Gedächtnis: nur Relevantes lernen/erinnern (Anti-Selbstbezug + Cache-Stabilität)

Der auto-lernende Mem0-Store sammelte trotz Relevanz-Direktive viel Müll:
Fakten ÜBER den Assistenten selbst (Hermes/Lucy), transiente Zustände
(Commit-Rückstand, Cronjob-Läufe, Onboarding-/Test-Fragen) und Gesprächs-Meta.
Live-Store war zu ~40% solcher Ballast; der niedrige Recall-Schwellwert (0.3)
blendete zudem marginale Fakten pro Turn ein und brach damit --cache-reuse.

- mem0_service/app.py: custom_instructions verschärft (NIEMALS Fakten über den
  Assistenten selbst / keine zeitgebundenen Zustände) + deterministischer
  Post-Extraktions-Guard (_is_junk_fact) löscht Assistenten-Meta/transiente
  Fakten, die mem0-OSS trotz Direktive extrahiert — unabhängig vom LLM.
- hermes/plugins/mc2-memory/__init__.py: RECALL_MIN_SCORE 0.3->0.5 (nur starke
  Treffer, oft leer -> stabilerer Prompt-Prefix -> --cache-reuse greift),
  MIN_USER_LEN 12->25 + Trivial-Turn-Skip (Begrüßung/Quittung/Aufwärmen).

Alles env-überschreibbar und reversibel. Backend/Frontend unberührt.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

hermes/plugins/mc2-memory/__init__.py

@@ -24,6 +24,7 @@ from __future__ import annotations
 import logging
 import os
 import queue
+import re
 import threading
 import time
 from typing import Any, Dict, List, Optional
@@ -37,8 +38,11 @@ log = logging.getLogger(__name__)
 MC_URL = os.environ.get("MC_URL", "http://127.0.0.1:9001").rstrip("/")
 MC_TOKEN = os.environ.get("MC_TOKEN", "")
 RECALL_LIMIT = int(os.environ.get("MC2_MEMORY_RECALL_LIMIT", "5"))
-RECALL_MIN_SCORE = float(os.environ.get("MC2_MEMORY_RECALL_MIN_SCORE", "0.3"))
-MIN_USER_LEN = int(os.environ.get("MC2_MEMORY_MIN_USER_LEN", "12"))  # zu Kurzes nicht lernen
+# 0.5 statt 0.3: nur starke Treffer einblenden → weniger Rausch-Fakten UND ein stabilerer
+# Prompt-Prefix (oft leer), damit --cache-reuse über Turns greift.
+RECALL_MIN_SCORE = float(os.environ.get("MC2_MEMORY_RECALL_MIN_SCORE", "0.5"))
+# 25 statt 12: triviale Kurz-Turns (Begrüßung/Quittung) gar nicht erst zum Lernen schicken.
+MIN_USER_LEN = int(os.environ.get("MC2_MEMORY_MIN_USER_LEN", "25"))  # zu Kurzes nicht lernen
 # Anti-Memory-Poisoning (Stufe 0 Security): aus Turns mit untrusted Bildschirm-/Web-Inhalt NICHT
 # auto-lernen. Lucys Bildschirm-Sicht prependet diesen Marker an die User-Message (voice.py); auf dem
 # Schirm sichtbarer Text könnte Injection-Anweisungen tragen, die sonst DAUERHAFT ins Gedächtnis
@@ -46,6 +50,20 @@ MIN_USER_LEN = int(os.environ.get("MC2_MEMORY_MIN_USER_LEN", "12"))  # zu Kurzes
 SKIP_UNTRUSTED = os.environ.get("MC2_MEMORY_SKIP_UNTRUSTED", "1") not in ("0", "false", "False", "no")
 UNTRUSTED_MARKERS = ("[Bildschirm-Sicht",)
 
+# Triviale Turns, die keinen dauerhaften Fakt tragen (reine Begrüßung/Quittung, Aufwärm-/Test-
+# Kommandos) → gar nicht erst zum Auto-Lernen schicken. Spart Extraktions-Läufe und verhindert
+# Müll-Fakten aus Meta-/Ablauf-Turns.
+_TRIVIAL_TURN_RE = re.compile(
+    r"^\s*(?:(?:hi|hallo|hey|moin|servus|guten\s+(?:morgen|tag|abend)|danke\w*|"
+    r"ok(?:ay)?|alles\s+klar|passt|super|top|cool|nice|ja|nein|jo|jup|jap)[\s.,!?]*)+$"
+    r"|^\s*(?:aufw(?:ä|ae)rmen|/?test)\b",
+    re.IGNORECASE,
+)
+
+
+def _is_trivial_turn(text: str) -> bool:
+    return bool(_TRIVIAL_TURN_RE.search(text or ""))
+
 
 def _headers() -> dict:
     return {"X-MC-Token": MC_TOKEN} if MC_TOKEN else {}
@@ -124,6 +142,9 @@ class MC2MemoryProvider(MemoryProvider):
         u = (user_content or "").strip()
         if len(u) < MIN_USER_LEN:
             return
+        if _is_trivial_turn(u):
+            log.debug("mc2-memory: trivialer Turn (Begrüßung/Quittung/Aufwärmen) — Auto-Lernen übersprungen")
+            return
         if SKIP_UNTRUSTED and any(m in u for m in UNTRUSTED_MARKERS):
             log.debug("mc2-memory: Turn mit untrusted Bildschirm-/Web-Inhalt — Auto-Lernen übersprungen")
             return