> ## Documentation Index
> Fetch the complete documentation index at: https://docs.conare.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# AI-Memory-Quickstart

> Erstelle einen Integration-Key, verifiziere ihn per Status-Check, speichere die erste Memory eines Endnutzers und rufe sie via Search oder Deep Recall ab.

<Steps>
  <Step title="Integration-Key besorgen">
    Lege im [Conare-Dashboard](https://conare.ai/dashboard) eine Integration an. Du erhältst einen gescopten Bearer-Key (`cint_...`) – er wird **einmalig** angezeigt und nur als SHA-256-Digest gespeichert. Lege ihn also in einem serverseitigen Secret-Manager ab. Gib ihn niemals an einen Browser weiter.
  </Step>

  <Step title="Zugangsdaten verifizieren">
    `GET /api/v1/status` ist ein nebeneffektfreier Smoke-Test: Er validiert den Key, das Namespace-Routing und den Sprung zur Memory-Plane, ohne einen Endnutzer anzulegen oder Kontingent zu verbrauchen.

    ```bash theme={null}
    curl https://api.conare.ai/api/v1/status \
      -H "Authorization: Bearer $CONARE_KEY"
    ```
  </Step>

  <Step title="Eine Memory speichern">
    Speichere destillierte Beobachtungen (einen Satz oder Absatz), keine Rohereignisse. Zweimal identischen Inhalt zu speichern ist ein No-Op (`deduped: true`).

    ```bash theme={null}
    curl https://api.conare.ai/api/v1/memories \
      -H "Authorization: Bearer $CONARE_KEY" \
      -H "Content-Type: application/json" \
      -d '{
        "endUserId": "u_123",
        "content": "User prefers smaller islands, wants to avoid crowds. ASA 104 certified.",
        "containerTag": "profile"
      }'
    ```
  </Step>

  <Step title="Sie abrufen">
    Zwei Retrieval-Modi, pro Aufrufstelle wählbar:

    ```bash theme={null}
    # Rohe hybride Suche – im Sekundenbruchteil, ohne LLM. Dein Agent übernimmt das Reasoning.
    curl https://api.conare.ai/api/v1/search \
      -H "Authorization: Bearer $CONARE_KEY" \
      -H "Content-Type: application/json" \
      -d '{ "endUserId": "u_123", "query": "charter budget boat type", "limit": 10 }'

    # Deep Recall – LLM-synthetisierte, mit Zitaten belegte Antwort (~3–6 s).
    # Füge `answer` beim Session-Start in den System-Prompt deines Agenten ein.
    curl https://api.conare.ai/api/v1/recall \
      -H "Authorization: Bearer $CONARE_KEY" \
      -H "Content-Type: application/json" \
      -d '{ "endUserId": "u_123", "query": "what do we know about this user and their upcoming trip" }'
    ```
  </Step>
</Steps>

<Note>
  Jede Antwort trägt `X-Request-Id`. Sende deine eigene (1–128 Zeichen, erstes Zeichen alphanumerisch), um einen Request durch den Conare-Edge und die Memory-Plane hinweg zu korrelieren.
</Note>

Weiter: verstehe [Integrations, Endnutzer und Container](/platform/concepts) oder springe direkt zur vollständigen [API-Referenz](/api-reference).