Neuroscience Memory
for AI Agents.
Der kognitive Kern aus ZenAI — extrahiert, getestet, open source. 15 Algorithmen, die Ihrer KI beibringen, sich zu erinnern, zu vergessen und zu schlafen.
Extrahiert aus 322.000 Zeilen Production-Code.
ZenBrain ist kein Experiment. Es ist der Kern von ZenAI — einem KI-Betriebssystem mit 11.589 Tests und 7 kognitiven Säulen. Wir haben die Memory-Algorithmen extrahiert, damit Sie sie nutzen können.
15 Algorithmen. 9 fundamentale + 6 PMA-Komponenten.
ZenBrain liefert 15 neurowissenschaftlich fundierte Algorithmen (zero dependencies, open-access): 9 fundamentale Mechanismen — FSRS, Hebbian, Sleep Consolidation, Bayesian Confidence und weitere — plus 6 Komponenten der Predictive Memory Architecture (PMA), die die Memory-Dynamik regieren: NeuromodulatorEngine, ReconsolidationEngine, TripleCopyMemory, PriorityMap, StabilityProtector, MetacognitiveMonitor.
Hebbian Learning
Synapsen stärken durch Co-Aktivierung
Hebb 1949FSRS Spaced Repetition
Optimales Wiederholungs-timing
Wozniak 2022Sleep Consolidation
Memory Replay im Schlaf — wie das Gehirn
Stickgold & Walker 2013Ebbinghaus Decay
Vergessenskurve mit adaptiven Intervallen
Ebbinghaus 1885Bayesian Confidence
Belief-Update mit Prior + Evidence
Bayes 1763Emotional Tagging
Emotionale Marker für besseren Recall
Damasio 1994Activation Spreading
Assoziative Netzwerkaktivierung
Collins & Loftus 1975Temporal Context
Zeitbasierte Gedächtniskodierung
Howard & Kahana 2002Memory Consolidation
STM→LTM Transfer mit Importance-Scoring
McClelland et al. 1995Confidence Intervals
95% CI für alle probabilistischen Outputs
Wilson 1927Cross-Context Transfer
Wissen über Kontexte hinweg teilen
Tulving 1972Retention Visualization
Ebbinghaus-Kurven als Datenpunkte exportieren
Ebbinghaus 1885Neuromodulation
Dopamin, NE, 5-HT, ACh — vier Kanäle mit tonischer + phasischer Dynamik
Schultz 1997 · Aston-Jones 2005Reconsolidation
Erinnerung wird beim Abruf labil — vier PE-gegatete Update-Modi mit Rollback
Nader 2000 · Schiller 2010Triple-Copy Memory
Drei Spuren mit divergenter Dynamik — Fast (4 h), Medium (14 d), Deep (logarithmisch)
Squire & Bayley 2007Ein Coordinator. 7 Memory Layers.
Der MemoryCoordinator orchestriert alle Schichten — von Working Memory bis Sleep Consolidation. Ein Aufruf. Das System entscheidet.
import { MemoryCoordinator }
from '@zensation/core';
const memory =
new MemoryCoordinator();
// Store — auto-routes
await memory.store(
'TypeScript has generics',
{ context: 'learning' }
);
// Recall — cross-layer
const results =
await memory.recall(
'What do I know about TypeScript?'
);
// Sleep — consolidate
await memory.consolidate();In 30 Sekunden zum ersten Memory.
Kein Setup. Keine Konfiguration. Kein Account.
npm install @zensation/algorithms
npm install @zensation/coreimport { MemoryCoordinator } from '@zensation/core';
import { HebbianLearning, FSRS } from '@zensation/algorithms';
const memory = new MemoryCoordinator({
algorithms: [HebbianLearning, FSRS]
});
await memory.store('Project deadline is Friday',
{ context: 'work' });
const recall = await memory.recall(
'When is the deadline?'
);
console.log(recall);{
"content": "Project deadline is Friday",
"confidence": 0.94,
"layer": "short-term",
"decay": 0.87,
"nextReview": "2026-03-28T09:00:00Z"
}Was andere Memory-Systeme nicht haben.
Vier Wettbewerber. Alle lösen Teile des Problems. Keiner hat Sleep Consolidation, 7 Layer oder Confidence Intervals.
Feature-Vergleich auf einen Blick
| ZenBrain | Mem0 | Letta | Zep | LangMem | |
|---|---|---|---|---|---|
| Memory Layers | 7 | 2 | 2 | 2 | 1 |
| Sleep Consolidation | ✓ | ✗ | ✗ | ✗ | ✗ |
| FSRS Spaced Rep. | ✓ | ✗ | ✗ | ✗ | ✗ |
| Hebbian Learning | ✓ | ✗ | ✗ | ✗ | ✗ |
| Confidence Intervals | ✓ | ✗ | ✗ | ✗ | ✗ |
| Emotional Tagging | ✓ | ✗ | ✗ | ✓ | ✗ |
| Cross-Context | ✓ | ✗ | ✗ | ✗ | ✗ |
| Ebbinghaus Decay | ✓ | ✗ | ✗ | ✓ | ✗ |
| Self-hosted | ✓ | ⚠ | ✓ | ⚠ | ✓ |
| Zero Dependencies | ✓ | ✗ | ✗ | ✗ | ✗ |
| TypeScript-native | ✓ | Python | Python | Python | Python |
| Peer-reviewed Basis | ✓ | ✗ | ⚠ | ✗ | ✗ |
| Algorithmen (Open-Source-Paket) | 12 | 1 | 3 | 2 | 1 |
| Tests | 276 | ? | ? | ? | ? |
Stand: April 2026. Basierend auf öffentlicher Dokumentation. ZenBrain umfasst insgesamt 15 Algorithmen — 9 fundamentale Mechanismen plus 6 Komponenten der Predictive Memory Architecture (PMA), die die Memory-Dynamik regieren. Vollständige Beschreibung im Forschungspaper.
Zwei Pakete. Ein System.
@zensation/algorithms ist der pure Kern — zero dependencies. @zensation/core orchestriert alles mit dem MemoryCoordinator.
npm i @zensation/corenpm i @zensation/algorithms# published with v0.3# published with v0.3Open Source heißt: zusammen bauen.
Apache 2.0. Contributions willkommen. Kein CLA nötig.
GitHub
Source Code, Issues, Discussions
Repository →Discord
Fragen, Ideen, Show & Tell, Release-Updates
Beitreten →Contributing
CONTRIBUTING.md lesen, Issue aussuchen, PR öffnen
Guide lesen →Was als Nächstes kommt.
MemoryCoordinator, Sleep Consolidation, 276 Tests
März 2026@zensation/mcp-server — IDE-Integration (Cursor, VS Code, Claude)
Mai 2026LOCOMO-Benchmark vs. Mem0/Zep/LangMem
Juni 2026API-Stabilität, ZenBrain Cloud MVP
Q3 2026Häufige Fragen.
Was ist der Unterschied zwischen ZenBrain und ZenAI?
ZenBrain ist der extrahierte, open-source Kern der Memory-Algorithmen. ZenAI ist das fertige KI-Betriebssystem, das auf ZenBrain aufbaut. Wer eigene Systeme bauen will → ZenBrain. Wer das fertige Produkt will → ZenAI.
Brauche ich eine Datenbank?
Nein. @zensation/algorithms ist zero-dependency und läuft komplett in-memory. Optionale Persistenz-Adapter — adapter-postgres (pgvector) und adapter-sqlite (zero-config) — sind in Preview und erscheinen mit v0.3 auf npm.
Welche LLMs werden unterstützt?
ZenBrain ist LLM-agnostisch. Die Algorithmen arbeiten auf Embeddings — egal ob von OpenAI, Anthropic, Mistral, Ollama oder einem eigenen Modell.
Ist ZenBrain production-ready?
Die Algorithmen stammen aus ZenAI (322K LOC, 11.589 Tests, seit Monaten in Produktion). Das extrahierte Paket hat 276 eigene Tests. API-Stabilität (Semver 1.0) ist für Q3 2026 geplant.
Wie unterscheidet sich ZenBrain von Mem0?
Mem0 hat 2 Memory-Layer und fokussiert auf Cloud-API. ZenBrain hat 7 Layer, Sleep Consolidation, FSRS, Hebbian Learning, Confidence Intervals — alles self-hosted, zero dependencies, TypeScript-native.
Kann ich nur @zensation/algorithms ohne core nutzen?
Ja. Das algorithms-Paket ist komplett standalone mit zero dependencies. Sie können einzelne Algorithmen importieren und in bestehende Systeme integrieren, ohne den MemoryCoordinator zu verwenden.
Bereit für KI,
die sich erinnert?
15 Algorithmen. 276 Tests. Zero Dependencies. Apache 2.0 — für immer.
v0.2.1TypeScriptApache 2.0