Bastra.Recall

A persistent teammate memory for any AI assistant — across every surface.
Ein persistentes Teammate-Gedächtnis für jeden AI-Assistenten — über jede Oberfläche hinweg.

---

🇬🇧 English

What it is — A long-term memory for any AI assistant or agent: Claude (Code, Desktop, Web), ChatGPT (via Custom GPT Actions), Cursor, and anything else that speaks MCP or HTTP. Whenever you correct it, state a rule, or commit to a decision, it gets saved as a small note. In your next chat — days or weeks later, in any tool — the AI pulls those notes back automatically. No more repeating yourself. Everything stays on your own Mac as plain Markdown files (Obsidian-compatible). All your AI tools share the same memory at the same time.

Status — 🟢 Early beta. M0 (eval) and M1 (read path) done, M2 (save path) functional, and the Claude Code reflex layer ships with hooks for SessionStart, UserPromptSubmit, PreToolUse file edits / todos / bash safety, PostToolUse bash failures, plus optional Stop save-eval. Distribution and multi-surface hardening are active. See PLAN.md.

Why

Working with an AI assistant over months means re-explaining the same things. Pitfalls it already learned in one project recur in the next. Stable preferences ("give me a recommendation, not a 5-option menu") get forgotten between sessions. Project-specific facts get re-discovered every time.

Most AI tools have memory features, but they're passive: a static index file at best, no proactive recall, no cross-surface continuity.

The cost isn't just frustration — it's that the user ends up thinking for the AI. "Wait, didn't we solve this last week?" That's the bug.

What bastra-recall does

A persistent memory layer that:

• Saves autonomously — when a lesson is learned (frustration, repeated correction, durable preference, finalized decision), the AI writes it to the vault without being asked. Trigger discipline ships as a Claude Code Skill; other clients are conditioned through their own system prompt or Custom GPT instructions.
• Recalls before acting — not only when the user prompts. The AI is instructed to query the vault before writing code, before plans, and at session start. The highest-weighted search field is recall_when, declared at save time.
• Works across surfaces — one local daemon serves all your AI tools at once: Claude Code (via MCP), Claude Desktop (via MCP), ChatGPT (via Custom GPT Actions over HTTP), Cursor, and anything else that speaks MCP or HTTP.
• Plain markdown, Obsidian-compatible — the vault is a folder of .md files with YAML frontmatter. Edit in Obsidian, in the AI, or by hand. Vaults on Google Drive / iCloud / Dropbox mounts are supported via automatic polling-mode in the file watcher.

The single success metric

The user doesn't have to think for the AI anymore.

If recurring mistakes still recur, if the user still has to re-state preferences each session — the project failed, regardless of how clean the architecture is.

How it works

Vault (configurable, plain markdown + YAML frontmatter, Obsidian-compatible)
          │  chokidar (auto-polls on cloud-storage mounts)
          ▼
bastra-recall daemon (TypeScript / Node 22+, single local process)
  - In-memory BM25 index (MiniSearch) — recall_when×5, title×4, tags×3
  - Hybrid recall: BM25 + embeddings (Ollama or OpenAI) via RRF fusion
  - Tools: recall, load_memory, save_memory, find/read/save_document
  - Save path: validates frontmatter → writes file → force-reindexes
    (so a save and a recall in the same turn are consistent)
  - Transport: stdio MCP + HTTP REST (for non-MCP clients)
          │
          ▼
One daemon ↔ many AI clients
  - Claude Code / Desktop / Cursor → via thin MCP forwarder (stdio → HTTP)
  - ChatGPT Custom GPT, web apps, custom scripts → via REST /api/v1/*
  - All clients share the same vault, index, telemetry stream

The Claude Code reflex layer ships with six quiet hooks by default, all
speaking to the daemon's loopback HTTP endpoint:

• PreToolUse (bastra-recall-hook) — fires before every Write/Edit/MultiEdit/NotebookEdit. Topic-detects from the tool intent and injects <recall-hints> as additionalContext.
• SessionStart (bastra-recall-session-hook) — fires on startup/resume/clear/compact. Preloads top user-prefs + cross-project rules + project-scoped memories as <session-context> so the AI knows who, what, and what-not from the first prompt.
• UserPromptSubmit, TodoWrite, Bash safety, and Bash failure hooks cover lookup prompts, topology recall before plans, destructive-command safety, and command-failure lesson recall.

The Stop save-eval hook exists but is opt-in because it can emit
multi-line suggestions at turn end. Enable it explicitly with
bastra install claude-code --with-stop-hook if you want that behavior.
Telemetry (scripts/stats.ts) tracks per-hook latency, hint-quality, and
follow-through (did the AI actually load_memory after a hint).

Details: docs/architecture.md, docs/memory-schema.md, docs/triggers.md.

Memory shape

Each memory is a markdown file with structured frontmatter:

---
id: css-input-focus-ring-stacking
title: "Don't stack focus styles on inputs"
type: lesson
summary: "Stacking ring + outline + custom :focus on nested inputs causes double focus rings. Use single :focus-visible."
topic_path: [css, input, focus]
tags: [css, input, focus-ring, ui-bug]
scope: all-projects
recall_when:
  - creating new input component
  - writing input or form css
  - focus or accessibility styling
related: [css-effects-stacking-antipattern]
source: "carnexus, recurring lesson"
confidence: 0.95
---

The recall_when field is the bridge between save and recall: when saving, the AI declares the contexts under which future-sessions should be reminded. See docs/memory-schema.md for full field semantics and six example memories covering lesson, preference, project-fact, meta-working, decision, workflow.

Install

Three paths, in order of friction. bastra-recall is self-contained: the daemon, the MCP server, the REST gateway, the bastra CLI, and the Skill all ship in this repo — nothing else needed for full vault functionality.

A) One double-click — easiest, for non-coders (rolling out)

1. Download Install Bastra.command from the latest GitHub release.
2. Double-click it in Finder.
3. Done. Restart Claude Code / Claude Desktop / Cursor.

The script installs Homebrew if it's missing, adds the bastra tap, installs bastra-recall, and runs bastra install all — no terminal knowledge required.

Until the Homebrew tap (n0mad-ai/tap) is published and the .command asset is attached to a release (#3), use path B.

B) One command — for developers

Pre-requisites: Node 22+, Git.

git clone https://github.com/n0mad-ai/bastra-recall.git
cd bastra-recall
npm install
npm run build

node packages/daemon/dist/cli.js install all --vault /abs/path/to/your/vault
node packages/daemon/dist/cli.js doctor
node packages/daemon/dist/cli.js doctor --fix   # repair stale/missing registrations
node packages/daemon/dist/cli.js uninstall all

Adapter status:

Surface	What gets installed	Status
claude-desktop	MCP server entry in claude_desktop_config.json + Skill in .claude/skills/	✅ implemented
claude-code	MCP server in .claude.json + Skill in .claude/skills/ + hooks & powerline statusLine in .claude/settings.json	✅ implemented
cursor	MCP server entry in .cursor/mcp.json	✅ implemented (Cursor Rules layer is a separate roadmap item)

Every write is idempotent (re-runs are no-ops), atomic (tmp file + rename), backed up (timestamped .bak-… next to the original), and parse-safe (broken JSON aborts the run instead of corrupting it). Vault path resolves in this order: --vault <path> flag → BASTRA_VAULT_PATH env → auto-detect from an existing registration in ~/.claude.json or claude_desktop_config.json. The CLI bails with a clear message if none of those produce a path.

Once installed through Homebrew or npm, this collapses to bastra install all.

C) Fully manual — fallback

Add the MCP server block to your client's config (~/.claude.json for Claude Code, ~/Library/Application Support/Claude/claude_desktop_config.json for Claude Desktop, ~/.cursor/mcp.json for Cursor).

Recommended (forwarder mode — shares one daemon across all sessions):

"bastra-recall": {
  "command": "node",
  "args": ["/abs/path/to/bastra-recall/packages/daemon/dist/mcp-forwarder.js"],
  "env": {
    "BASTRA_VAULT_PATH": "/abs/path/to/your/vault"
  }
}

The forwarder is a thin stdio-MCP wrapper that talks to a single local HTTP daemon (port 6723 by default). All MCP clients — Claude Code, Claude Desktop, Cursor, additional sessions — share the same vault state, embedding index, and telemetry. The forwarder auto-spawns the daemon on first run if no one is listening yet.

Standalone mode (one MCP client only, no sharing):

"bastra-recall": {
  "command": "node",
  "args": ["/abs/path/to/bastra-recall/packages/daemon/dist/index.js"],
  "env": {
    "BASTRA_VAULT_PATH": "/abs/path/to/your/vault"
  }
}

For Claude Code, also drop the Skill + hooks by hand:

bash packages/skill/install.sh        # copies SKILL.md → ~/.claude/skills/bastra-recall/
bash packages/skill/install-hook.sh   # registers the 6 default reflex-layer hooks (add --with-stop-hook for the 7th, Stop save-eval)

bastra install claude-code does both of these for you in path B. Re-run install.sh whenever SKILL.md changes; re-run install-hook.sh only if hook binary paths move. To remove the hooks again: bash packages/skill/install-hook.sh --uninstall.

Semantic recall (optional)

Recall is hybrid: BM25 keyword search always works, and a semantic layer kicks in once an embedding provider is set up. On macOS, bastra install detects Ollama and — if it's missing — offers to install it via Homebrew, pull the embeddinggemma model (~600 MB), and start it as a local login service. Use --ollama to set it up non-interactively, --no-ollama to skip; the login service is a toggle (bastra config set ollama.autostart off). Without it, recall stays on BM25 — nothing breaks. bastra status shows the active mode.

Manual: brew install ollama && ollama pull embeddinggemma && bastra config set embedding.provider ollama. Note: --yes does not trigger the Ollama download (use --ollama). Homebrew and the model come from third parties (Homebrew core, ollama.com).

Full details: System Requirements (wiki).

Updating

bastra update pulls the latest release (npm or Homebrew), re-registers every surface, and restarts the daemon. Opt into hands-off updates with bastra config set update.mode auto — bastra then stages a new version at session start without disrupting a running session. Running bastra with no arguments shows version, update status, daemon health, and vault size.

Full details: Updating & settings (wiki).

REST API (for non-MCP clients)

The daemon exposes a REST API on http://127.0.0.1:6723/api/v1/ covering every tool the MCP server offers. This is the integration point for clients that can't speak stdio-MCP — most notably ChatGPT Custom GPT Actions, which call HTTPS endpoints with an OpenAPI schema.

Endpoints (all POST, JSON body):

Endpoint	Tool
/api/v1/recall	recall
/api/v1/load_memory	load_memory
/api/v1/save_memory	save_memory
/api/v1/find_document / read_document / open_document	document search
/api/v1/save_document / recategorize_document / move_document	document write (Pro)

Auth and CORS:

• If BASTRA_API_TOKEN is set, the daemon requires Authorization: Bearer <token> on every /api/v1/* request.
• Loopback callers (127.0.0.1) bypass auth by default. Set BASTRA_AUTH_LOOPBACK_SKIP=0 to require the token even locally.
• CORS is permissive by default (Access-Control-Allow-Origin: *). Restrict via BASTRA_CORS_ORIGIN=https://your.host.

To expose this API to a hosted client like ChatGPT, point a tunnel (Cloudflare Tunnel / ngrok / your own reverse proxy) at 127.0.0.1:6723 and configure the Custom GPT with the tunnel URL + your token. An OpenAPI 3.0 starter spec lives in docs/openapi.yaml.

Status: the ChatGPT Custom GPT Actions path does not work end-to-end yet. The REST API and the OpenAPI spec are in place, but the Custom GPT integration is still being worked out — see the roadmap below.

Roadmap

Milestone-based, not phase-based. Each gate is a hard pass/fail.

Milestone	Scope	Status
M0	Recall-quality eval on real vault	✅ Done — Recall@1 98.3%, Recall@3 100%, MRR 0.992 across 59 memories (own-trigger baseline). BM25 + recall_when-boost is sufficient; embeddings deferred.
M1	Daemon + read path (recall, load_memory)	✅ Done — MCP server live, watcher works on cloud-storage mounts.
M2	Save path + autonomous-save triggers	🟡 Functional — save_memory MCP tool live with force-reindex. Trigger discipline shipped as a Skill. False-save / missed-save metrics not yet collected.
M0.5	Stress-test recall (paraphrased / cross-memory / anti-hallucination)	⏳ Open — see issues.
M3	Reflex layer: hooks for SessionStart / UserPromptSubmit / PreToolUse / PostToolUse plus opt-in Stop	🟡 Functional — six quiet Claude Code hooks are installed by default; Stop save-eval is available behind --with-stop-hook.
Distribution	Homebrew tap, bastra CLI, Install Bastra.command, npm package	🟡 Functional / hardening — bastra CLI ships with adapters for every surface; Homebrew formula and double-click installer exist; npm publish workflow and public smoke fixtures are being hardened.
Multi-surface	One install per AI client (MCP + Skill + Hooks where applicable) + REST gateway for non-MCP clients	🟡 Functional — bastra install covers Claude Code (MCP + Skill + Hooks), Claude Desktop (MCP + Skill), Cursor (MCP). REST /api/v1/* exposes every tool over HTTPS + tunnel for non-MCP clients. Open: ChatGPT Custom GPT Actions (not working end-to-end yet), Claude.ai web Custom Connector registration (#7).

Out of v0: multi-device sync. See PLAN.md.

Multi-device today works via the OS-level sync of the vault folder (iCloud / Google Drive / Dropbox / Git) — the file watcher's polling mode handles the latency. A browser-based UI is not planned — Obsidian already provides a great Markdown editor for the vault.

Bastra Mac App

A native macOS app is being built on top of bastra-recall — same vault, same daemon, just a graphical interface for people who don't want to live in the terminal. In development; a dedicated page with screenshots and updates will follow.

License

MIT — see LICENSE.

Public docs and code on this branch are published under the open license; private notes (in private/, gitignored) are not.

The statusline (packages/statusline/) bundles owloops/claude-powerline (MIT, © 2025 Owloops) as its rendering engine, with the bastra-status segment built in; the upstream license is retained in packages/statusline/LICENSE.

Status & contact

Early beta. See PLAN.md. Issues and discussions welcome — early feedback shapes the design. Please report security issues privately via SECURITY.md.

Built by @n0mad-ai.

---

🇩🇪 Deutsch

Was es ist — Ein Langzeit-Gedächtnis für jeden AI-Assistenten oder Agent: Claude (Code, Desktop, Web), ChatGPT (via Custom GPT Actions), Cursor und alles andere, was MCP oder HTTP spricht. Sobald du etwas korrigierst, eine Regel aufstellst oder eine Entscheidung triffst, wird das als kleine Notiz gespeichert. In der nächsten Sitzung — Tage oder Wochen später, in jedem Tool — holt die AI diese Notizen automatisch wieder hervor. Schluss mit ewigem Wiederholen. Alles bleibt lokal auf deinem Mac als reine Markdown-Dateien (Obsidian-kompatibel). Alle deine AI-Tools teilen sich dasselbe Gedächtnis gleichzeitig.

Status — 🟢 Frühe Beta. M0 (Eval) und M1 (Read-Path) fertig, M2 (Save-Path) funktional, und der Claude-Code-Reflex-Layer liefert Hooks für SessionStart, UserPromptSubmit, PreToolUse (Datei-Edits / Todos / Bash-Safety), PostToolUse (Bash-Fehler) plus optionalen Stop Save-Eval. Distribution und Multi-Surface-Hardening laufen. Siehe PLAN.md.

Warum

Wenn du Monate mit einem AI-Assistenten arbeitest, erklärst du dieselben Dinge immer wieder. Stolperfallen, die er in einem Projekt schon mal gelernt hat, kommen im nächsten zurück. Stabile Vorlieben ("gib mir eine Empfehlung, kein 5-Optionen-Menü") sind zwischen Sitzungen vergessen. Projekt-spezifische Fakten werden jedes Mal neu entdeckt.

Die meisten AI-Tools haben zwar Memory-Features, aber die sind passiv: bestenfalls eine statische Index-Datei, kein proaktives Erinnern, keine Kontinuität über verschiedene Oberflächen hinweg.

Der Preis ist nicht nur Frust — sondern dass am Ende der User für die AI mitdenkt. "Moment, das hatten wir doch letzte Woche schon gelöst?" Genau das ist der Bug.

Was bastra-recall macht

Eine persistente Gedächtnis-Schicht, die:

• Autonom speichert — wenn etwas gelernt wird (Frust, wiederholte Korrektur, dauerhafte Vorliebe, finale Entscheidung), schreibt die AI das ungefragt in den Vault. Die Trigger-Disziplin wird als Claude Code Skill ausgeliefert; andere Clients werden über ihren System-Prompt oder Custom-GPT-Instructions konditioniert.
• Vor dem Handeln erinnert — nicht erst auf User-Anfrage. Die AI wird angewiesen, den Vault vor dem Code-Schreiben, vor Plänen und beim Sitzungsstart abzufragen. Das höchstgewichtete Suchfeld ist recall_when, das beim Speichern deklariert wird.
• Über alle Oberflächen hinweg funktioniert — ein lokaler Daemon bedient alle deine AI-Tools gleichzeitig: Claude Code (via MCP), Claude Desktop (via MCP), ChatGPT (via Custom GPT Actions über HTTP), Cursor und alles weitere, was MCP oder HTTP spricht.
• Reines Markdown, Obsidian-kompatibel — der Vault ist ein Ordner mit .md-Dateien und YAML-Frontmatter. Bearbeitbar in Obsidian, durch die AI oder per Hand. Vaults auf Google Drive / iCloud / Dropbox werden über den automatischen Polling-Modus des File-Watchers unterstützt.

Der einzige Erfolgs-Maßstab

Der User muss nicht mehr für die AI mitdenken.

Wenn wiederkehrende Fehler weiter auftreten, wenn der User in jeder Sitzung dieselben Vorlieben wiederholen muss — dann ist das Projekt gescheitert, egal wie sauber die Architektur ist.

Wie es funktioniert

Vault (konfigurierbar, reines Markdown + YAML-Frontmatter, Obsidian-kompatibel)
          │  chokidar (Auto-Polling auf Cloud-Storage-Mounts)
          ▼
bastra-recall Daemon (TypeScript / Node 22+, ein lokaler Prozess)
  - In-Memory BM25-Index (MiniSearch) — recall_when×5, title×4, tags×3
  - Hybrid Recall: BM25 + Embeddings (Ollama oder OpenAI) via RRF-Fusion
  - Tools: recall, load_memory, save_memory, find/read/save_document
  - Save-Path: validiert Frontmatter → schreibt Datei → erzwingt Reindex
    (sodass save und recall im selben Turn konsistent sind)
  - Transport: stdio-MCP + HTTP-REST (für Nicht-MCP-Clients)
          │
          ▼
Ein Daemon ↔ viele AI-Clients
  - Claude Code / Desktop / Cursor → über dünnen MCP-Forwarder (stdio → HTTP)
  - ChatGPT Custom GPT, Web-Apps, eigene Skripte → über REST /api/v1/*
  - Alle Clients teilen denselben Vault, Index und Telemetry-Stream

Der Claude-Code-Reflex-Layer installiert standardmäßig sechs ruhige Hooks, die
den lokalen HTTP-Endpoint des Daemons nutzen:

• PreToolUse (bastra-recall-hook) — feuert vor jedem Write/Edit/MultiEdit/NotebookEdit. Erkennt das Thema aus dem Tool-Aufruf und injiziert <recall-hints> als additionalContext.
• SessionStart (bastra-recall-session-hook) — feuert bei startup/resume/clear/compact. Lädt Top-User-Präferenzen + projektübergreifende Regeln + projekt-spezifische Memories als <session-context> vor, damit die AI ab dem ersten Prompt weiß: wer, was, und was-nicht.
• UserPromptSubmit, TodoWrite, Bash-Safety und Bash-Failure decken Lookup-Prompts, Topology-Recall vor Plänen, Safety bei riskanten Shell-Befehlen und Lesson-Recall bei fehlgeschlagenen Commands ab.

Der Stop Save-Eval-Hook existiert, ist aber opt-in, weil er am Turn-Ende
mehrzeilige Vorschläge ausgeben kann. Aktivierung bewusst per
bastra install claude-code --with-stop-hook. Die Telemetrie (scripts/stats.ts)
misst pro Hook Latenz, Hint-Qualität und Follow-Through (hat die AI nach einem
Hint wirklich load_memory gemacht).

Details: docs/architecture.md, docs/memory-schema.md, docs/triggers.md.

Aufbau einer Memory

Jede Memory ist eine Markdown-Datei mit strukturiertem Frontmatter:

---
id: css-input-focus-ring-stacking
title: "Don't stack focus styles on inputs"
type: lesson
summary: "Stacking ring + outline + custom :focus on nested inputs causes double focus rings. Use single :focus-visible."
topic_path: [css, input, focus]
tags: [css, input, focus-ring, ui-bug]
scope: all-projects
recall_when:
  - creating new input component
  - writing input or form css
  - focus or accessibility styling
related: [css-effects-stacking-antipattern]
source: "carnexus, recurring lesson"
confidence: 0.95
---

Das recall_when-Feld ist die Brücke zwischen Save und Recall: beim Speichern deklariert die AI die Kontexte, in denen die spätere Sitzung daran erinnert werden soll. Siehe docs/memory-schema.md für die vollständige Feld-Semantik und sechs Beispiel-Memories für lesson, preference, project-fact, meta-working, decision, workflow.

Installation

Drei Wege, nach Aufwand sortiert. bastra-recall ist eigenständig: Daemon, MCP-Server, REST-Gateway, bastra-CLI und Skill liegen alle in diesem Repo — mehr braucht es nicht für die volle Vault-Funktionalität.

A) Ein Doppelklick — am einfachsten, für Nicht-Coder (Rollout läuft)

1. Lade Install Bastra.command aus dem aktuellen GitHub-Release.
2. Doppelklick im Finder.
3. Fertig. Claude Code / Claude Desktop / Cursor neu starten.

Das Skript installiert bei Bedarf Homebrew, fügt den bastra-Tap hinzu, installiert bastra-recall und führt bastra install all aus — kein Terminal-Wissen nötig.

Status (heute): distribution/Install Bastra.command liegt im Repo. Der Homebrew-Tap (n0mad-ai/tap), den das Skript erwartet, wird mit Schließen von #3 veröffentlicht. Bis dahin Pfad B nutzen.

B) Ein Befehl — für Entwickler

Voraussetzungen: Node 22+, Git.

git clone https://github.com/n0mad-ai/bastra-recall.git
cd bastra-recall
npm install
npm run build

node packages/daemon/dist/cli.js install all --vault /abs/pfad/zu/deinem/vault
node packages/daemon/dist/cli.js doctor
node packages/daemon/dist/cli.js doctor --fix   # veraltete/fehlende Registrierungen reparieren
node packages/daemon/dist/cli.js uninstall all

Adapter-Status:

Surface	Was installiert wird	Status
claude-desktop	MCP-Server-Eintrag in claude_desktop_config.json + Skill in .claude/skills/	✅ implementiert
claude-code	MCP-Server in .claude.json + Skill in .claude/skills/ + Hooks & Powerline-statusLine in .claude/settings.json	✅ implementiert
cursor	MCP-Server-Eintrag in .cursor/mcp.json	✅ implementiert (Cursor-Rules-Layer separater Roadmap-Punkt)

Jeder Write ist idempotent (Re-Runs sind No-Ops), atomar (Tmp-File + Rename), gesichert (timestamped .bak-… neben dem Original) und parse-safe (kaputtes JSON bricht den Lauf ab statt es zu zerstören). Vault-Pfad-Auflösung in dieser Reihenfolge: --vault <pfad>-Flag → BASTRA_VAULT_PATH-ENV → Auto-Detect aus bestehender Registrierung in ~/.claude.json oder claude_desktop_config.json. Wenn nichts greift, bricht die CLI mit klarer Meldung ab.

Sobald über Homebrew oder npm installiert, verkürzt sich das zu bastra install all.

C) Komplett manuell — Fallback

MCP-Server-Block in die Client-Config eintragen (für Claude Code: ~/.claude.json, für Claude Desktop: ~/Library/Application Support/Claude/claude_desktop_config.json, für Cursor: ~/.cursor/mcp.json).

Empfohlen (Forwarder-Modus — ein Daemon für alle Sitzungen):

"bastra-recall": {
  "command": "node",
  "args": ["/abs/path/to/bastra-recall/packages/daemon/dist/mcp-forwarder.js"],
  "env": {
    "BASTRA_VAULT_PATH": "/abs/path/to/your/vault"
  }
}

Der Forwarder ist ein dünner stdio-MCP-Wrapper, der mit einem einzigen lokalen HTTP-Daemon spricht (Standard-Port 6723). Alle MCP-Clients — Claude Code, Claude Desktop, Cursor, weitere Sitzungen — teilen sich denselben Vault-State, Embedding-Index und Telemetry-Stream. Der Forwarder spawnt den Daemon beim ersten Start automatisch, falls noch keiner läuft.

Standalone-Modus (nur ein MCP-Client, kein Sharing):

"bastra-recall": {
  "command": "node",
  "args": ["/abs/path/to/bastra-recall/packages/daemon/dist/index.js"],
  "env": {
    "BASTRA_VAULT_PATH": "/abs/path/to/your/vault"
  }
}

Für Claude Code zusätzlich Skill + Hooks manuell ablegen:

bash packages/skill/install.sh        # kopiert SKILL.md → ~/.claude/skills/bastra-recall/
bash packages/skill/install-hook.sh   # registriert die 6 Standard-Reflex-Layer-Hooks (--with-stop-hook für den 7., Stop-Save-Eval)

bastra install claude-code aus Pfad B erledigt beides für dich. install.sh neu ausführen, wenn sich SKILL.md ändert; install-hook.sh nur, wenn sich Hook-Binärpfade verschieben. Hooks wieder entfernen: bash packages/skill/install-hook.sh --uninstall.

Semantischer Recall (optional)

Recall ist hybrid: BM25-Stichwortsuche funktioniert immer, eine semantische Schicht kommt dazu, sobald ein Embedding-Provider eingerichtet ist. Auf macOS erkennt bastra install Ollama und bietet — falls es fehlt — an, es via Homebrew zu installieren, das Modell embeddinggemma (~600 MB) zu ziehen und als lokalen Login-Service zu starten. --ollama richtet ohne Nachfrage ein, --no-ollama überspringt; der Login-Service ist abschaltbar (bastra config set ollama.autostart off). Ohne das bleibt Recall bei BM25 — nichts bricht. bastra status zeigt den aktiven Modus.

Manuell: brew install ollama && ollama pull embeddinggemma && bastra config set embedding.provider ollama. Hinweis: --yes löst den Ollama-Download nicht aus (dafür --ollama). Homebrew und das Modell kommen von Dritten (Homebrew Core, ollama.com).

Details: System Requirements (Wiki).

Updates

bastra update zieht den neuesten Release (npm oder Homebrew), registriert alle Surfaces neu und startet den Daemon neu. Für freihändige Updates bastra config set update.mode auto — bastra stagt dann am Session-Start eine neue Version, ohne eine laufende Session zu stören. bastra ohne Argument zeigt Version, Update-Status, Daemon-Health und Vault-Größe.

Details: Updating & settings (Wiki).

REST API (für Nicht-MCP-Clients)

Der Daemon exponiert eine REST-API unter http://127.0.0.1:6723/api/v1/, die alle Tools des MCP-Servers abdeckt. Das ist der Integrationspunkt für Clients, die kein stdio-MCP sprechen können — allen voran ChatGPT Custom GPT Actions, die HTTPS-Endpoints mit OpenAPI-Schema aufrufen.

Endpoints (alle POST, JSON-Body):

Endpoint	Tool
/api/v1/recall	recall
/api/v1/load_memory	load_memory
/api/v1/save_memory	save_memory
/api/v1/find_document / read_document / open_document	Document-Suche
/api/v1/save_document / recategorize_document / move_document	Document-Schreiben (Pro)

Auth und CORS:

• Wenn BASTRA_API_TOKEN gesetzt ist, verlangt der Daemon Authorization: Bearer <token> bei jedem /api/v1/*-Aufruf.
• Loopback-Aufrufer (127.0.0.1) umgehen die Auth per Default. Mit BASTRA_AUTH_LOOPBACK_SKIP=0 wird das Token auch lokal verlangt.
• CORS ist per Default permissiv (Access-Control-Allow-Origin: *). Einschränken mit BASTRA_CORS_ORIGIN=https://dein.host.

Um die API für einen gehosteten Client wie ChatGPT verfügbar zu machen: einen Tunnel (Cloudflare Tunnel / ngrok / eigener Reverse-Proxy) auf 127.0.0.1:6723 legen und im Custom GPT die Tunnel-URL + dein Token konfigurieren. Eine OpenAPI-3.0-Starter-Spec liegt in docs/openapi.yaml.

Status: Der ChatGPT-Custom-GPT-Actions-Weg funktioniert noch nicht end-to-end. REST-API und OpenAPI-Spec stehen, aber die Custom-GPT-Anbindung ist noch in Arbeit — siehe Roadmap unten.

Roadmap

Milestone-basiert, nicht Phasen-basiert. Jedes Gate ist hartes Pass/Fail.

Milestone	Scope	Status
M0	Recall-Qualität auf echtem Vault evaluieren	✅ Fertig — Recall@1 98.3%, Recall@3 100%, MRR 0.992 über 59 Memories (Own-Trigger-Baseline). BM25 + recall_when-Boost reicht; Embeddings zurückgestellt.
M1	Daemon + Read-Path (recall, load_memory)	✅ Fertig — MCP-Server live, Watcher funktioniert auf Cloud-Storage-Mounts.
M2	Save-Path + autonome Save-Trigger	🟡 Funktional — save_memory MCP-Tool live mit Force-Reindex. Trigger-Disziplin als Skill ausgeliefert. False-Save- / Missed-Save-Metriken noch nicht erhoben.
M0.5	Stresstest für Recall (paraphrasiert / cross-memory / anti-halluzination)	⏳ Offen — siehe Issues.
M3	Reflex-Layer: Hooks für SessionStart / UserPromptSubmit / PreToolUse / PostToolUse plus opt-in Stop	🟡 Funktional — sechs ruhige Claude-Code-Hooks werden standardmäßig installiert; Stop Save-Eval ist bewusst hinter --with-stop-hook.
Distribution	Homebrew-Tap, bastra-CLI, Install Bastra.command, npm-Package	🟡 Funktional / Hardening — bastra-CLI mit Adaptern für jedes Surface; Homebrew-Formula (head-only) liegt im Repo, der Tap n0mad-ai/tap wird mit #3 veröffentlicht; distribution/Install Bastra.command als Doppelklick-Wrapper. Offen: End-to-End-Brew-Test, npm publish, GitHub-Release mit der .command-Datei als Asset (#3).
Multi-Surface	Ein Install pro AI-Client (MCP + Skill + Hooks wo zutreffend) + REST-Gateway für Nicht-MCP-Clients	🟡 Funktional — bastra install deckt Claude Code (MCP + Skill + Hooks), Claude Desktop (MCP + Skill), Cursor (MCP) ab. REST /api/v1/* stellt alle Tools via HTTPS + Tunnel für Nicht-MCP-Clients bereit. Offen: ChatGPT Custom GPT Actions (end-to-end noch nicht funktionsfähig), Claude.ai Web Custom Connector Registrierung (#7).

Außerhalb von v0: Multi-Device-Sync. Siehe PLAN.md.

Multi-Device funktioniert heute über OS-Level-Sync des Vault-Ordners (iCloud / Google Drive / Dropbox / Git) — der Polling-Modus des File-Watchers gleicht die Latenz aus. Ein Browser-basiertes UI ist nicht geplant — Obsidian liefert bereits einen sehr guten Markdown-Editor für den Vault.

Bastra Mac App

Eine native macOS-App entsteht auf Basis von bastra-recall — selber Vault, selber Daemon, nur mit grafischer Oberfläche für Leute, die nicht im Terminal leben wollen. In Entwicklung; eine eigene Seite mit Screenshots und Updates folgt.

Lizenz

MIT — siehe LICENSE.

Public Docs und Code auf diesem Branch laufen unter der Open License; private Notizen (in private/, gitignored) nicht.

Die Statusline (packages/statusline/) nutzt owloops/claude-powerline (MIT, © 2025 Owloops) als Rendering-Engine, mit eingebautem bastra-status-Segment; die Upstream-Lizenz liegt unverändert in packages/statusline/LICENSE.

Status & Kontakt

Frühe Beta. Siehe PLAN.md. Issues und Diskussionen willkommen — frühes Feedback formt das Design. Sicherheitsprobleme bitte vertraulich über SECURITY.md melden.

Gebaut von @n0mad-ai.