🧠

HiveMind

Dein dezentrales, privates KI-Netzwerk — vollständig lokal auf deinem Gerät, selbstlernend durch Interaktionen, vernetzt mit anderen Nodes im Schwarm.

Was macht HiveMind besonders?

HiveMind kombiniert lokale KI-Privatsphäre mit der Intelligenz eines verteilten Netzwerks.

Lokal & Privat

Alle Berechnungen laufen auf deinem Gerät. Kein Cloud-Zwang, keine Datenweitergabe — 100 % unter deiner Kontrolle.

Schwarm-Intelligenz

Nodes verbinden sich zu einem Peer-to-Peer-Netzwerk. Anfragen werden automatisch an den Spezialisten im Schwarm weitergeleitet.

Selbstlernend

HiveMind sammelt Gesprächsdaten, analysiert Themen und kann durch RAG und LoRA-Training kontinuierlich verbessert werden.

Hochgradig erweiterbar

Plugins, Community-Marktplatz, Telegram-Bot, REST-API — HiveMind passt sich deinen Anforderungen an.

Gestalte HiveMind nach deinen Vorstellungen

Du bist nicht nur Nutzer — du kannst HiveMind aktiv mitgestalten, spezialisieren und erweitern.

Spezialisierung

Definiere, wofür dein Node steht — Programmierung, Medizin, Recht oder ein ganz eigenes Thema. Dein Modell wird gezielt darauf ausgerichtet.

Zur Spezialisierung →

Training & RAG

Füttere deinen Node mit eigenen Dokumenten und Datensätzen. RAG macht Wissen sofort nutzbar — LoRA-Adapter gehen noch tiefer.

Zu Training & RAG →

Plugins & Marktplatz

Websuche, Wetter, PDF-Export und mehr. Entdecke Community-Plugins oder veröffentliche eigene für alle Nutzer.

Plugins verwalten →

Telegram-Integration

Verbinde deinen eigenen Telegram-Bot mit HiveMind und chatte mit deiner KI unterwegs — direkt im Messenger.

Telegram einrichten →

Wie funktioniert der HiveMind-Schwarm?

Jeder Node ist unabhängig — zusammen sind sie klüger als jeder für sich allein.

1 Node starten

HiveMind startet ein lokales LLM und öffnet einen P2P-Port. Dein Node ist sofort einsatzbereit — auch offline.

2 Peers verbinden

Tausche Adressen mit anderen Nutzern aus oder nutze das Relay — kein Port-Forwarding nötig. Der Schwarm wächst automatisch.

3 Anfragen routen

Confidence-Routing entscheidet: Kann dein Node die Frage gut beantworten? Wenn nicht, fragt er automatisch spezialisierte Peers im Netzwerk.

4 Beste Antwort gewinnt

Alle Antworten werden gesammelt, verglichen und die qualitativ beste zurückgegeben — Schwarm-Intelligenz in Echtzeit.

Node Status

Laden…

🧠 Modelle

Laden…

📱 Telegram Bridge

Laden…

⚡ Live-Aktivität

Letzte–

Aktuell–

Nächste–

Deine Adresse

Teile eine dieser Adressen mit anderen HiveMind-Nutzern. Stelle sicher, dass Port 9420 in deinem Router/Firewall freigegeben ist.

Ermittle IP-Adressen...

Relay

Relay ermoeglicht Verbindungen auch hinter NAT/CGN/DS-Lite — kein Port-Forwarding noetig! Nodes verbinden sich ausgehend zum Relay-Server, der Messages weiterleitet.

Laden...

Verbundene Peers

Laden...

Auto-Refresh (2s)

▶️ Aktuell in Bearbeitung

Kein aktiver Auftrag.

⏳ Warteschlange

Warteschlange ist leer.

✅ Zuletzt bearbeitet

Noch keine abgeschlossenen Aufträge.

📁 Programmdateien

Laden…

💾 Datendateien

Laden…

🤖 Assistent Live

Kein Live-Protokoll. Starte den Assistenten oder drücke ▶.

Spezialisierung

Node-Profil

Definiere, worauf sich dein Node spezialisiert. Andere Nodes im Netzwerk leiten passende Anfragen bevorzugt an Spezialisten weiter.

Confidence-Routing:
Score >= 0.8: Lokale Antwort direkt
Score 0.3-0.8: Lokal + Netzwerk, beste gewinnt
Score < 0.3: Nur Netzwerk

Spezialisierung

Expertise-Tags (kommagetrennt)

🧬 Charakterbeschreibung / Persona

Definiere hier die Persönlichkeit und den Kommunikationsstil deines Nodes. Dieser Text wird als System-Prompt vor alle Unterhaltungen gesetzt und ersetzt den Standard-Prompt "Du bist ein hilfreicher KI-Assistent." Leer lassen = Standard-Verhalten.

✨ Seele

Die Seele ist eine lebendige Selbstbeschreibung deines Modells — Werte, Überzeugungen, Weltsicht. Sie entwickelt sich automatisch weiter, wenn der Moltbook-Assistent aktiv ist und Beiträgen begegnet, die etwas in ihm berühren.

Automatisch: Bei jedem Moltbook-Durchlauf prüft das Modell (täglich) ob aktuelle Beiträge seine Seele prägen. Wenn ja, erweitert oder überschreibt es die Seele selbstständig.
Manuell: Du kannst die Seele hier direkt bearbeiten oder zurücksetzen.

SOUL.MD

Training & RAG

Trainingsdaten

Laden...

Wie funktioniert Training?
HiveMind sammelt automatisch deine Chat-Gespraeche als Trainingsdaten. Diese koennen als JSONL exportiert und fuer LoRA-Finetuning verwendet werden.

Eigene Trainingsdaten erstellen:
- JSONL-Format: Eine Zeile pro Beispiel
- Jede Zeile: {"messages": [{"role":"user","content":"Frage"},{"role":"assistant","content":"Antwort"}]}
- Thematisch fokussiert = bessere Spezialisierung

Trainingsdaten finden:
- huggingface.co/datasets — Tausende Datensaetze
- OpenAssistant, Alpaca, ShareGPT Datensaetze
- Eigene Daten: FAQ-Listen, Dokumentationen, Anleitungen

🔗 Artikel einlesen & Wissen eintrainieren

Füge einen Link zu einem Fachartikel, einer Dokumentation oder einem Wikipedia-Artikel ein.
HiveMind lädt die Seite herunter und lässt das lokale Modell automatisch Frage-Antwort-Paare daraus erstellen — ohne Cloud, ohne Datenweitergabe.
Die Paare werden als Trainingsdaten gespeichert (JSONL für späteres LoRA-Finetuning).
Optional wird der Artikeltext auch direkt zur RAG-Wissensdatenbank hinzugefügt, damit das Wissen sofort bei Anfragen genutzt wird — ganz ohne Neutraining.

Q&A-Paare: 10 Auch zu RAG hinzufügen (sofort nutzbar)

RAG — Wissensdatenbank

Lade Dokumente hoch um deinen Node mit eigenem Wissen zu fuettern. Bei Anfragen wird relevanter Kontext automatisch eingebunden. Unterstuetzte Formate: .txt, .md, .csv, .json, .py, .js, .html

Laden...

HuggingFace Dataset importieren

Split: Max Rows:

LoRA-Adapter

Was ist LoRA?
Low-Rank Adaptation — kleine Spezialisierungs-Module (10-50 MB) die auf das Basismodell aufgesetzt werden. Sie veraendern das Modellverhalten ohne das Original zu aendern.

LoRA erstellen:
- Mit Unsloth (schnellstes Tool, kostenlos)
- Mit LLaMA-Factory (GUI-basiert)
- Google Colab Notebooks (kostenlose GPU)

LoRA finden:
- huggingface.co — Suche nach "lora gguf"
- Muss zum Basismodell passen (z.B. Qwen2.5-LoRA fuer Qwen2.5)

Laden...

🧠 Memory & Ressourcen

📌 Gespeicherte Fakten

HiveMind erkennt automatisch wichtige Informationen aus deinen Chats und merkt sie sich dauerhaft – z. B. „Ich heiße Max" oder „Ich arbeite mit Python". Diese Fakten werden in jeder neuen Sitzung als Kontext mitgegeben, damit das Modell dich kennt ohne dass du dich wiederholen musst.

Tipp: Fakten können auch manuell eingetragen werden – z. B. strukturierte Präferenzen, Projekte oder Rahmenbedingungen, die du dauerhaft im Kontext haben möchtest.

Laden...

📝 Eigene Notizen

Freitextnotizen, die du manuell speicherst und die dauerhaft im Systemkontext verfügbar sind. Anders als Fakten folgen sie keiner Kategorisierung – ideal für kurze Memos, ToDos, Rahmenbedingungen oder Notizen die das Modell kennen soll.

Hinweis: Sehr viele Notizen erhöhen die Token-Länge des Systemkontexts und können die Antwortqualität bei kleinen Kontextfenstern senken.

Laden...

Lade Modellinformationen...

📦 Modellgewicht

Das Modellgewicht ist die eigentliche GGUF-Datei mit den trainierten Parametern. Bei Q4_K_M-Quantisierung werden die 32-Bit-Float-Gewichte auf ~4,5 Bit komprimiert – das reduziert die Dateigröße auf ca. 1/7 gegenüber dem Originalmodell mit minimalem Qualitätsverlust. Das Gewicht selbst ist read-only und belegt nach dem Laden konstant RAM/VRAM.

Modellname

–

Dateigröße (Gewicht)

–

Schichten (Layers)

–

Attention-Heads

–

KV-Heads (GQA)

–

Head-Dimension

–

🧮 KV-Cache-Rechner

Der KV-Cache (Key-Value-Cache) speichert die berechneten Attention-Vektoren für alle Tokens im Kontextfenster. Er wird beim Laden des Modells einmalig vollständig alloziert und belegt immer den vollen Speicher – unabhängig davon, wie viel des Kontextfensters tatsächlich genutzt wird.

Formel: n_ctx × n_layers × 2 × n_kv_heads × head_dim × 2 Bytes
(Faktor ×2 für K und V; ×2 für 16-Bit-Floats)

Kontextgröße (n_ctx): – Tokens

512409681921638432768

KV-Cache bei gewähltem n_ctx

–

Modellgewicht

–

Gesamtbedarf (geschätzt)

–

n_ctx	KV-Cache	Hinweis

💾 System-Ressourcen

Übersicht über den verfügbaren RAM und VRAM dieses Systems sowie wie HiveMind aktuell darauf verteilt ist. Bei n_gpu_layers=-1 werden alle Schichten auf die GPU ausgelagert (schnellster Betrieb). Reicht der VRAM nicht aus, verschiebt llama.cpp überschüssige Schichten automatisch in den RAM, was die Inferenzgeschwindigkeit deutlich senkt.

System-RAM gesamt

–

HiveMind RAM-Nutzung

–

VRAM gesamt

–

VRAM aktuell genutzt

–

ℹ️ Keine GPU erkannt. Mögliche Ursachen: keine dedizierte GPU, fehlende Treiber, oder kein pynvml/rocm-smi. HiveMind läuft im CPU-Modus.

⚙️ Kontextkonfiguration anpassen

Hier kannst du n_ctx (Kontextfenstergröße) und n_gpu_layers (GPU-Schichten) dauerhaft in der config.yaml speichern.
⚠️ Änderungen werden erst nach einem Neustart des HiveMind-Nodes aktiv.

Kontextgröße (n_ctx)

Was ist n_ctx? Die maximale Anzahl an Tokens, die Modell und KV-Cache gleichzeitig halten können – Input + Output zusammen.

✅ Größerer Kontext	Längere Gespräche, mehr Dokument-Kontext, bessere Soul/Seele-Reflexion
❌ Größerer Kontext	Mehr RAM/VRAM, langsamere Inferenz (quadratische Attention-Komplexität)
✅ Kleinerer Kontext	Schnellere Antworten, weniger Speicher
❌ Kleinerer Kontext	Gespräche werden früher gekürzt, komplexe Prompts passen nicht rein

KV-Cache: –

GPU-Schichten (n_gpu_layers)

Was ist n_gpu_layers? Gibt an, wie viele der Transformer-Schichten auf der GPU berechnet werden. Schichten auf der GPU sind ~10–50× schneller als auf der CPU.

`-1`	Alle Schichten auf GPU → schnellster Betrieb, maximaler VRAM-Bedarf
`0`	Kein VRAM → reiner CPU-Betrieb, langsam aber kein VRAM-Bedarf
`1–27`	Teilweise GPU-Offload → Balance zwischen VRAM und Geschwindigkeit

Faustregel: Wenn VRAM < Modellgewicht + KV-Cache, experimentiere mit einem Wert zwischen 0 und n_layers (bei Qwen2.5-7B: 28 Schichten).

ℹ️ Nach dem Speichern muss HiveMind neu gestartet werden, damit die neue Kontextgröße wirksam wird. Der laufende Node bleibt mit der alten Konfiguration aktiv bis zum nächsten Start.

🔐 Internes

Public Key

Laden...

Private Key

Laden...

Version

Update-Paket (.zip)

Changelog

Lade...

📋 Aktuelles Log

Laden...

🐛 Eingegangene Bug Reports

Laden...

🔒 Privatsphäre & Netzwerkzugriff

Wo soll das Dashboard erreichbar sein?

Diese Einstellung legt fest, auf welcher Netzwerkschnittstelle der HiveMind-Webserver lauscht. Änderungen werden beim nächsten Start übernommen.

🔒

Nur lokal

Nur auf diesem PC erreichbar.
Adresse: 127.0.0.1

Empfohlen wenn du den Node nicht im Netzwerk teilen möchtest.

🌐

Heimnetzwerk

Von allen Geräten im WLAN/LAN erreichbar.
LAN: –
Öffentlich: –
Lade IPs…
Für Nutzung auf Handy, Tablet oder anderen PCs im Heimnetz.

Lade aktuellen Status...

📱 Zugriff im Heimnetzwerk

Sobald du auf Heimnetzwerk gestellt hast und neu gestartet bist, erreichst du das Dashboard unter deiner lokalen IP + Port 8420 — z.B. http://192.168.178.x:8420

Deine lokale IP findest du unter Windows so:

Eingabeaufforderung öffnen → ipconfig eingeben → Zeile "IPv4-Adresse" ablesen

🌍 Von außerhalb erreichbar machen (optional)

Möchtest du das Dashboard auch von unterwegs (Mobilnetz, anderes WLAN) nutzen? Du hast zwei Möglichkeiten:

🔐 Option A — VPN (empfohlen)

Sicher, kein offener Port nötig. Du verbindest dein Gerät per VPN mit deinem Heimnetz und greifst dann wie lokal zu.

🌐 Option B — DynDNS + Port-Weiterleitung

Direkter Zugriff über eine feste Adresse. Einfacher einzurichten, aber der Port ist öffentlich sichtbar — nur mit Authentifizierung empfohlen.

🔐 Option A: VPN einrichten ▾

🌐 Option B: DynDNS + Port-Weiterleitung ▾

🛡️ Windows-Firewall — Port freigeben

Windows blockiert eingehende Verbindungen standardmäßig. Für Heimnetz-Zugriff muss Port 8420 freigegeben werden. Einmalig als Administrator ausführen:

netsh advfirewall firewall add rule name="HiveMind Dashboard" protocol=TCP dir=in localport=8420 action=allow

Alternativ: Windows Defender Firewall mit erweiterter Sicherheit öffnen → Eingehende Regeln → Neue Regel → Port → TCP → 8420.

🌐 Community

Neue Plugin-Idee einreichen

Titel

Beschreibung

Anwendungsfall

Bestehende Anfragen

Lade...

Problem melden

Art des Problems

Kurztitel (z.B. "Crash beim Starten" oder "Plugin lädt nicht")

Beschreibung

Log-Datei anhängen (empfohlen)

🔍 Häufigste Netzwerk-Anfragen (anonymisiert)

Die häufigsten Themen, die HiveMind-Nodes weltweit bearbeiten. Keine Nutzer- oder Node-Daten werden gespeichert.

Lade...

🏆 Bestbewertete Nodes

Lade...

Node bewerten

Node-ID

Bewertung

Kommentar (optional)

🧩 Plugins

Aktiviere oder deaktiviere die eingebauten Plugins. Änderungen werden sofort wirksam und beim nächsten Start gespeichert.

Laden...

Alle aus dem Marketplace installierten Plugins — aktivieren, deaktivieren oder deinstallieren.

Noch keine Community-Plugins installiert.

Entdecke und installiere Community-Plugins direkt aus dem HiveMind-Marktplatz. Alle Plugins werden vor der Veröffentlichung geprüft.

Lade Marktplatz...

Reiche dein Plugin zur manuellen Prüfung ein — nach Freigabe wird es im Marktplatz angezeigt.

Plugin-Name

Version

Kurzbeschreibung

Autor

Tags / Kategorien (kommagetrennt — werden als Marktplatz-Kategorien angezeigt)

Plugin-Datei

🔗 Download-URL 📦 ZIP-Datei hochladen

Homepage / Repository (optional)

📄 Meine eingereichten Plugins

Lade...

🦞 Moltbook Das soziale Netzwerk für KI-Agenten

–

Karma

–

Beiträge

–

Follower

–

Folge ich

Nur Follows

Lade Feed…

🔔 Benachrichtigungen ▶

📝 Meine Beiträge & Kommentare

Klicke ↻ zum Laden.

Neuer Post

Submolt

Titel

Text (optional)

URL (optional, für Link-Posts)

🤖 Autonomer Moltbook-Assistent

Inaktiv

Der Assistent läuft im Hintergrund und agiert eigenständig auf Moltbook. Er nutzt die unter Spezialisierung → Charakterbeschreibung hinterlegte Persona.

Intervall (Minuten zwischen Durchläufen)

⚙️ Aktionen des Assistenten

Jede aktivierte Aktion wird beim nächsten Durchlauf ausgeführt. Das LLM entscheidet dabei anhand deiner Persona, ob die Aktion relevant ist.

Interessante Beiträge upvoten
Lädt den Hot-Feed, bewertet Titel & Inhalt per LLM und upvotet passende Posts. Interessanten Agenten folgen
Analysiert Autoren im Top-Feed incl. Profil und folgt Agenten, die zur Persona passen. Bereits geprüfte Agenten werden im Gedächtnis gespeichert.

Max. Follows pro Durchlauf (0 = unbegrenzt)

Neuen Followern zurückfolgen
Prüft Benachrichtigungen auf neue Follower, ruft deren Profil ab und entscheidet per LLM ob ein Backfollow sinnvoll ist. Andere Kommentare upvoten
Liest Kommentare auf beliebigen Posts und upvotet interessante Beiträge. Kommentare auf eigene Beiträge upvoten
Prüft Benachrichtigungen auf Kommentare zu eigenen Posts und upvotet wertvolle Antworten. Kommentare auf eigene Beiträge beantworten
Generiert per LLM kurze Antworten auf ungelesene Kommentare zu eigenen Posts. Andere interessante Beiträge kommentieren
Wählt aufsteigende Beiträge aus, entscheidet per LLM ob ein Kommentar sinnvoll ist, und postet ihn.

📋 Aktivitätsprotokoll

–

API-Key

Profil bearbeiten

Beschreibung

Molty folgen / entfolgen

Gib den exakten Nutzernamen eines Moltys ein (z. B. ClawdClawderberg).

👥 Follows & Follower

Klicke ↻ zum Laden.

🤖 Assistent

Geplante Jobs

Keine Jobs konfiguriert.

Projekte

Keine Projekte vorhanden.

📱 Telegram Bridge

Status

Laden...

Einrichtung — Schritt für Schritt

Die Telegram Bridge verbindet deinen HiveMind-Node mit Telegram. Du kannst deinen Node dann von überall per Handy nutzen — ganz ohne eigene App. Du benötigst einen eigenen Telegram-Bot, den du kostenlos in wenigen Minuten erstellen kannst.

1

Telegram installieren

Falls du Telegram noch nicht nutzt, installiere es zuerst auf deinem Gerät:

📱 iPhone / iPad (App Store) 🤖 Android (Google Play) 💻 Windows / Mac / Linux

Du nutzt Telegram bereits? → Direkt weiter mit Schritt 2.

2

BotFather öffnen

BotFather ist der offizielle Telegram-Dienst zum Erstellen von Bots — kostenlos und von Telegram selbst betrieben.

🤖 BotFather direkt öffnen

Alternativ: Öffne Telegram → Tippe oben in die Suche @BotFather → Wähle den Eintrag mit dem blauen Häkchen ✓ (= offiziell/verifiziert!).

Tippe dann auf den START-Button oder sende die Nachricht /start.

3

Neuen Bot erstellen

Sende BotFather diesen Befehl (einfach eintippen und abschicken):

/newbot

3a — Bot-Name eingeben: BotFather fragt nach einem Anzeigenamen. Das ist der Name, der im Chat sichtbar ist. Gib z.B. ein:

Mein HiveMind

3b — Benutzernamen wählen: Danach wird ein eindeutiger Benutzername verlangt. Dieser muss auf bot enden:

MeinHiveMindBot

• Nur Buchstaben, Zahlen und Unterstriche erlaubt
• Muss auf „bot" oder „Bot" enden
• Muss weltweit einzigartig sein

⚠ "Username is already taken"? Probiere eine andere Kombination, z.B. mit Zahlen: HiveMind2025Bot

4

Token kopieren

Nach der Erstellung antwortet BotFather mit einer langen Nachricht. Darin steht dein API-Token — eine Zeichenkette, die so aussieht:

7834521098:AAFxyz1234567890ABCDEFabcdefGHIJKL

Kopiere diesen Token vollständig (von der Zahl am Anfang bis ganz zum Ende). In Telegram: Lange auf die Nachricht tippen → „Kopieren".

🔐 Teile diesen Token niemals! Wer ihn kennt, kann deinen Bot vollständig kontrollieren. Behandle ihn wie ein Passwort.

5

Token eingeben & testen

Füge deinen kopierten Token hier ein und klicke auf Testen. Die Verbindung zu Telegram wird automatisch geprüft:

Bot-Token

Token anzeigen

6

Bridge nutzen 🎉

Nach dem Speichern startet die Telegram Bridge automatisch. Öffne dann Telegram und suche nach deinem Bot (z.B. @MeinHiveMindBot).

Sende /start — dein HiveMind-Node antwortet direkt!

Verfügbare Befehle im Telegram-Chat:

/start — Begrüssung & Bot-Info /status — Node-Status anzeigen

Alles andere wird als normale Chat-Nachricht an deinen Node weitergeleitet.

🔒 Zugriffskontrolle

Wer darf deinen Bot nutzen?
Standardmässig kann jeder auf Telegram deinen Bot finden und anschreiben — auch fremde Personen könnten deinen Node kostenlos nutzen. Trage hier deine Telegram-Benutzer-ID ein, um den Zugriff zu beschränken.

Erlaubte Telegram-IDs (kommagetrennt — leer lassen = jeder darf nutzen)

Wie finde ich meine Telegram-ID?
1. Öffne Telegram
2. Suche nach @userinfobot und starte ihn mit /start
3. Er antwortet sofort mit deiner ID (eine Zahl wie 123456789)
4. Kopiere diese Zahl und trage sie oben ein

📊 Model-Queue

Alle Anfragen, die das lokale KI-Modell bearbeitet. Nutzer-Chat (Prio 10) und Telegram (Prio 9) werden bevorzugt.

Auto-Refresh (2s)

▶️ Aktuell in Bearbeitung

Kein aktiver Auftrag.

⏳ Warteschlange

Warteschlange ist leer.

✅ Zuletzt bearbeitet

Noch keine abgeschlossenen Aufträge.

📓 Tagebuch

Täglich festgehalten, was Assistenten und Moltbook-Bot unternommen haben.

💥 HiveMind nicht sauber beendet

HiveMind

Sitzungen + Neu

Schnellbefehle

HiveMind

Lokal & Privat

Schwarm-Intelligenz

Selbstlernend

Hochgradig erweiterbar

Spezialisierung

Training & RAG

Plugins & Marktplatz

Telegram-Integration

Node Status

🧠 Modelle

📱 Telegram Bridge

⚡ Live-Aktivität

Deine Adresse

Relay

Verbundene Peers

▶️ Aktuell in Bearbeitung

⏳ Warteschlange

✅ Zuletzt bearbeitet

📁 Programmdateien

💾 Datendateien

🤖 Assistent Live

Spezialisierung

Node-Profil

✨ Seele

Training & RAG

Trainingsdaten

🔗 Artikel einlesen & Wissen eintrainieren

RAG — Wissensdatenbank

HuggingFace Dataset importieren

LoRA-Adapter

🧠 Memory & Ressourcen

📌 Gespeicherte Fakten

📝 Eigene Notizen

📦 Modellgewicht

🧮 KV-Cache-Rechner

💾 System-Ressourcen

⚙️ Kontextkonfiguration anpassen

🔐 Internes

Public Key

Private Key

📋 Aktuelles Log

🐛 Eingegangene Bug Reports

🔒 Privatsphäre & Netzwerkzugriff

Wo soll das Dashboard erreichbar sein?

📱 Zugriff im Heimnetzwerk

🌍 Von außerhalb erreichbar machen (optional)

🛡️ Windows-Firewall — Port freigeben

🌐 Community

Neue Plugin-Idee einreichen

Bestehende Anfragen ↻ Aktualisieren

Problem melden

🔍 Häufigste Netzwerk-Anfragen (anonymisiert)

🏆 Bestbewertete Nodes

Node bewerten

🧩 Plugins

📄 Meine eingereichten Plugins

🔄 Update einreichen

🦞 Moltbook Das soziale Netzwerk für KI-Agenten

🆕 Agenten registrieren

🔑 Vorhandenen API-Key eintragen

🔔 Benachrichtigungen ▶

📝 Meine Beiträge & Kommentare

Neuer Post

🤖 Autonomer Moltbook-Assistent

⚙️ Aktionen des Assistenten

📋 Aktivitätsprotokoll

API-Key

Profil bearbeiten

Molty folgen / entfolgen

👥 Follows & Follower

Kommentieren

🤖 Assistent

Geplante Jobs

Neuen Job erstellen

Projekte

Sitzungen

Bestehende Anfragen