AI CompanionIn Arbeit

denkr.ai - Local-First AI Companion

Privates local-first Mobile-AI-Projekt mit Fokus auf langfristige, konsistente Assistenten-Erfahrung.

Zeitraum
April 2026
Rolle
Produkt, UX, AI-Logik & Umsetzung
denkr.ai - Local-First AI Companion

Projektübersicht

denkr.ai ist in meiner Freizeit als persönliches Projekt entstanden. Auslöser war meine Faszination für OpenClaw (von Peter) und die Frage, wie man dieses Gefühl eines echten Assistenten in eine Form bringt, die nicht nur für Tech-People funktioniert, sondern auch für meine Mutter, Familie und Freunde ohne technischen Hintergrund.

Ich wollte eine Erfahrung bauen, die sich nicht wie ein normaler Chatbot anfühlt, sondern wie ein verlässlicher Begleiter im Handy: mit kontrollierter Persönlichkeit, Long-Term Memory, Notebooks, Skills, Tool-Routing, Web Search, YouTube Search/Transcription, Session-Management und Compaction-Techniken für lange laufende Gespräche. Dazu kommen MCP-Richtung, API-/Tool-Connection-Möglichkeiten und mehrere LLM-Provider, damit der Assistent je nach Aufgabe stabil und sinnvoll reagieren kann.

Ich habe seit dem öffentlichen Start von ChatGPT fast alle großen AI-Chat-Apps getestet. Gerade deshalb war mein Anspruch bei denkr hoch: Die Erfahrung sollte persönlicher, konsistenter und menschlicher wirken als typische Prompt-Response-Interfaces. Bis heute überrascht mich der Agent im Alltag oft selbst – genau diese Qualität war mein Kernziel beim Bauen.

Wichtig ist mir auch: denkr.ai ist kein Startup-Pitch und kein Monetarisierungsprojekt. Es wurde von mir allein in meiner freien Zeit gebaut, ist kostenlos und soll kostenlos bleiben. Ich baue es zuerst für mich, meine Familie, Freunde und alle, die so einen Assistenten nutzen möchten. Mein 1–2-Jahres-Ziel ist ein starkes Open-Source-Modell, das direkt am Smartphone laufen kann, damit wir Schritt für Schritt näher an einen 100% privaten, lokalen Agenten kommen.

Verwendete Technologien

React NativeTypeScriptLocal-First StorageLLM APIsTool RoutingSession Compaction

Galerie

!
Herausforderungen

  • Langfristige Konsistenz von Assistenten-Verhalten über viele Sessions
  • Persönliche aber kontrollierte Assistant-Personality statt beliebiger Antworten
  • Nützliche Langzeit-Speicherung ohne Kontextüberladung
  • Balance zwischen lokalen Datenflüssen und mehreren LLM-Providern

Lösungsansätze

  • Session-Management und Compaction-Techniken für stabile Langzeitnutzung
  • Notebooks, Skills und Tool-Routing für strukturierte Assistenz-Aufgaben
  • Web-Search und Provider-Routing je nach Anfragekontext
  • Kontrollierte Personality- und Antwortlogik mit Fokus auf Verlässlichkeit

Ergebnisse & Erfolge

Android-APK verfügbar und privat im aktiven Einsatz

Long-term memory, Notebooks und Skills als Kernbausteine validiert

Mehrere LLM-Provider inkl. Routing erfolgreich integriert

Klarer Lernraum für Conversational UX und Product Logic in AI-Systemen