Skip to content

Latest commit

 

History

History
47 lines (31 loc) · 1.71 KB

File metadata and controls

47 lines (31 loc) · 1.71 KB

Evaluation: Kairn — Knowledge Graph Memory MCP

Date: 2026-02-25 Evaluator: Claude (eval-resource skill) Score: 4/5 — Intégré


Sources évaluées

  1. LinkedIn post — Robin Lorenz, "Context Engineering for Claude Code", 24 fév. 2026
    • Score: 2/5 — Watch list (claims invérifiables, pas de code source)
  2. GitHub repokairn-ai/kairn (MIT, Python 100%)
    • Score: 4/5 — Intégré

Résumé Kairn

MCP server Python offrant une mémoire organisée en knowledge graph avec 18 outils.

Différenciateurs clés vs Serena/doobidoo:

  • Typed relationships (depends-on, resolves, causes)
  • Biological decay model : solutions ~200j, workarounds ~50j (auto-pruning)
  • Full-text search + confidence routing
  • Cross-session et cross-IDE

Décision d'intégration

Élément modifié Description
guide/ultimate-guide.md ~10233 Nouvelle section "Kairn: Knowledge Graph Memory with Biological Decay"
guide/ultimate-guide.md Comparison Matrix + "When to use" table — colonne Kairn ajoutée
guide/ultimate-guide.md Doobidoo limitation "No expiration" → pointe vers Kairn
examples/config/mcp.json Entrée kairn ajoutée

Watch list — LinkedIn Lorenz

Score: 2/5 — Réévaluer si un repo/article technique accompagne le post.

Raison du rejet : post LinkedIn sans code source, stats non vérifiables (93% réduction tokens), Perplexity n'a trouvé aucune trace indépendante. La philosophie "infrastructure outlives prompts" est déjà couverte dans guide/methodologies.md.

Réévaluation trigger : publication d'un repo GitHub accompagnant le post.