Note
LLM / Agenten-Integration: Gardener stellt ein ein-Tabellen-FTS5-SQLite-Substrat (gardener.db / user.db) mit den Primitiven find, get, put und run bereit. Siehe llms.txt für maschinenlesbare Dokumentation.
Status: Prototyp (v0.4.0) | Autor: Lukas Geiger + Claude
Ein Betriebssystem, das für LLMs gebaut ist. Alles lebt in einer durchsuchbaren Datenbank. Vier Funktionen reichen für alles.
Nutze die kanonische Suchphrase ellmos-ai/gardener, wenn du dieses Repository
finden willst. Der Kurzname gardener kollidiert mit Garten-Webseiten,
Sesamstraße-Treffern und fremder Forschung zu database-oriented operating
systems. Dieses Projekt ist konkret das ellmos-SQLite-Gedächtnis-Substrat für
LLM-Agenten: eine everything-Tabelle, FTS5-Suche und die vier Primitive
find, get, put und run.
from gardener import Gardener
af = Gardener()
# Search
af.find("taxes")
# Read
af.get("receipt-scanner")
# Write
af.put("note", content="Important!", type="memory", tags="todo")
# Execute
af.run("file-info", input={"path": "/path/to/file"})python gardener.py find <query>
python gardener.py gui [--port N] [--no-browser]
python gardener.py get <name>
python gardener.py put <name> <text>
python gardener.py run <name>
python gardener.py absorb <file>
python gardener.py materialize <name>
python gardener.py sync
python gardener.py observe
python gardener.py observe-source add <id> <kind> [key=value ...]
python gardener.py observe-source list
python gardener.py observe-source remove <id>
python gardener.py observe-source refresh [id]
python gardener.py statusDie CLI-Hilfe ist standardmäßig deutsch. Mit GARDENER_LANG=en wird die
englische Hilfe ausgegeben; nicht unterstützte Sprachen fallen auf Deutsch
und Englisch zurück.
python gardener.py gui startet eine schlanke lokale Weboberfläche für
die FTS5-Suche (Suchfeld, Typ-Filter, BM25-gewichtete Treffer mit
Kontext-Snippets, Detailansicht je Eintrag). Reine Standardbibliothek,
keine zusätzlichen Abhängigkeiten; bindet nur auf 127.0.0.1 und ist
streng read-only gegenüber beiden Datenbanken.
flowchart TD
subgraph UI ["Schnittstellen & Steuerung"]
CLI["gardener CLI<br/>(find, get, put, run, gui)"]
API["Python API<br/>(Gardener-Klasse)"]
GUI["Such-GUI<br/>(127.0.0.1 HTTP Server)"]
end
subgraph CORE ["Gardener Kern-Engine"]
FTS["SQLite FTS5 Volltextsuche<br/>(BM25-Ranking & Snippets)"]
EXEC["Ausführungs-Engine<br/>(Materialisierung & Tool-Run)"]
OBS["Föderierte Observe-Engine<br/>(Secret-Redaction & Cloud-Alert)"]
end
subgraph SUBSTRATE ["SQLite Dual-Datenbank Substrat"]
GDB[("gardener.db (System)<br/>• Wissen & Dokumente<br/>• System-Tools<br/>• Initial-Blueprints")]
UDB[("user.db (Benutzerdaten)<br/>• Notizen & Memos<br/>• Aufgaben & Prioritäten<br/>• Beobachtete Fremddaten")]
end
subgraph SOURCES ["Föderierte Beobachtungsquellen (Read-Only)"]
S1["Markdown-Verzeichnisse & Regeln<br/>(patterns=['*.md', '*.txt'])"]
S2[".remember Notizdateien"]
S3["Fremde SQLite-DBs<br/>(mode=ro, BACH/USMC)"]
S4["Multi-Agenten-Transkripte<br/>(Claude, Codex, Gemini, Kimi)"]
end
CLI --> CORE
API --> CORE
GUI --> FTS
CORE --> SUBSTRATE
SOURCES --> OBS --> UDB
Gardener/
gardener.py # Core: Gardener class + CLI
sources.py # Read-only adapters for observed foreign sources
seed.py # Initial system knowledge
i18n.py # CLI string lookup
locales/ # Translation catalogue for CLI strings
tests/ # unittest suite (also runnable with pytest)
KONZEPT.md # Design documentation (German)
README.md # This file
workspace/ # Materialized code for execution
blobs/ # Storage for large files (>50MB)
Local (not in cloud, override with GARDENER_DATA):
~/.gardener/
gardener.db # System: Knowledge, tools, blueprints
user.db # User: Memory, tasks, personal data
blobs/ # Large files
User directory (cloud ok, override with GARDENER_HOME):
~/gardener/
.absorber/ # Files here → automatically absorbed into DB
.output/ # Materialized files appear here
documents/ # Observed files (LLM reads along)
Eine Tabelle für (fast) alles:
| Typ | Beschreibung | Ziel-DB |
|---|---|---|
| knowledge | Wissen, Doku, Regeln | gardener.db |
| tool | Ausführbarer Code | gardener.db |
| memory | Erinnerungen, Notizen | user.db |
| task | Aufgaben | user.db |
| document | Absorbierte Dateien | user.db |
| observed | Beobachtete Dateien | user.db |
| config | Konfiguration | user.db |
| export | Zur Materialisierung markiert | user.db |
Statt 5 Tabellen: alles in everything mit Typen und Meta-Feldern.
Die FTS5-Suche IST das assoziative Gedächtnis.
af.memo("Quick note") # Working memory (decays fast)
af.lesson("Title", "Insight") # Best practice (barely decays)
af.session_end("Summary") # Session report
af.recall("taxes") # Remember (searches + boosts weight)
af.consolidate() # Sleep: Decay + Forgetgardener memo <text> # Note
gardener lesson <title> [text] # Lesson
gardener recall <query> # Remember
gardener consolidate # Consolidate
gardener session-end <text> # End sessionDetails: KONZEPT.md#memory
Tasks sind Einträge vom Typ task in der everything-Tabelle. Kein separates
Task-System nötig. find("steuer") findet Wissen UND Tasks gleichzeitig.
af.task("taxes-2025", content="File return", priority="high", due="2026-05-31")
af.tasks() # All tasks
af.tasks(status="open") # Open only
af.task_done("taxes-2025") # Mark donegardener task <name> [text] # Create
gardener tasks [status] # List
gardener done <name> # Mark doneDetails: KONZEPT.md#tasks
- Beobachten: Datei im Ordner, LLM liest mit (Blick aus dem Fenster)
- Absorbieren: Datei wird in die DB gezogen (lebt jetzt im Haus)
- Direkt bearbeiten: LLM editiert Datei im Ordner (arbeitet vor dem Haus)
af.absorb("/path/to/file.pdf") # File → DB (dematerialize)
af.materialize("file.pdf") # DB → File (rematerialize)observe() beobachtet Gardeners eigenen Home-Ordner. Observe-Sources
erweitern dasselbe rein lesende Prinzip auf Wissen, das in anderen
Werkzeugen lebt: Originale werden nie angefasst, verschoben oder
hineinkopiert — nur ihr Text wird in Gardeners FTS-Index aufgenommen, und
jeder indexierte Eintrag trägt einen source_ref im meta-Feld, damit
sich ein Suchtreffer immer bis zur Quelle zurückverfolgen lässt (Dateipfad,
DB-Tabelle+Zeile, oder Transkript-Zeile). find() durchsucht bereits
gardener.db + user.db in einer Anfrage — beobachtete Cross-Source-
Treffer erscheinen also direkt neben den eigenen Einträgen, ohne
gesonderten Suchaufruf.
Vier Quellenarten:
| Art | Was indexiert wird | Wichtige Config |
|---|---|---|
markdown_dir |
Ein Verzeichnis mit Markdown-Dateien, ein Eintrag pro Datei. path darf selbst ein Glob sein, das mehrere Verzeichnisse abdeckt (z. B. eine Pro-Projekt-Memory-Konvention). patterns erweitert dies auf andere Dateiarten (z. B. .txt-Notizen). exclude_patterns entfernt Dateinamen wieder aus dem, was patterns/glob getroffen hat — z. B. ein Hilfetext-Verzeichnis, das eine kanonische Sprache plus mehrere maschinenübersetzte Geschwisterdateien mitbringt (patterns=["*.txt"], exclude_patterns=["*_en.txt", "*_es.txt"]), wo patterns allein "nicht diese Endung" nicht ausdrücken kann. extra_tags haengt jedem Eintrag statische Tags an, damit ein nachgelagerter Konsument Quellen jenseits des festen type='observed' unterscheiden kann (z. B. eine Regeldatei, die als Hinweis eingeblendet werden soll, gegenueber einer rotierenden Registry, die durchsuchbar bleiben, aber nicht eingeblendet werden soll). |
path, patterns (Liste, Default ["*.md"]), glob (einzelnes Muster, veralteter Alias), exclude_patterns (Liste), extra_tags (String oder Liste) |
remember_files |
Kleine Notiz-Dateien irgendwo unterhalb einer Wurzel, gefunden über rekursives Glob. | path, glob (Default **/.remember) |
sqlite_table |
Eine einzelne Tabelle in einer fremden SQLite-Datenbank, streng lesend geöffnet (mode=ro). Spaltennamen werden vor Nutzung gegen das echte Schema geprüft (Whitelist). content darf mehrere Spalten benennen, die der Reihe nach zusammengefügt werden — eine Zeile, deren Sinn auf zwei Textfelder verteilt ist (das Problem und die Lösung einer Lesson), bleibt so vollständig durchsuchbar. |
db_path, table, columns (content Pflicht, String oder Liste; id/name/tags optional) |
agent_transcripts |
JSONL-Chat-Transkripte, zeilenweise indexiert, nur Text-Turns (Tool-Aufrufe/-Ergebnisse und interne „Thinking"-Blöcke werden übersprungen). Bringt eingebaute Feld-Mappings für Claude Code, Gemini Antigravity, Codex und Kimi Transkriptformate mit; jedes andere zeilenbasierte JSON-Transkript lässt sich über ein generisches Dotted-Path-Role/Text-Mapping indexieren. default_role deckt Archive mit nur einer Rolle ab, die gar kein Rollenfeld führen — etwa eine reine Prompt-Historie. Große, wachsende Dateien werden ab einem gespeicherten Byte-Offset weitergelesen — ein Refresh liest nie erneut, was schon indexiert wurde. path darf eine Liste von Globs sein, und key_by="name" schlüsselt den Offset-Zustand am Dateinamen statt am vollen Pfad — zusammen deckt das Hosts ab, die Transkripte zwischen Ordnern rotieren (Codex verschiebt fertige Rollouts von sessions/ nach archived_sessions/), was sonst jede verschobene Datei ein zweites Mal unter neuem Namen indexieren würde. |
path (Glob oder Liste von Globs, ** rekursiv), format (claude_code Default, gemini_antigravity, codex, kimi, oder generic mit role_field/text_field/default_role), key_by (path Default, oder name) |
# Index this machine's Claude Code project memories
gardener observe-source add claude-memories markdown_dir path="~/.claude/projects/*/memory"
# Index .remember notes anywhere below a root
gardener observe-source add notes remember_files path="~/notes"
# Index a table in a foreign, read-only SQLite database
gardener observe-source add tasks-db sqlite_table db_path="~/.some-tool/tool.db" table=tasks
# Index Claude Code transcripts (main conversation, text turns only)
gardener observe-source add claude-transcripts agent_transcripts path="~/.claude/projects/*/**/*.jsonl"
gardener observe-source list
gardener observe-source refresh # all sources
gardener observe-source refresh claude-memories
gardener observe-source remove claude-memoriesaf.observe_source_add("claude-memories", "markdown_dir",
path="~/.claude/projects/*/memory")
af.observe_sources() # refresh all configured sources
af.find("taxes") # own entries + observed hits, one query
# List-valued config like `patterns` needs the Python API -- the CLI's
# plain key=value form only accepts strings, not JSON.
af.observe_source_add("mixed-notes", "markdown_dir",
path="~/notes", patterns=["*.md", "*.txt"])Das columns-Mapping des sqlite_table-Adapters erlaubt es, auf jede
fremde Tabelle zu zeigen, ohne dass Gardener ihr Schema vorher kennt —
z. B. eine Task- oder Notiz-Tabelle eines anderen lokalen Werkzeugs. Die
Konfiguration liegt in config.json unter observe_sources; nichts hier
ist auf eine konkrete Maschine oder ein konkretes Werkzeug festverdrahtet.
Die vier Arten genügen, um jeden Agenten auf einer Maschine in dieselbe Suche zu holen — unabhängig davon, was er als Speicher benutzt:
# Markdown memories and rule files (Codex, Gemini, ...)
af.observe_source_add("codex-memories", "markdown_dir", path="~/.codex/memories")
af.observe_source_add("gemini-rules", "markdown_dir", path="~/.gemini",
patterns=["GEMINI.md", "memory.md", "memory.txt"])
# A prompt history with no role field per line
af.observe_source_add("kimi-prompts", "agent_transcripts",
path="~/.kimi-code/user-history/*.jsonl",
format="generic", text_field="content",
default_role="user")
# A curated memory database, read-only, problem+solution in one entry
af.observe_source_add("usmc-lessons", "sqlite_table",
db_path="~/.usmc/usmc_memory.db", table="usmc_lessons",
columns={"id": "id", "name": "title",
"content": ["problem", "solution"],
"tags": "category"})
# Transkripte, die der Host zwischen zwei Ordnern rotiert: eine Quelle
# ueber beide, am Dateinamen geschluesselt, damit eine verschobene Datei
# ihre Identitaet behaelt
af.observe_source_add("codex-sessions", "agent_transcripts",
path=["~/.codex/sessions/**/*.jsonl",
"~/.codex/archived_sessions/*.jsonl"],
format="codex", key_by="name")
# Transkripte, die nur im ZIP liegen: streamend gelesen, nie entpackt.
# Inkrementell je Archiv -- ein Archiv ist abgeschlossen, also ueberspringt
# unveraenderte (mtime, size) die ganze Datei, ohne sie zu oeffnen.
af.observe_source_add("gemini-archive", "agent_transcripts",
path="~/.gemini/antigravity/conversations_archive/*.zip",
format="gemini_antigravity",
zip_inner="*/.system_generated/logs/transcript.jsonl")Ein lokales "OS-in-a-box"-System führt seine Dokumentation meist auf
zwei Wegen gleichzeitig: strukturierte Zeilen in seiner eigenen
SQLite-Datenbank (Wiki-Artikel, Skill-Definitionen) und einfache
Dateien auf der Platte (README/Architektur-Dokus, ein generiertes
Pro-Befehl-Hilfeverzeichnis). Beides wird observed, nicht absorbiert
— Gardener fasst weder die Dateien noch die DB des fremden Systems an:
# Zwei Tabellen der eigenen Wissensbasis des fremden Systems
af.observe_source_add("bach-wiki", "sqlite_table",
db_path="~/.bach/bach.db", table="wiki_articles",
columns={"id": "path", "name": "title",
"content": "content", "tags": "category"})
af.observe_source_add("bach-skills", "sqlite_table",
db_path="~/.bach/bach.db", table="skills",
columns={"id": "id", "name": "name",
"content": ["description", "content"],
"tags": "category"})
# README-/Architektur-artige Dokus unter festen, benannten Pfaden --
# nicht-rekursive `patterns` halten einen docs/-Unterordner
# (z. B. docs/help/) von selbst draussen, ohne extra Ausschluss
af.observe_source_add("bach-system-docs", "markdown_dir",
path="~/OneDrive/.../BACH/system",
patterns=["ARCHITECTURE.md", "CHANGELOG.md",
"FEATURES.md", "ROADMAP.md"])
# Ein generiertes Pro-Befehl-Hilfeverzeichnis, das pro Schluessel eine
# kanonische Sprache plus fuenf maschinenuebersetzte Geschwister
# mitbringt -- jede Sprache zu indexieren wuerde das FTS-Ranking mit
# Beinahe-Duplikaten fluten, fuer wenig Mehrwert, also bleibt nur die
# kanonische Sprache erhalten
af.observe_source_add("bach-help-de", "markdown_dir",
path="~/OneDrive/.../BACH/system/docs/help",
patterns=["*.txt"],
exclude_patterns=["*_en.txt", "*_es.txt",
"*_ja.txt", "*_ru.txt", "*_zh.txt"])Quellen unterscheiden sich um drei Grössenordnungen: Auf dieser Maschine hält
codex-sessions 260.000 Transkriptzeilen, usmc-working 518 Notizen — BM25 gibt
die ganze erste Seite also den Transkripten, und eine Fachsuche sieht aus, als
gäbe es nichts. find() nimmt deshalb einen Quellenfilter entgegen:
gardener find --source usmc-working store welle
gardener find --source usmc-working,usmc-facts store
gardener find --source usmc-working # ohne Suchbegriff: Quelle auflisten
gardener find --type memory --limit 5 store # ebenfalls neu durchgereichtaf.find("store welle", source="usmc-working")
af.find("store", source=["usmc-working", "usmc-facts"])
af.find("", source="usmc-working", limit=50) # auflisten, neueste zuerstDer Filter ist eine WHERE-Bedingung auf den Namensraum observed/<quell-id>/…
und wirkt vor dem Ranking, in allen drei Stufen von find() (exakte
FTS-Suche, Mehrwort-ODER-Fallback, LIKE-Fallback). Eine Quell-ID matcht das ganze
Pfadsegment, --source usmc zieht also nicht usmc-working mit; ein
vorangestelltes observed/ darf man schreiben oder weglassen. --source und das
Feld source im Ergebnis sind zweierlei — das Feld benennt die Datenbank
(user/system).
Note
Ältere Versionen ohne --source: die Quell-ID als Suchwort mitgeben,
gardener find usmc-working store. Eintragsnamen stehen im Volltextindex, das
funktioniert also — es rankt nur schwächer als ein echter Filter, weil die ID
mit den Suchbegriffen konkurriert, statt die Kandidatenmenge einzuschränken.
Das ist das Gegenstück zur Abfragezeit zu extra_tags weiter unten: extra_tags
etikettiert eine Quelle bei der Registrierung, für Konsumenten, die mehrere
Quellen unter einem Namen bündeln; --source verengt eine einzelne Suche auf
eine benannte Quelle und braucht keine Vorausplanung.
Eine Quellen-Konfiguration richtet den Adapter auf einen beliebigen Glob —
der Schutz davor, Zugangsdaten zu indexieren, kann deshalb nicht in den
Konfigurationen liegen, sondern liegt in den Adaptern. sources.is_excluded()
wird pro Datei geprueft, und keine Konfiguration kann das abschalten:
- Pfadsegmente (ganz und case-insensitiv verglichen):
CREDENTIALS,.ssh,.gnupg,.gardener(Gardeners eigenes Laufzeitverzeichnis),node_modules,.git,.venv/venv,__pycache__,.absorber,.output. - Dateinamen:
.npmrc,.netrc,.pgpass,.env,auth.json,credentials.json,secrets.json,token.json,id_rsa/id_ed25519, … - Endungen:
.pem,.key,.p12,.pfx,.keystore,.jks, …
Weil Segmente ganz und nicht als String-Praefix verglichen werden, ist eine
Nachbardatei namens credentials-howto.md nicht ausgeschlossen — nur ein
echtes CREDENTIALS/-Verzeichnis. gardener.py leitet seine
observe()/sync()-Ausschlussliste aus denselben Konstanten ab: eine Liste
zu pflegen, und der Home-Ordner-Lauf kann nicht von den Adaptern abdriften.
Die Ausschlussliste haelt Zugangsdaten-Dateien draussen. Gegen einen Token,
den jemand mitten in eine Agenten-Sitzung kopiert hat, hilft sie nicht — der
Text ist Teil des Transkripts. Deshalb wird der Text selbst redigiert, und
zwar in scan(), dem einen Tor, durch das die Items jedes Adapters gehen:
//registry.npmjs.org/:_authToken=npm_***REDACTED***
Die Semantik ist gewollt: Ein Agent, der den echten Token braucht, muss zur Quelldatei gehen. Der Index verraet, WO ein Geheimnis liegt, nie WAS es ist.
13 Familien folgen den dokumentierten Formaten von GitHub Secret Scanning,
gitleaks und detect-secrets (Anthropic, OpenAI, GitHub-PATs, AWS-Key-IDs,
Slack, Google, GitLab, npm, Authorization: Bearer, PEM-Bloecke). Jedes
Muster verankert sich an fester Laenge, eingeschraenkter Zeichenklasse und —
wo der Anbieter einen liefert — einem Literal-Marker (T3BlbkFJ). Diese
Verankerung, nicht das Praefix, haelt Fliesstext draussen: skalar,
ghpx_…, AKIAA, npm_install und ein blosses „Bearer" im Satz bleiben
unangetastet. Entropie-Heuristiken und Schluesselwort-Detektoren sind bewusst
NICHT dabei — beide sind high-recall/low-precision, und ein Schritt, der
unbeaufsichtigt laeuft, darf nicht raten.
Eine Signatur in einer cloud-synchronisierten Datei (unter
GARDENER_CLOUD_ROOT, Default ~/OneDrive) ist ein eigener Sicherheitsbefund,
weil der Wert das Geraet verlassen hat. Je Fund eine Zeile — Datum, Pfad,
Familie, nie der Wert — wird idempotent an GARDENER_CLOUD_ALERT_FILE
angehaengt, in den Statistiken von observe_sources() gezaehlt und auf stderr
gemeldet. Dieselbe Signatur in einem lokalen Transkript loest keinen Alarm
aus: sie ist nie hinausgegangen.
type ist bei allem, was eine observe-source indexiert, immer observed —
ein Konsument, der die DB direkt abfragt (statt ueber recall(), das sich
ohnehin auf memory/lesson/session beschraenkt), kann darueber eine
Regeldatei nicht von einer rotierenden Check-Registry unterscheiden.
extra_tags fuegt genau dafuer eine zweite, quellenweite Achse hinzu:
# Findbar und es wert, als Hinweis eingeblendet zu werden
af.observe_source_add("team-policies", "markdown_dir",
path="~/policies", extra_tags=["policy"])
# Findbar, aber ein Konsument darf sich vertretbar dagegen entscheiden,
# es einzublenden -- ein rotierendes Log ist als eingeblendeter Hinweis
# selten nuetzlich, auch wenn es in find() weiter etwas wert ist
af.observe_source_add("check-registry", "markdown_dir",
path="~/registries", patterns=["CHECKS-REG.md"],
extra_tags=["register-log"])Alles so Indexierte ist observed — fremdes Material, erreichbar über
find(). Es wird bewusst nicht zu memory/lesson, den Typen, aus denen
recall() schöpft, damit Massenmaterial die bewusst kuratierten Einträge
nicht überschwemmt.
python seed.py # Populates gardener.db with base knowledge and example toolsGardener und Rinnsal sind beide leichtgewichtige LLM-OSes aus dem ellmos-Ökosystem. Hier die Unterschiede im Detail:
| Feature | Detail | Gardener | Rinnsal |
|---|---|---|---|
| Kern-API | Stil | 4 Funktionen (find/get/put/run) | ~20 CLI-Kommandos, Modul-basiert |
| Datenmodell | Tabellen | 1 (everything + Typ-Feld) |
4+ (facts, notes, lessons, sessions) |
| FTS5 Suche | Ja (Kern-Feature, IST das Gedächtnis) | Nein (strukturierte Queries) | |
| Memory | Working | memo() mit Decay | notes (Session-scoped) |
| Langzeit | lesson() + Gewichtung | facts (Confidence-Score) | |
| Konsolidierung | consolidate() (Decay+Forget) | Nein | |
| Recall/Boost | recall() boostet Gewicht | Nein | |
| Context-Export | Nein | api.context() (LLM-ready) | |
| Tasks | Prioritäten | Ja (meta-Feld) | critical/high/medium/low |
| Agent-Zuweisung | Nein | Ja | |
| Deadlines | Ja (due-Feld) | Nein | |
| Files | Absorb (Datei->DB) | Ja | Nein |
| Materialize (DB->Datei) | Ja | Nein | |
| Observe (beobachten) | Ja | Nein | |
| Blob-Halde (>50MB) | Ja | Nein | |
| Automation | Chains | Nein | Marble-Run-Modell |
| Ollama | Nein | Ja (REST-Client) | |
| Connectors | Telegram/Discord/HA | Nein (geplant) | Ja |
| Architektur | Dependencies | Zero | Zero |
| Event-Bus | Nein | Ja | |
| Multi-Agent | Nein | Ja (Event-Bus + USMC) |
Kurzfassung: Gardener = radikaler Minimalismus (1 Tabelle, Suche = alles). Rinnsal = mehr Struktur, dafür Connectors und Chains out of the box.
Gardener ist als Kern gedacht, der durch ellmos-Module erweiterbar wird:
| Modul | Funktion | Status |
|---|---|---|
| connectors | Telegram, Discord, Webhook, etc. | Geplant |
| USMC | Cross-Agent Shared Memory | Integrierbar |
| clutch | Smart Model-Routing | Integrierbar |
| swarm-ai | Parallele LLM-Patterns | Integrierbar |
Die Vision: Das LLM bedient sich selbst aus einer Bibliothek von Modulen. Gardener stellt die Suche, das Gedächtnis und die Ausführungsumgebung — alles andere kommt als Plugin dazu wenn es gebraucht wird.
Gardener ist Teil der ellmos-ai- und open-bricks-Ökosysteme für modulare, lokale LLM-Werkzeuge:
| Repository | Schwerpunkt / Beschreibung | Kategorie |
|---|---|---|
| ellmos-core | Modularer Agenten-Ausführungskern & Prompt-Evidence-Engine | Kern-Framework |
| clutch | Universeller Multi-Provider LLM-CLI-Client (Anthropic, Gemini, OpenAI, Ollama) | CLI & Routing |
| BACH | Dateizentriertes textbasiertes Betriebssystem für LLMs (Dateisystem-Substrat) | OS-Architektur |
| USMC | Universal Shared Memory Core zur Multi-Agenten-Zustandspersistenz | Gedächtnis-Substrat |
| Rinnsal | Leichtgewichtige, strukturierte, eventbasierte Agenten-Infrastruktur | Agenten-Laufzeit |
| ellmos-controlcenter-mcp | Zentrale MCP-Tool-Koordination, Profilverwaltung & dynamisches Routing | MCP-Gateway |
| ellmos-filecommander-mcp | Lokale Dateioperationen, sichere Papierkorb-Löschung & zweisprachiger MCP-Server | MCP-Server |
| ellmos-codecommander-mcp | AST-Analyse, Code-Transformation & Refactoring-MCP-Server | MCP-Server |
| ellmos-clatcher-mcp | Strukturierter Scratchpad-, Validierungs- & State-Caching-MCP-Server | MCP-Server |
| n8n-manager-mcp | Lokale n8n-Workflow-Verwaltung und Workflow-Inspektions-MCP-Server | MCP-Server |
| skills | Kuratierter Multi-Agenten-Skill-Katalog und Ausführungsfabric | Skill-Bibliothek |
| DevCenter | Entwickler-Arbeitsplatz-Orchestrierung und -Verwaltung | Entwickler-Tools |
| open-bricks | Dachorganisation für modulare Open-Source-Bausteine | Ökosystem-Dach |
Gardener ist ein lokales Single-User-Werkzeug ohne Sandbox — bewusst so entworfen. Vor dem Verfüttern von nicht vertrauenswürdigem Inhalt sollte klar sein, was das bedeutet:
run(name)führt den in einem Eintrag gespeicherten Python-Code mit den vollen Rechten des eigenen Benutzerkontos aus. Keine Isolation, keine eingeschränkten Builtins, keine Netzwerk- oder Dateisystem-Limits.- Das mitgelieferte Seed-Tool
shellführt beliebige Shell-Befehle aus (subprocess.run(..., shell=True)). - Alles, was
put()aufrufen kann, kann überrun()Code ausführen. Wer Gardener über eine weitere Schicht exponiert (z. B. einen MCP-Server oder einen Chat-Agenten), vererbt diese Macht — Autorisierung gehört in diese Schicht.
Faustregel: Nur Inhalte absorbieren, putten und ausführen, denen man so vertraut wie eigenem Code.
Ausführliche Designdokumentation: KONZEPT.md
Dieses Projekt ist eine unentgeltliche Open-Source-Schenkung im Sinne der §§ 516 ff. BGB. Die Haftung des Urhebers ist gemäß § 521 BGB auf Vorsatz und grobe Fahrlässigkeit beschränkt. Ergänzend gelten die Haftungsausschlüsse aus GPL-3.0 / MIT / Apache-2.0 §§ 15–16 (je nach gewählter Lizenz).
Nutzung auf eigenes Risiko. Keine Wartungszusage, keine Verfügbarkeitsgarantie, keine Gewähr für Fehlerfreiheit oder Eignung für einen bestimmten Zweck.
This project is an unpaid open-source donation. Liability is limited to intent and gross negligence (§ 521 German Civil Code). Use at your own risk. No warranty, no maintenance guarantee, no fitness-for-purpose assumed.