PathrulePathrule vs. Letta
Letta ist eine Plattform zum Bauen zustandsbehafteter Agenten: Du definierst Memory-Blöcke, die im Kontextfenster des Agenten liegen, und der Agent bearbeitet sie selbst mit eingebauten Tools. Pathrule gibt dir keinen Agenten. Es versorgt die, die du schon nutzt, Claude Code, Codex, Cursor, GitHub Copilot oder Windsurf, mit dem Wissen, das für den Pfad gilt, in dem sie arbeiten.
Was Letta richtig macht, und eine Sache, die ausdrücklich Anerkennung verdient
Letta geht auf das MemGPT-Paper zurück und hat daraus die richtige Lehre gezogen: Ein Agent sollte sein eigenes Gedächtnis verwalten. Memory-Blöcke sind strukturierte Abschnitte des Kontextfensters, die über Interaktionen hinweg bestehen bleiben und ohne Abruf immer sichtbar sind, und der Agent liest und aktualisiert sie mit eingebauten Tools. Dahinter liegt Archival Memory als semantisch durchsuchbarer Store, der bei Bedarf abgefragt wird, sodass der Agent Wissen zwischen dem verschiebt, was er immer sieht, und dem, was er nachschlagen kann.
Die Anerkennung, die man ausdrücklich aussprechen sollte: Core Memory wartet nicht darauf, abgefragt zu werden. Sie ist per Konstruktion im Kontextfenster. Das Argument, das diese Website gegen Memory-APIs vorbringt, nämlich dass sie nur antworten, wenn man fragt, trifft auf die Core-Blöcke von Letta also nicht zu, und etwas anderes zu behaupten wäre unehrlich.
Das Harness ist Open Source, mit einer verwalteten Cloud oder einem selbst gehosteten Server, und Letta nennt Coding-Agenten unter den Dingen, die du damit bauen kannst.
Im direkten Vergleich
| Letta | Pathrule | |
|---|---|---|
| Was du bekommst | Eine Plattform zum Bauen eines zustandsbehafteten Agenten | Eine Intelligenzschicht für die Coding-Agenten, die du schon nutzt: CLI, MCP-Server, VS-Code-Erweiterung und Pathrule Cloud |
| Wer das Wissen bearbeitet | Der Agent, mit eingebauten Memory-Tools | Dein Team und seine Agenten; gelernte Befunde bleiben Empfehlungen, und Team-Muster brauchen die Genehmigung einer Person |
| Immer im Kontext | Memory-Blöcke, per Konstruktion | Der pfadbezogene Ausschnitt, vor dem ersten Tool-Aufruf eingespeist |
| Wie es über das Fenster hinaus skaliert | Archival Memory, bei Bedarf abgefragt | Pfadbezug: Nur der Ausschnitt für dieses Verzeichnis wird gesendet |
| Organisiert nach | Blöcken wie human, persona, task | Repository-Pfaden |
| Vorgaben, die eine Änderung blockieren können | Nicht sein Zweck | Regeln tragen Geltungsbereich, Priorität und eine Durchsetzungsstufe |
| Wie Agenten sich verbinden | Du baust stattdessen den Agenten | `pathrule setup` verbindet Claude Code, Codex, Cursor, GitHub Copilot und Windsurf; jeder MCP-Client kann den Server nutzen |
Die Angaben zu Letta stammen aus seiner Doku und seinem Blog, gelesen im August 2026. Wenn eine Zeile falsch ist, sag es uns, und wir korrigieren sie.
Wo die beiden wirklich auseinandergehen
Einen Agenten bauen oder die vorhandenen ausstatten. Letta ist das richtige Tool, wenn das Produkt, das du auslieferst, ein Agent IST und du sein Gedächtnis als erstklassigen Bestandteil willst. Pathrule geht davon aus, dass du Claude Code, Codex, Cursor, GitHub Copilot oder Windsurf schon nutzt und den Agenten lieber nicht neu bauen willst.
Blöcke werden kuratiert. Pfade sind gegeben.. Memory-Blöcke sind Abschnitte, die jemand entwirft: ein Human-Block, ein Persona-Block, ein Task-Block. Für einen Assistenten mit einer Rolle ist das ein gutes Modell. Für Code existiert die Struktur schon: das Repository. Pathrule verwendet sie als Schlüssel, deshalb braucht das, was ein Agent beim Bearbeiten von
/services/billingbekommt, kein Block-Design.Selbst bearbeitetes oder geprüftes Wissen. Ein Agent, der sein eigenes Gedächtnis bearbeitet, ist mächtig und zugleich ungeprüft: Nichts hindert ihn daran, etwas Falsches zu schreiben und es später als Fakt wieder zu lesen. In Pathrule liegt, was ein Agent speichert, in einem gemeinsamen Workspace, wo das Team es sehen, bearbeiten und entfernen kann, Befunde, die er erfasst, bleiben Empfehlungen und werden nie automatisch zu Regeln befördert, und Team-Muster erreichen Agenten erst, nachdem eine Person sie verifiziert hat. Das ist pro Element langsamer, und genau darum geht es, wenn das Wissen mit einem Team geteilt wird.
Was du wählen solltest
Nimm Letta, wenn du ein Agenten-Produkt baust und sein Gedächtnis Teil dessen ist, was du auslieferst, oder wenn der Agent selbst bestimmen soll, was er sich merkt.
Nimm Pathrule, wenn die Agenten schon gewählt sind und das Problem ist, dass sie in deinem Repository handeln, ohne zu wissen, was dein Team entschieden hat. Wenn beides zutrifft, kommen sie sich nicht in die Quere: Letta in deinem Produkt, Pathrule unter den Coding-Agenten, die es bauen.
Quellen und Überprüfung
Offizielle Dokumentation am 1. Oktober 2026 überprüft. Eine Produktversion von Letta war in der geprüften Doku nicht angegeben und wurde nicht lokal getestet. Die Angaben zu Pathrule wurden am 9. Oktober 2026 gegen die veröffentlichte Pathrule CLI 0.6.1 geprüft.
- Letta: Die Plattform im Überblick
Offizielle Positionierung der Plattform für zustandsbehaftete Agenten und des Open-Source-Harness.
- Letta: Memory-Blöcke anhängen und lösen
Offizielles Verhalten persistenter Blöcke, die im Kontext des Agenten sichtbar bleiben.
Häufige Fragen
Ist Pathrule ein Agenten-Framework wie Letta?
Nein, und das ist der Hauptunterschied. Letta ist eine Plattform zum Bauen eines zustandsbehafteten Agenten. Pathrule verbindet sich mit den Coding-Agenten, die du schon nutzt (Claude Code, Codex, Cursor, GitHub Copilot und Windsurf), und gibt ihnen gemeinsames, pfadbezogenes Wissen, das den Wechsel zwischen ihnen übersteht.
Die Memory-Blöcke von Letta sind immer im Kontext. Ist das nicht besser als Einspeisung?
Für eine feste Menge von Blöcken ist es ein sauberes Design, und das erkennen wir an. Der Zielkonflikt ist die Skalierung: Alles, was immer im Kontext ist, konkurriert um das Fenster, deshalb funktioniert es am besten, wenn das Wissen aus wenigen kuratierten Blöcken besteht. Pathrule geht von Hunderten Memories und Regeln quer durch ein Repository aus und sendet nur den Ausschnitt, der für den aktuellen Pfad gilt.
Kann ein Agent in Pathrule Wissen schreiben, so wie ein Letta-Agent sein eigenes Gedächtnis bearbeitet?
Er kann speichern, und das Team behält die Kontrolle. Mit den MCP-Tools kann ein Agent eine Memory, eine Regel oder einen Skill schreiben, die dann im Workspace liegen, wo dein Team sie sehen, bearbeiten oder entfernen kann. Was Pathrule selbst lernt, wird vorsichtiger behandelt: Befunde bleiben Empfehlungen und werden nie automatisch zu Regeln, und Team-Muster erreichen Agenten erst, nachdem eine Person sie verifiziert hat. Bei Wissen, das im Team geteilt wird, ist dieser Prüfschritt das Feature, keine Reibung.
Beide sind Open Source. Also dasselbe?
Verschiedene Teile. Letta stellt sein Agenten-Harness als Open Source bereit, mit Deployment in der Cloud oder selbst gehostet. Pathrule stellt seinen Kontextkern als Open Source bereit: die pfadbezogene Engine, die MCP-Oberfläche und ein eingebettetes SQLite-Backend, das den Kreislauf ohne Konto und ohne Netzwerk betreibt.