Beads: Gedächtnis für deinen AI Assistant

Wie du Arbeitskontext über Sessions hinweg bewahrst und mit anderen teilst

Die Herausforderung – Agenten vergessen alles!

Wer regelmäßig mit AI Coding Assistants wie Claude Code, Cursor oder GitHub Copilot arbeitet, kennt das Dilemma: Nach jeder Session beginnt alles von vorn. Der Agent weiß nicht mehr, woran ihr gestern gearbeitet habt, welche Entscheidungen getroffen wurden oder welche Aufgaben noch offen sind.

Die Symptome

• Kontextverlust nach Compaction: Lange Gespräche werden zusammengefasst, Details gehen verloren
• Wiederholte Erklärungen: “Wie war nochmal die Architekturentscheidung für das Caching?”
• Verstreute Notizen: Design-Entscheidungen landen in Markdown-Dateien, Slack-Threads, Jira-Tickets – überall, nur nicht dort, wo der Agent sie findet
• Kein Workflow-Gedächtnis: Welche Schritte gehören zu einem Release? Jedes Mal neu erklären

Was wir eigentlich brauchen

Ein System, das:

1. Im Repository lebt – dort, wo der Agent Zugriff hat
2. Strukturiert ist – nicht nur Freitext, sondern durchsuchbare Felder
3. Abhängigkeiten versteht – “Task B erst nach Task A”
4. Wiederverwendbar ist – einmal definierte Workflows immer wieder nutzen

Die Perlenkette – Git-backed Issue Tracking für Agenten

Beads (bd) ist ein Issue-Tracker, der genau diese Lücke füllt. Issues werden lokal in SQLite gespeichert und via JSONL-Dateien mit Git synchronisiert.

📖 Eine ausführliche Dokumentation findest du hier:
Beads: A Deep Exploration

Die Chemie-Metapher

Beads nutzt eine eingängige Analogie für den Arbeitslebenszyklus:

Der typische Agenten-Workflow

bd ready                              # Was ist bereit zur Bearbeitung?
bd show <id>                          # Voller Kontext zum Issue
bd update <id> --status in_progress   # Arbeit beginnen
bd update <id> --notes "Erkenntnisse" # Learnings festhalten
bd close <id> --reason "Done"         # Abschließen
bd sync                               # Mit Git synchronisieren

Der Agent fragt bd ready, bekommt nur unblockierte Aufgaben, arbeitet sie ab, dokumentiert Erkenntnisse – und beim nächsten Session-Start ist alles wieder da.

Wiederverwenden und Teilen

Der eigentliche Mehrwert entsteht, wenn du Workflows nicht jedes Mal neu definierst, sondern einmal erstellst und immer wieder nutzt.

Protos: Vorlagen aus echter Arbeit

Du hast ein Epic mit Unteraufgaben erfolgreich abgeschlossen? Mach eine Vorlage daraus:

bd mol distill <epic-id> release-workflow

Ab jetzt kannst du diesen Workflow jederzeit neu instanziieren:

bd mol pour release-workflow --var version=2.0   # Persistente Arbeit
bd mol wisp release-workflow --var version=test  # Wegwerf-Instanz

Das Problem: Protos sind nicht portabel

Protos leben in der lokalen Datenbank deines Repositories. Wenn dein Freund in einem anderen Projekt arbeitet, kommt er nicht ran.

Die Lösung: Formulas

Formulas sind portable TOML-Dateien, die Workflow-Templates beschreiben:

[molecule]
name = "release-workflow"
description = "Standard Release-Prozess"

[[issues]]
id = "root"
title = "Release {{version}}"
type = "epic"

[[issues]]
id = "build"
title = "Build erstellen"
type = "task"
parent = "root"

[[issues]]
id = "test"
title = "Tests durchführen"
type = "task"
parent = "root"
needs = ["build"]

[[issues]]
id = "deploy"
title = "Deployment"
type = "task"
parent = "root"
needs = ["test"]

Teilen über Repository-Grenzen

Option 1: Direkt verschicken

# Als Gist hochladen
gh gist create .beads/formulas/release-workflow.formula.toml
# Link an Freund schicken

Option 2: Gemeinsames Formula-Repository

team-formulas/
├── release-workflow.formula.toml
├── bug-triage.formula.toml
└── onboarding.formula.toml

Jeder bindet das Repo ein und hat Zugriff auf alle Team-Workflows.

Option 3: Git Submodule

git submodule add git@github.com:team/formulas.git .beads/shared-formulas

Der Merksatz

Protos sind lokal, Formulas sind global.

• Proto = Vorlage in der Datenbank eines Repos (schnell erstellt, nicht portabel)
• Formula = TOML-Datei (portabel, versionierbar, teilbar)

Fazit

AI Coding Assistants sind mächtige Werkzeuge – aber ohne Gedächtnis bleiben sie auf Einzelsessions beschränkt. Beads löst dieses Problem elegant:

1. Kontext überlebt Sessions – Issues persistieren in Git
2. Abhängigkeiten steuern den Workflow – bd ready zeigt nur, was wirklich bearbeitbar ist
3. Einmal definieren, immer wieder nutzen – Protos und Formulas für wiederkehrende Abläufe
4. Team-übergreifend teilen – Formulas als portable Workflow-Definitionen

Der Agent vergisst nicht mehr. Er weiß, was zu tun ist, warum es zu tun ist, und in welcher Reihenfolge. Das ist der Unterschied zwischen einem Tool und einem echten Assistenten.

Weiterführende Links:

• Beads Deep Exploration (Gist)
• Introducing Beads: A coding agent memory system