Der Vault ist neutraler Boden
Die meisten AI-Tools wollen das Zuhause deines Denkens sein: dein Wissen in ihrer Datenbank, deine Annotationen in ihrem Format, dein Agent der, den sie ausliefern, dein Modell das, an das sie dich binden. Dann wird aus "welche AI nutze ich?" die Frage "migriere ich alles?" — und du sitzt eingezäunt in der Roadmap eines einzigen Anbieters.
Ein note.md-Vault dreht das um. Der Vault ist ein Ordner voller reinem Markdown mit gemeinsamen Konventionen — einer AGENTS.md, die die Hausregeln festhält, ((file#b-xxxxxx))-Block-Zitaten für präzise Referenzen, Sidecar-Dateien .note.md, die dein Urteil halten, und [[wikilinks]] für einen einzigen Namespace. Diese Konventionen sind ein öffentliches Protokoll: Jeder Agent kann sie lesen, kein Adapter nötig. Die Agents und Modelle werden zu austauschbaren Arbeitern; der Vault ist das eine, das sich nicht ändert. Es ist ein Git-Repo, und sie committen alle hinein.
Weise jeden Job dem zu, der ihn am besten kann
Kein einzelner Agent ist in allem am besten. Also lass nicht einen alles machen — bau ein Fließband und stell jedes Tool an die Station, an der es am stärksten ist:
| Stufe | Gute Wahl | Warum |
|---|---|---|
| Nächtliche Automatisierung | OpenClaw / Hermes | Langlaufend, dateibasiert, selbst gehostetes Gedächtnis |
| Sorgfältiges Review & Revision | Claude Cowork / Code | Starkes Reasoning; liest deine Randnotizen vor dem Editieren |
| Schnelles Entwerfen & Bilder | ChatGPT (Work-Modus) | Generalisten-Generierung, Batch-Bilderstellung |
| In-Repo-Refactors & Skripte | Codex | Native AGENTS.md, läuft im Arbeitsverzeichnis |
| Finales Urteil | Du | Das eine, das kein Modell generieren kann |
Du wählst den Agent und das Modell pro Job — ein billiges, schnelles Modell zum Triagieren, ein Frontier-Modell zum Reasonen, ein lokales Modell für alles Private. Dem Vault ist egal, welches; er hält nur die Dateien, die sie untereinander weiterreichen.
Ein Loop in der Praxis
Hier eine echte Pipeline, vier Tools und drei Modelle über einen Vault:
- OpenClaw läuft über Nacht und verarbeitet einen Batch roher Notizen zu
drafts/*.md. - Du gibst die Entwürfe an Claude Cowork auf einem sorgfältigen Modell — "reviewe und überarbeite diese, markiere alles Wackelige".
- ChatGPT generiert die Hero-Bilder im Batch in den
_files/-Ordner jedes Dokuments. - Die fertigen Dokumente landen in note.md, wo du sie liest, streichst, was übertreibt, hervorhebst, was zählt, und die Notizen hinterlässt, die nur du schreiben konntest.
Vier Tools, drei Modelle, ein Vault, ein Orchestrator. Niemand musste Gedächtnis teilen oder ein privates Protokoll sprechen — sie reichten .md-Dateien auf der Platte weiter, und deine Sidecar-Annotationen (.note.md) waren das Steuersignal für den Nächsten.
Warum Dateien es funktionieren lassen
- Anti-Lock-in, eine Ebene tiefer. Files-over-App befreit dich von der App; dies befreit dich vom Agent und vom Modell. Das beste Modell von heute ist nächsten Monat ersetzt — dein Wissen sollte nicht mitwandern.
- Kollaboration ohne Plattform. Agents reichen
.mdauf der Platte weiter — kein geteiltes Gedächtnis, keine private API, kein Plugin-Store. Der Output des einen Agents ist der Input des nächsten. - Du bleibst im Loop, am Checkpoint. Es ist keine Blackbox, die von Anfang bis Ende durchläuft; es ist ein Fließband aus Stationen mit einem Menschen in der Qualitätskontrolle. Agents schreiben, reviewen und illustrieren — du entscheidest, was rausgeht.
- Immer noch nur Dateien. Keine Orchestrierungs-Datenbank, kein versteckter Zustand. Regeln in
AGENTS.md, Output in.md, Urteil in.note.md— alles lesbar von Obsidian, einer CLI oder jedem Agent. Tausch note.md aus, und der Vault ist immer noch der gemeinsame Arbeitsraum aller.
Halte den Vault in Git, und jeder Agent-Write ist diffbar, zuordenbar und rückgängig zu machen — der schlechte Tag eines Agents ist ein git revert, keine Tragödie.
Richte es ein
- Leg eine
AGENTS.mdin die Vault-Wurzel — hol dir die Konventionen aus llms-full.txt und füge Hausregeln hinzu (die harte: Agents schreiben nie in*.note.md-Sidecar-Dateien). - Verdrahte jeden Agent auf denselben Ordner: OpenClaw, Cowork, Codex, ChatGPT, Hermes.
- Lies und annotiere die Ergebnisse in note.md; sag dem nächsten Agent, er soll zuerst die Sidecar-Dateien lesen. Der Loop schließt sich auf deiner Platte.
FAQ
Können verschiedene AI-Agents sich wirklich einen Vault teilen?
Ja — das ist das Design. Ein Vault ist reines Markdown plus eine AGENTS.md, die die Konventionen beschreibt. Claude Cowork, Claude Code, Codex, ChatGPT, OpenClaw und Hermes lesen und schreiben alle diese Dateien, du kannst also jede Aufgabe an den Agent (und das Modell) routen, der dafür am besten ist. Halte den Vault in Git, damit jeder Write diffbar und rückgängig zu machen ist.
Wie reichen Agents Arbeit aneinander weiter?
Über Dateien. Ein Agent schreibt Markdown in den Vault; der nächste liest es als Input. Deine Annotationen leben in Sidecar-Dateien (.note.md) und wirken als Steuersignal — ein Agent liest deine Randnotizen vor seinem nächsten Durchgang. Kein geteiltes Gedächtnis, kein privates Protokoll nötig.
Braucht das ein spezielles Orchestrierungs-Tool oder einen MCP-Server?
Nein. Die Orchestrierung bist du, und das Medium ist das Dateisystem. Es gibt keine zentrale Datenbank und keinen versteckten Zustand — Regeln in AGENTS.md, Output in .md, Urteil in .note.md. Ein Vault-MCP-Server ist auf der Roadmap für Agents, die ein Tool-Interface bevorzugen, aber reine Dateien funktionieren schon heute.
Warum nicht einfach eine AI für alles nutzen?
Weil kein einzelner Agent in allem am besten ist. Nächtliche Automatisierung, sorgfältiges Review, schnelle Bildgenerierung, private lokale Arbeit und finales Urteil sind verschiedene Jobs mit verschiedenen Best-Fit-Tools. Sie auf Spezialisten aufzuteilen — über Dateien, die dir gehören — schlägt einen Generalisten, der alles macht, und lässt dich frei, jeden Arbeiter auszutauschen.