK-Sessions gedrückt wird, droppt nicht mehr still.

[NOVA]: Die Model-Story ist der Qwen 3.7 Split. Alibaba hat zwei verschiedene Varianten herausgebracht: Max für Reasoning, Coding und Mathe; Plus für Multimodal und Vision. Beide sind Open Weight, beide sind auf OpenRouter, beide können durch Ollama oder LM Studio gezogen werden. Model-Routing wird interessanter, wenn man ein Coding-Model für Code-Edits und ein multimodales Model für Screenshots nehmen kann, und beide lokal oder hinter einem einzelnen API-Gateway laufen lassen kann.

[ALLOY]: Und die Agent-Tooling-Story ist drei Projekte, die dasselbe Problem von verschiedenen Winkeln angreifen. agentmemory gibt jedem Agent auf deiner Maschine einen geteilten Memory-Server auf Port 3111 mit Confidence-Scoring, Lifecycle-Management, einem Knowledge-Graph und Hybrid-Search. CodeGraphContext indexiert dein Repo in eine Graph-Datenbank und exponiert es durch sowohl eine CLI als auch einen MCP-Server, sodass ein Agent strukturelle Fragen beantworten kann, ohne Dutzende von Dateien zu greppen. RepoBrain ist die leichtgewichtige Option, ein CLI-first Entscheidungs- und Pattern-Log, ausgerichtet auf Claude Code und Codex.

[NOVA]: Lasst uns sie der Reihe nach durchgehen. ...

[ALLOY]: OpenClaw 6.1 ist am 3. Juni gelandet und ist der folgenreichste Stable-Release seit langem. Der Weg, darüber nachzudenken, ist drei konzentrische Layer: die Runtime wird gehärtet, die Oberfläche erweitert sich in Koordination und Governance, und das Provider-Modell verbreitert sich. Jeder Layer ist wichtig, und die Layer verstärken sich gegenseitig. Eine Koordinations-Oberfläche ist nur nützlich, wenn die Runtime darunter zuverlässig ist, und eine Runtime ist nur nützlich, wenn sie zum richtigen Model routen kann.

[NOVA]: Fangen wir mit Workboard an, denn da zeigt sich das neue mentale Modell. Ein Kanban-Board ist keine neue Idee. Die interessante Frage ist, was für ein Kanban-Board es ist. In Workboard treibt das Board die tatsächliche Task-Dekomposition mit Agent-Koordinations-Tools für Multi-Agent-Planung und Run-Tracking. Die Board-Runs sind aufgabenbasiert, was bedeutet, dass ein Board-Run nicht nur eine Status-Anzeige ist. Es ist eine reale Ausführungseinheit, auf die die Orchestrierungs-Schicht reagieren kann.

[ALLOY]: Das Edit-Modal ist, wo die tägliche Operator-Arbeit passiert. Task-Kommentare leben im selben Modal wie der Task-Body, also wenn ein Reviewer eine Notiz hinterlassen oder auf die Behauptung eines Sub-Agents zurückkommen will, lebt die Konversation neben der Arbeit. Wenn Kommentare in einem separaten Thread oder einem separaten Tool leben, verfallen sie. Man scrollt vorbei, man vergisst, sie anzusprechen, der Sub-Agent macht seinen nächsten Turn, ohne sie zu sehen. Sie im Edit-Modal einzubetten, hält Review sticky.

[NOVA]: Die Orchestrierungsprimitiven sind das, was Workboard von einem Projektmanagement-Tool unterscheidet. Die Primitiven sind die Verben, die die Agent-Schicht aufrufen kann: eine Aufgabe zuweisen, eine Aufgabe dekomponieren, einen Run tracken, kommentieren, überarbeiten, übergeben. Wenn diese Verben für Agents verfügbar sind, stoppt das Board ein Ort zu sein, wo Menschen Agents beobachten, und wird ein Ort, wo Agents miteinander koordinieren, beaufsichtigt von Menschen. OpenClaw bewegt sich von einer Single-Agent-Runtime zu einem Multi-Agent-Koordinations-Layer, und das Board ist die Oberfläche, die das sichtbar macht.

[ALLOY]: Skill Workshop ist die zweite große Neuerung. Skill-Authoring war historisch entweder „eine Markdown-Datei bearbeiten und hoffen, dass nichts kaputt geht" oder „ein PR einreichen und warten". Skill Workshop fügt einen bewachten Mittelweg hinzu. Proposals fließen durch Apply, Reject oder Quarantine. Ausstehende Proposals können an Ort und Stelle mit versionierten, datierten Proposal-Frontmatter überarbeitet werden. Genehmigte Proposals können Support-Dateien unter Standard-Skill-Ordnern tragen, und diese Support-Dateien bekommen Scanner-, Hash- und Rollback-Safeguards.

[NOVA]: Das wichtige Detail ist das skill_workshop-Agent-Tool. Ein Agent kann jetzt eine Skill-Proposal initiieren, sie zur Überprüfung einreichen und sie vollständig innerhalb der OpenClaw-Runtime genehmigt bekommen. Der Agent erstellt kein Ticket für einen Menschen, der sich später darum kümmert. Er nimmt am Review-Flow teil. Und die Skill-Workshop-Anleitung surface in Codex App-Server-Prompts, wenn skill_workshop verfügbar ist, was bedeutet, dass ein Codex-unterstützter Agent zur richtigen Zeit in einem Run nach Skill-Governance fragen kann.

[ALLOY]: Das „governance"-Framing verdient seinen Wert im Rollback-Metadaten, dem Support-File-Scanning, dem Hash für diese Dateien und dem Quarantine-State für Proposals, die verdächtig aussehen. Wenn ein Proposal eine Datei außerhalb des Standard-Skill-Ordners modifiziert, fängt es der Scanner ab. Wenn sich eine Support-Datei nach der Genehmigung ändert, fängt das Hash-Mismatch es ab. Wenn sich herausstellt, dass ein Proposal in der Produktion kaputt ist, sagt das Rollback-Metadaten dem Operator genau, welche Version er zurücknehmen soll.

[NOVA]: Recovery ist der dritte große Bereich, und derjenige, den Operatoren am direktesten spüren werden. iMessage-Monitor-Zustand, eingehende Warteschlangen und das Plugin-Installations-Ledger werden jetzt in SQLite persistiert. Der Plugin-Installationsindex erforderte früher bei jedem Neuladen ein Dateisystem-Scanning. Bei einer Einrichtung mit Dutzenden von Plugins ist dieses Scanning ein spürbarer Kostenfaktor. Die Verlagerung des Index in SQLite bedeutet, dass die Suche nach installierten Paketen ein schneller indizierter Lesevorgang ist, anstatt eines Verzeichnisdurchlaufs, und sie überlebt Neustarts, ohne den Zustand zu verlieren.

[ALLOY]: Die begrenzten Timer und Wiederholungen sind leiser, aber ebenso wichtig. Provider- und Plugin-Anfragepfade haben jetzt explizite Timeouts für OAuth- und Device-Code-Lebensdauer, Medien-Downloads, lokale Service-Probes und die Abfrage generierter Inhalte. Das vorherige Verhalten in vielen dieser Pfade war, unendlich auf einen steckengebliebenen Netzwerkaufruf zu warten und erst dann zu scheitern, wenn der Mensch es bemerkte. Das neue Verhalten ist ein begrenztes Warten, ein sauberer Retry und eine definierte Fehlerfläche, wenn die Grenze erreicht wird.

[NOVA]: Die Behandlung von Tool-Call-Unterbrechungen schließt ein Rennen, das das Support-Forum dominiert hat. Der klassische Fehlermodus ist: ein Tool-Call startet, das Netzwerk fällt aus, der Timeout feuert, die Runtime versucht aufzuräumen, und das Aufräumen rast mit der partiellen Antwort um die Wette, was die Session in einem verwirrten Zustand hinterlässt. 6.1 schließt dieses Rennen sauberer über fünf Pull-Requests, mit dem Ergebnis, dass unterbrochene Tool-Calls, veraltete Session-Bindings und Komprimierungsübergaben alle auf definierte Weise wiederhergestellt werden.

[ALLOY]: Kanal- und mobile Zustellung ist stabiler über Telegram, WhatsApp, iMessage, Slack, Discord, Microsoft Teams, Google Chat, Google Meet und die iOS-Echtzeit-Talk-Oberfläche. iOS erhält gehostete Push-Relay-Standards, Echtzeit-Talk-Wiedergabe und einen geschützten WebSocket-Ping-Pfad. Der geschützte Ping ist wichtig, weil eine mobile Session, die ihre WebSocket-Verbindung verliert, früher entweder still starb oder Reconnects spammte. Der neue Pfad ist eine einzige vernünftige Wiederverbindungsstrategie.

[NOVA]: Auf der Provider-Seite ist MiniMax M3 jetzt mit seinem Kontextfenster von einer Million Tokens, Sparse-Attention-Architektur, multimodalen Fähigkeiten und dem MiniMax Code-Tool registriert. OpenClaw-verwaltete Agenten können über die Standard-Provider-Schnittstelle ohne benutzerdefinierte Konfiguration an MiniMax M3 weiterleiten. Konto-OAuth-Endpunkte sind in den Provider-Metadaten enthalten. Google- und Vertex-Katalog-Fixes adressieren Modell-Browsing und Anmeldedaten-bewusstes Katalogladen. OpenRouter verwendet jetzt SQLite für Modell-Metadaten-Caching, sodass der Katalogzustand Neustarts überlebt und wiederholte Netzwerkaufrufe vermeidet.

[ALLOY]: Die eine Million Token-Fähigkeiten von Copilot Claude werden anerkannt, Foundry-Reasoning-Ausrichtung adressiert Reasoning-Modelle über Microsofts Foundry-Endpunkt, und OpenAI-Antwort-Replay-Guards schützen gegen nicht-deterministische Replay-Edge-Cases. Code-Modus fügt interne Namespaces für bereichsbezogene Agenten und globale Sessions mit exakter Namespace-Tool-Dispatch hinzu, plus MCP-API-Dateien und Docs für Code-Modus-Integrationen. Skills, Session-Metadaten, Gateway-Laufzeitstatus, Plugin-Metadaten, Memory-Watcher und Store-Schreibvorgänge erledigen auf Hot-Paths weniger wiederholte Arbeit.

[NOVA]: Die ehrliche Einschätzung von 6.1 ist, dass die Highlight-Features und die Rohrleitungs-Features gleich wichtig sind. Workboard und Skill Workshop bekommen die Screenshots. SQLite-gestützter Zustand und begrenzte Timer machen die Screenshots zuverlässig. Die Reaktion der Early Adopters war auf der Workboard-Seite positiv, wobei der Skill Workshop Governance-Flow als richtige Antwort auf die Frage „Wer überwacht die Agenten" hervorgehoben wurde. ...

[ALLOY]: Claude Code .162 ist die neueste in einer Reihe von strafferen Releases, und der richtige Weg, über den jüngsten Zeitraum nachzudenken, ist als eine Papierschnitt-Passage und nicht als ein Feature-Drop. Fast jede Änderung schließt einen Edge-Case, und der kumulative Effekt ist eine CLI, die deutlich weniger überraschend ist.

[NOVA]: Die einzeln nützlichste Änderung für Operatoren ist, dass claude agents --json jetzt ein waitingFor-Feld enthält. Für jeden, der Hintergrundagenten betreibt, war der alte Fehlermodus: ein Agent stoppt, Fortschritte zu machen, die UI zeigt „running", und man muss sich an die Session anhängen, durch das Transkript scrollen und herausfinden, worauf der Agent blockiert ist. Eine Berechtigungsaufforderung ist die häufigste Ursache, aber der Agent könnte auch auf einen langlaufenden Tool, einen festgefahrenen Provider-Aufruf oder einen in der Warteschlange stehenden Subagent warten.

[ALLOY]: Das neue Feld zeigt den Grund in JSON. Wenn waitingFor permission_prompt liest, weißt du, dass du auf die ausstehende Berechtigung schauen musst. Wenn es tool_call:long_running_command liest, weißt du, dass der Agent auf einen Subprozess wartet. Wenn es subagent:pending_handoff liest, weißt du, dass der Agent auf eine Kind-Session wartet. Der praktische Effekt ist, dass du Operator-Tools schreiben kannst, die Stalls diagnostizieren, ohne dass ein Mensch sich anhängen und inspizieren muss. Für ein Team, das fünf oder zehn Hintergrundagenten betreibt, ist das eine bedeutsame Änderung bei der Beobachtbarkeit.

[NOVA]: WebFetch-Berechtigungsregeln haben jetzt Vorrang vor der automatischen Vorabgenehmigung von Hosts. Das vorherige Verhalten war eine Quelle echter Überraschung. Ein Team könnte eine Domain zur Vorabgenehmigungsliste hinzufügen, und dann eine spezifischere explizite Verweigerungsregel auf einer Subdomain hinzufügen, und die automatische Genehmigung würde trotzdem gewinnen. Die Korrektur macht explizite Verweigerungs-, Frage- und Genehmigungsregeln autoritativ, was das einzige Verhalten ist, das Sinn ergibt. Wenn du eine Verweigerungsregel geschrieben hast, meintest du es ernst.

[ALLOY]: Windows-Pfadbehandlung ist für Backslashes und pfadvariante Pfade mit unterschiedlicher Groß-/Kleinschreibung korrigiert. Lese-Verweigerungsregeln verstecken keine Dateien mehr vor Glob- und Grep-Ergebnissen, was ein Rezept für verwirrte Tool-Calls und stille Berechtigungsverletzungen entfernt.

[NOVA]: Die MCP-Timeout-Änderung ist eine kleine, aber echte Ergonomie-Korrektur. Pro-Server-Timeout-Konfigurationswerte unter einer Sekunde wurden früher auf einen einsekündigen Watchdog gerundet, was bedeutete, dass ein bewusst aggressiver Timeout still angehoben und dann jeden Tool-Call gegen diesen Server abbrechen würde. Das neue Verhalten ist, dass Werte unter einer Sekunde auf den Standard oder MCP_TOOL_TIMEOUT durchfallen, und claude mcp get annotiert sie, damit du sehen kannst, was angewendet wurde. Für jeden, der MCP-Server gegen rate-limitierte Upstream-APIs betreibt, ist diese Korrektur allein die Aktualisierung wert.

[ALLOY]: Interrupt-Handling ganz am Anfang eines Turns ist für stream-json- und SDK-Sessions korrigiert. Das alte Rennen war: du drückst Esc unmittelbar nach dem Senden einer Eingabeaufforderung, der Turn hat noch nicht mit der Verarbeitung begonnen, der Interrupt wird verworfen, und der Turn läuft bis zum Ende ohne Feedback, dass du versucht hast, ihn abzubrechen. Das neue Verhalten zeigt ein Interrupted-Feedback-Signal, damit ein SDK-Aufrufer wissen kann, dass der Abbruch gelandet ist.

[NOVA]: Die LSP-workspaceSymbol-Operation akzeptiert jetzt einen Query-Parameter und übergibt ihn an den Language Server, was eine kleine, aber echte Verbesserung für jeden Agenten ist, der auf LSP-basierter Symbolsuche basiert. Der Windsurf-zu-Devin-Rebrand spiegelt sich in den relevanten Slash-Commands wider, und leisere Startup-Group-Hinweise nach Schweregrad mit Session-Info und Ankündigungen teilen sich eine einzige Zeile pro Start. Die claude agents-UI erhält eine Reihe von Qualitätskorrekturen: Statusdetail wird nicht mehr bei schmalen Spaltenbreiten abgeschnitten, lange Session-Namen werden nicht mehr bei vierzig Spalten abgeschnitten, Attach springt nicht mehr beim ersten Versuch nach einem Hintergrundservice-Neustart zurück zur Session-Liste, und Bild-Einfügen funktioniert im Dispatch-Input und der Session-Reply-Box.

[ALLOY]: Backgrounding mit dem linken Pfeil verliert nicht mehr still die Konversation, wenn der Hintergrundservice nicht starten kann. Das stille Startup-Hängen, wenn das Konfigurationsverzeichnis schreibgeschützt oder nicht beschreibbar ist, ist korrigiert; Claude Code startet jetzt mit In-Memory-Konfiguration und zeigt den Fehler an. Die Remote Control-Footer-Pille ist eine kleine, aber nützliche Änderung: Remote Control erschien früher als Startup-Nachricht, die davonscrollte, sobald die Session beschäftigt wurde, was bedeutete, dass Operatoren manchmal den Überblick darüber verloren, ob die Session tatsächlich unter Remote-Überwachung stand. Die persistente Footer-Pille hält den Session-Link sichtbar.

[NOVA]: Die ehrliche Einschätzung von .162 ist, dass das Highlight waitingFor ist, und alles andere ist der Rest des Papierschnitt-Stapels. Wenn du intermittierende Bug-Reports über Hintergrundagenten, Berechtigungsregel-Vorrang oder MCP-Timeouts eingereicht hast, ist dies das Release, das das Schlimmste davon schließt. Wenn du diese Reports nicht eingereicht hast, wirst du wahrscheinlich einfach bemerken, dass die CLI diesen Monat weniger überraschend wirkt. Das ist das richtige Ergebnis für ein straffendes Release, und es lässt Raum für einen substantielleren Feature-Drop später im Zyklus. Das Tempo der jüngsten Releases ist auch bemerkenswert: die CLI bewegt sich schneller als vor einem Quartal, und Teams, die Automatisierung an eine bestimmte Version angeheftet haben, sollten über ihre Upgrade-Frequenz nachdenken. ...

[NOVA]: Qwen 3.7 landete im Mai mit zwei distinct Varianten, und die Aufteilung ist bedeutsam.

[ALLOY]: Qwen 3.7 Max zielt auf Reasoning, Coding und Mathe. Das ist dieselbe Spur wie Codex, Claude Codes primäre Modelle, und die anderen codierungsfokussierten Frontier-Modelle. Wenn du ein Modell für einen Coding-Agenten auswählst, ist Max die Variante, die du zuerst evaluieren solltest.

[NOVA]: Qwen 3.7 Plus ist optimiert für Multimodal und Vision. Das bedeutet Dokumentverständnis, Screenshot-Interpretation, Diagrammlesen und die Art von Arbeit, bei der die Eingabe nicht nur Text ist. Wenn dein Agent Bilder oder gescannte Dokumente verarbeiten muss, ist Plus die Variante, die diese Spur anvisiert.

[ALLOY]: Die Aufteilung spiegelt das breitere Branchenmuster differenzierter Modellgrößen für verschiedene Aufgabenprofile wider, aber Qwens Open-Weight-Position ist es, die die Aufteilung für ein Agent-Publikum interessant macht. Man kann eine Max-Quantisierung lokal für Codierungsarbeit und eine Plus-Quantisierung lokal für multimodale Arbeit abrufen und dazwischen basierend auf der Aufgabe routen. Oder man erreicht beide über die OpenRouter API und lässt das Harness routen. Die Deployment-Oberfläche ist in beiden Fällen dieselbe.

[NOVA]: Qwens eigene Rahmung positioniert 3.7 als für agentische Workflows konzipiert, nicht nur für Chat-Vervollständigung. Das Kontextfenster und die Tool-Nutzungsfähigkeiten sind für Agent-Computer-Anwendungsfälle positioniert. Diese Rahmung ist konsistent mit der Art und Weise, wie das breitere Agent-Stack-Ökosystem über Modelle nachdenkt: Das richtige Modell ist dasjenige, das Tool-Aufrufe aufrechterhalten, lange Kontexte lesen und von fehlgeschlagenen Schritten ohne Verlust des Threads wiederherstellen kann.

[ALLOY]: Für lokale Deployment sind Qwen 3.7-Quantisierungen über Ollama, LM Studio und ähnliche Tools verfügbar. LM Studios mlx-Engine hat explizite Optimierungen für die vorherige Qwen-Familie, und der 3.7-Release deutet darauf hin, dass diese Optimierungen für Apple-Silicon-Entwickler, die lokal arbeiten, fortgeführt werden. NVIDIAs DGX-Spark-Messaging hebt Qwen-Optimierungen als Teil der lokalen Agent-Stack-Story hervor, was darauf hindeutet, dass die 3.7-Familie demselben Deployment-Pfad für lokale Agent-Computer folgen wird.

[NOVA]: Der praktische Rat ist straightforward. Wenn man zwischen Coding- und multimodalen Aufgaben routet, wählt man basierend auf der Spur. Max für Code-Generierung, Code-Review, Refactoring und reasoning-intensive Aufgaben. Plus für Dokumentverständnis, Bildanalyse und visuelle Eingaben. Wenn man bereits ein Frontier-Coding-Modell betreibt und der Engpass die multimodale Verarbeitung ist, ist Plus der Kandidat zum Testen gegen den aktuellen multimodalen Pfad. Wenn der Engpass die Coding-Qualität ist, ist Max der Kandidat zum Testen gegen das aktuelle Coding-Modell.

[ALLOY]: Wo Herstellerangaben noch verifiziert werden müssen, ist bei den Long-Tail-Verhaltensweisen von Agenten. Qwens eigene Benchmarks für Reasoning und Coding sind nützlich, aber der echte Test für ein Agent-Publikum ist, ob das Modell bei langen Multi-Step-Runs standhält, ob es sauber von Tool-Fehlern wiederherstellt, und ob die multimodale Variante bei reinen Texteingaben nicht degradiert. Die frühe Community-Reaktion war begeistert auf Max für Code-Review und strukturiertes Refactoring, während Plus positive Noten für Dokument- und Screenshot-Arbeit bekam, aber gemischtes Feedback zu dichten Tabellen und OCR mit kleiner Schrift. Behandelt die OpenRouter- und Ollama-Pfade als Evaluierungsspur und beobachtet die Community-Reaktion in den nächsten Wochen. ...

[NOVA]: agentmemory ist das ambitionierteste der drei Kontext-Tools, und der richtige Weg, darüber nachzudenken, ist als ein gemeinsamer Memory-Server für den gesamten lokalen Agent-Stack.

[ALLOY]: Das Problem, das es löst, ist das Blank-Slate-Problem. Jeder Agent, den man startet, ob Claude Code, Codex, GitHub Copilot CLI, Cursor, Gemini CLI, Hermes, OpenClaw, pi, OpenCode oder irgendein MCP-Client, beginnt ohne Erinnerung daran, was man letzte Woche getan hat. Wenn man eine Stunde in Claude Code damit verbracht hat, die Architektur eines Service zu erklären, und dann Codex öffnet, um eine verwandte Aufgabe zu erledigen, hat Codex keine Ahnung, dass dieses Gespräch stattgefunden hat.

[NOVA]: agentmemory läuft als Memory-Server auf Port 3111, installiert als globales npm-Paket, aufgebaut auf der iii-Engine. Sobald es läuft, verbinden sich Agenten durch native Plugins, Hooks oder MCP, je nachdem, was der Agent unterstützt. Claude Code bekommt ein natives Plugin, zwölf Hooks und MCP. Codex bekommt ein natives Plugin, sechs Hooks und MCP. OpenClaw und Hermes bekommen beide ein natives Plugin und MCP. Die Verdrahtungstiefe variiert je nach Agent, aber der zugrunde liegende Server ist derselbe, was bedeutet, dass ein von einem Agent geschriebenes Memory von einem anderen lesbar ist.

[ALLOY]: Das Feature-Set geht über einfachen Key-Value-Speicher hinaus. Es gibt Confidence-Scoring für gespeicherte Memories, sodass das System aktuelle und hochkonfidente Memories gegenüber alten oder niedrigkonfidenten gewichten kann. Es gibt Lifecycle-Management, sodass Memories altern oder explizit in Rente gehen können. Es gibt eine Knowledge-Graph-Darstellung, sodass verwandte Memories verlinkt werden können. Es gibt Hybrid Search, sodass der Recall-Pfad Keyword- und semantische Matching kombinieren kann. Das Confidence-Scoring ist besonders wichtig für ein Agent-Publikum, weil die Alternative ist, jedes Memory als gleichermaßen autoritativ zu behandeln, und das produziert schnell einen Speicher voll mit veraltetem Guidance, den der Agent als aktuelle Policy behandelt.

[NOVA]: Die Cross-Agent-Story ist der Teil, der die Workflow-Mathematik verändert. Ein Entwickler, der Claude Code für High-Level-Refactoring, Codex für Shell- und Dateioperationen und Hermes für die Orchestrierung von Multi-Step-Aufgaben verwendet, hat derzeit drei unabhängige Kontextfenster. Mit agentmemory sitzt derselbe Memory-Server hinter allen dreien, sodass Kontext aus der Sitzung eines Agenten informiert, was der nächste Agent tut.

[ALLOY]: Ein Echtzeit-Viewer und eine iii Console sind enthalten, sodass man sehen kann, was im Memory-Store ist, neue Memories landen beobachten und den Knowledge-Graph inspizieren kann. Das Repo wird aktiv gepflegt mit kürzlichen Commits, was für ein Kontext-Tool wichtig ist. Die Datenstruktur ist nur nützlich, wenn das Projekt aktuell bleibt, weil der Failure-Mode für ein aufgegebenes Memory-Tool stiller Verfall ist, während sich die Agent-Landschaft darum herum verändert.

[NOVA]: Die ehrliche Einschätzung ist, dass geteiltes Cross-Agent-Memory eine Kategorie ist, die noch ihre Form findet. Verschiedene Agenten haben verschiedene Prompt-Konventionen, verschiedene Tool-Flächen und verschiedene Konventionen dafür, was als "Memory" zählt. agentmemorys Ansatz, einen gemeinsamen Server mit per-Agent-Connectors zu verwenden, ist ein Weg, das zu lösen, und die iii-Engine-Architektur ist das, was den Cross-Agent-Read-Path ermöglicht. Die Frage zu beobachten ist, wie gut das Confidence-Scoring und Lifecycle-Management unter realen Workloads standhalten. Jedes Memory-System muss Entscheidungen darüber treffen, was behalten und was vergessen wird, und die falschen Defaults produzieren entweder einen Speicher voll mit veralteter Guidance oder einen Speicher, der wichtigen Kontext verliert.

[ALLOY]: Für Teams, die bereits mehrere Agenten auf derselben Maschine betreiben, ist dies ein Tool, das es wert ist, evaluiert zu werden. Die Setup-Kosten sind niedrig: installieren, die Demo ausführen, den primären Agenten verbinden, und der Upside ist, dass die Zeit, die man damit verbringt, ein Projekt in einer Sitzung zu erklären, nicht mehr verloren geht, wenn man das nächste Mal einen anderen Agenten öffnet. Das Shared-Server-Modell bedeutet auch, dass ein kleines Team auf einer einzigen Memory-Oberfläche standardisieren kann, ohne einen Gewinner unter Claude Code, Codex und Hermes zu wählen. ...

[NOVA]: CodeGraphContext ist eine andere Art von Kontext-Tool. Wo agentmemory Memories speichert, indexiert CodeGraphContext Codestruktur in eine Graph-Datenbank und exponiert diesen Graph sowohl für Menschen als auch für Agenten.

[ALLOY]: Das Dual-Mode-Design ist die Schlüsselidee. Derselbe Graph-Index bedient zwei Oberflächen: eine CLI, wo ein Entwickler natürliche Sprachabfragen gegen die Codebase ausführen kann, und einen MCP-Server, wo KI-Agenten wie Claude Code, Codex, Gemini und Cursor Tools aufrufen können, die strukturelle Fragen beantworten. Die CLI gibt einem denselben Graph für manuelle Exploration. Der MCP gibt dem Agent denselben Graph als aufrufbares Tool.

[NOVA]: Die Indexing-Engine parsed Code mit Tree-Sitter-Nodes und baut einen Graph von Komponenten auf: Funktionen, Klassen, Methoden, Parameter, Vererbungsbeziehungen, Funktionsaufrufe und Imports. Das bedeutet, der Graph kennt den Unterschied zwischen einer Funktion mit demselben Namen in Klasse A und einer Funktion mit demselben Namen in Klasse B. Eine Textsuche würde beide zurückgeben. Der Graph gibt nur diejenige zurück, die abgefragt wird.

[ALLOY]: Die MCP-Oberfläche ist dort, wo der Agent-Workflow auftaucht. Die exponierten Tools umfassen get_callers, get_callees, get_class_hierarchy und get_call_chain. Ein Agent, der die Blast-Radius eines Refactors verstehen muss, kann den Graph nach Callers und Callees direkt fragen, anstatt die Codebase zu greppen und zu versuchen, Reasoning darüber anzustellen, was er gefunden hat. Bei einer großen Codebase ist der Unterschied signifikant. Die Graph-Abfrage ist ein einzelner Tool-Aufruf mit einer präzisen Antwort, der Grep-Pfad ist eine Kette unsicherer Schlussfolgerungen.

[NOVA]: Live-File-Watching aktualisiert den Graph in Echtzeit, wenn sich Dateien ändern, sodass der Index während einer Refactor-Session nicht veraltet. Pre-indexierte Bundles ermöglichen es, berühmte Repositories sofort zu laden, ohne den Indexer auszuführen, was nützlich ist, um das Tool gegen eine bekannte Codebase zu evaluieren. Unterstützte Sprachen umfassen zweiundzwanzig, darunter Python, JavaScript, TypeScript, Java, C, C++, C#, Go, Rust, Ruby, PHP, Swift, Kotlin, Dart und mehrere andere. Die Breite der Sprachunterstützung ist eine echte Stärke, und die Tree-Sitter-Grundlage ist das, was die Sprachabdeckung praktisch macht, anstatt ein Marketing-Versprechen.

[ALLOY]: Das Graph-Datenbank-Backend ist einsteckbar. Der Default ist FalkorDB Lite. KuzuDB, LadybugDB, FalkorDB Remote, NornicDB und Neo4j werden ebenfalls unterstützt, alle verfügbar via Docker oder nativ. Die Wahl des Backends ist wichtig für Performance-Charakteristika und operational Fit, und das einsteckbare Design bedeutet, dass ein Team das Backend wählen kann, das zu ihrer bestehenden Graph-Datenbank-Infrastruktur passt.

[NOVA]: Der praktische Anwendungsfall ist ein Agent, der nicht-triviales Refactoring oder Code-Analyse durchführen muss. Ohne einen Graph ist der mentale Model der Codebase des Agenten ein unscharfes Bild, aufgebaut aus Textsuchen und dem Inhalt von Dateien, die er kürzlich gelesen hat. Mit einem Graph kann der Agent präzise Fragen stellen und präzise Antworten erhalten. Der Graph reduziert den Tool-Call-Overhead bei größeren Codebases, wo eine Textsuche über Dutzende von Dateien laufen müsste, und er entfernt die False Positives, die von gleichnamigen Funktionen in verschiedenen Klassen kommen.

[ALLOY]: Die ehrliche Einschätzung ist, dass CodeGraphContext am wertvollsten für mittelgroße bis große Codebasen ist. Bei einem kleinen Repo kann der Agent das Ganze lesen und der Graph-Overhead lohnt sich nicht. Bei einem großen Monorepo ist der Graph der Unterschied zwischen einem Agenten, der über Struktur nachdenken kann, und einem Agenten, der nur rät. Die MCP-Integration ist der Teil, der ihn innerhalb einer bestehenden Agent-Schleife nutzbar macht, ohne zu ändern, wie der Agent arbeitet, und das Live-File-Watching bedeutet, dass der Graph über lange Refactoring-Sessions hinweg nützlich bleibt. ...

[NOVA]: RepoBrain ist das dritte Kontext-Tool, und die Prämisse ist, dass nicht jedes Team den vollständigen agentmemory-Funktionsumfang braucht. Einige Teams brauchen nur ein leichtgewichtiges Entscheidungsprotokoll.

[ALLOY]: Das Design ist CLI-first und lokal. Keine externe Infrastruktur, keine Graph-Datenbank, kein Wissensgraph. Nur ein strukturierter Weg, um Entscheidungen und Patterns zu speichern, die ein Agent in einer nachfolgenden Session abfragen kann. Das Ziel ist Entscheidungserinnerung und Pattern-Speicherung. Wenn ein Agent eine Wahl trifft, wie er ein Problem löst oder Code strukturiert, wird diese Entscheidung gespeichert, damit eine zukünftige Session sie abfragen und dieselbe Diskussion vermeiden kann.

[NOVA]: Der leichtgewichtige Fokus ist der Punkt. agentmemory ist ein vollständiges System mit Confidence Scoring, Lifecycle Management und einem Wissensgraphen. CodeGraphContext ist eine Graph-Datenbank mit einer CLI und MCP-Oberfläche. RepoBrain ist ein CLI-Tool. Der Kompromiss ist Feature-Tiefe gegen operative Einfachheit, und für einen Entwickler, der einfach möchte, dass ein Agent sich erinnert „wir haben uns hier für das Strategy-Pattern entschieden, nicht für Vererbung", ist der leichtgewichtige Weg der richtige Fit.

[ALLOY]: Die Agent-spezifische Verdrahtung deckt Claude Code und Codex für Drop-in-Integration ab. Das Entscheidungsprotokoll ist die zentrale Datenstruktur. Der Abrufpfad ist eine Abfrage gegen das Protokoll. Der Effizienzgewinn beim Context-Window ist das Value Proposition: Statt eine Entscheidung jede Session neu abzuleiten, liest der Agent die gespeicherte Entscheidung und macht weiter. Bei langlaufenden Projekten ist das eine echte Zeitersparnis.

[NOVA]: Die ehrliche Einschätzung ist, dass RepoBrain eine andere Nische bedient als die anderen beiden Tools. Es versucht nicht, ein serverübergreifender Cross-Agent-Memory-Server zu sein, und es versucht nicht, eine Graph-Datenbank zu sein. Es versucht, das kleinstmögliche Tool zu sein, das das Entscheidungserinnerungs-Problem löst. Für Teams, die noch kein Memory-Tool adoptiert haben und einen Low-Friction-Einstiegspunkt wollen, ist RepoBrain einen Blick wert. Für Teams, die bereits Cross-Agent-Memory oder Graph-gestützte Code-Analyse brauchen, sind agentmemory und CodeGraphContext die leistungsfähigeren Optionen.

[ALLOY]: Die drei Tools zusammen beschreiben eine reifende Kategorie. agentmemory ist die breite, Cross-Agent-Option. CodeGraphContext ist die strukturelle Option. RepoBrain ist die leichtgewichtige Option. Die Tatsache, dass alle drei existieren und aktiv gepflegt werden, ist ein Signal, dass der Agent-Tooling-Bereich die Kontextbewahrung als echtes Problem mit mehreren validen Formen behandelt, und nicht als Feature, das an eine Runtime angebracht wird. ...

[NOVA]: Das war's. OpenClaw 6.1 mit Workboard, Skill Workshop und SQLite-basierter Wiederherstellung. Claude Code .162 mit waitingFor JSON, Permission-Rule-Fixes und Interrupt-Handling. Qwen 3.7 Max und Plus mit der Aufteilung von Coding und multimodal. agentmemory, CodeGraphContext und RepoBrain als drei verschiedene Ansätze für persistenten Kontext für Coding-Agents.

[ALLOY]: Die vollständige Aufschlüsselung mit Timestamps, Harness-Versionsreferenzen und Links zu den Projekten, die wir besprochen haben, findet ihr in den Shownotes unter Toby On Fitness Tech dot com.

[NOVA]: Danke fürs Zuhören. Wir sind bald wieder da.