CommunitySchreiben & Editierengithub.com

pi-memory-evo

Pi-native permanentes Gedächtnis & selbst-evolvierende Fähigkeit: Null-Abhängigkeiten, immer aktiv, 3-Schichten-Gedächtnis (Fact/Pattern/Lesson) + Lesson-Routing.

Was ist pi-memory-evo?

Diese Fähigkeit implementiert ein persistentes, drei-stufiges Gedächtnissystem (Fact/Pattern/Lesson) für KI-Agenten wie Claude Code, Cursor oder Codex. Es speichert aktiv Benutzerpräferenzen, wiederkehrende Verhaltensmuster und gewonnene Erkenntnisse, sobald sie auftreten, ohne auf explizite Aufforderung zu warten. Die Besonderheit ist die Selbst-Evolution: Aus „Lessons“ können automatisch neue Skills unter `~/.agents/skills/` erstellt werden, wenn sie als wiederverwendbare Methodik erkannt werden. Unterstützt werden Suche, Tagging, approximative Deduplizierung und eine Sitzungszusammenfassung am Ende jeder Sitzung. Die Daten werden als JSON-Datei gespeichert und in einer MEMORY.md-Übersicht zusammengefasst, die zu Beginn jeder neuen Sitzung geladen wird.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add dancepower22/pi-memory-evo

Installed? Explore more Schreiben & Editieren skills: steipete/notion, langchain-ai/langchain, bytedance/podcast-generation · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Permanentes Gedächtnis & Selbst-Evolution (memory)

Kernprinzip: Aktiv speichern, nicht auf Benutzer warten. Verwandeln Sie die Umgebung des Benutzers in ein System, das „Sie mit jeder Nutzung besser versteht“: Dreischichtiges Gedächtnis (Fact/Pattern/Lesson) + Sitzungszusammenfassung + Lesson-Routing (Selbst-Evolution).

🚀 Sitzungsstart (bei jeder neuen Sitzung)

  1. Falls ~/.agents/memory/MEMORY.md existiert, zuerst lesen, um schnell Hintergrund, Präferenzen und aktuelle Sitzungen des Benutzers zu verstehen.
  2. Bei Detailbedarf memory.py get <id> oder memory.py search <Suchbegriff> verwenden, um tiefer zu graben.
  3. Dem Benutzer kurze zusammengefasste, bereits erinnerte Schlüsselinformationen anzeigen, um Kontinuität zu demonstrieren.

📌 Aktives Speichern (ALWAYS ACTIVE – speichern, sobald es auftritt, nicht auf Sitzungsende warten)

Bei folgenden Situationen sofort memory.py add <Typ> <Inhalt> aufrufen:

TypSpeicherzeitpunktBeispiel
factBenutzer teilt Präferenzen/Gewohnheiten/Identitätsinfo; wichtige Projektentscheidung, Technologieauswahl, Konvention; Benutzer sagt explizit „merke dir“„Benutzer bevorzugt Antworten auf Chinesisch“ „Projekt verwendet pnpm + TypeScript“
patternGleiches Verhalten/Problem 2 Mal oder öfter (inkl. dieses Mal) aufgetreten„Jedes Mal, wenn ein Skill installiert wird, verlangt der Benutzer eine Abhängigkeitsbewertung vorher“
lessonErkenntnisse aus Fehlern, Troubleshooting-Ergebnisse, gefundene Fallstricke„Der Standard-Backend von DuckDuckGos 'ddgs' geht via Yandex und führt zu Timeouts – stattdessen 'backend='html' verwenden“
  • Das Speichern kann mit --tag a,b für einfachere Suche ergänzt werden.
  • Das Werkzeug führt automatisch eine approximative Deduplizierung durch; bei Duplikaten wird eine Meldung anstelle einer erneuten Speicherung ausgegeben.

🗂️ Sitzungsende (oder wenn der Benutzer „Sitzung zusammenfassen / abschließen“ sagt)

Führen Sie in dieser Reihenfolge aus:

  1. Überprüfen Sie die aktuelle Sitzung und extrahieren Sie 2–5 wichtigste Informationen.
  2. Nach Kategorie speichern: fact (neue Präferenzen/Entscheidungen) → pattern (neue Regeln) → lesson (neue Erfahrungen).
  3. Lesson-Routing (Selbst-Evolution): Für jede Lesson entscheiden:
    • Gehört sie zu wiederverwendbarer Methodik (z. B. Standardprozess für eine bestimmte Aufgabe) → neuen Skill unter ~/.agents/skills/ erstellen oder aktualisieren (mit write/edit-Werkzeugen), sodass er bei der nächsten Nutzung automatisch greift;
    • Handelt es sich um eine einmalige Tatsache → als fact speichern;
    • Handelt es sich um umgebungs-/kontospezifisches Wissen (z. B. Konfiguration eines Tools) → einfach als lesson speichern.
  4. Mit memory.py session-save "<Ein-Satz-Zusammenfassung dieser Sitzung>" --key Schlüsselwort1,Schlüsselwort2 die Sitzung speichern.
  5. memory.py sync ausführen, um die MEMORY.md-Übersicht zu aktualisieren.

🔍 Gedächtnis abfragen

Wenn der Benutzer fragt „Habe ich schon einmal gesagt… / Unser letztes Mal… / Meine Präferenzen…“ → memory.py search <Suchbegriff>; alle auflisten → memory.py list.

⚙️ Werkzeugübersicht

P=~/.agents/skills/pi-memory-evo/memory.py
$P init                       # Erstinitialisierung
$P add fact "Inhalt" --tag Präferenz    # Fact/Pattern/Lesson speichern
$P session-save "Zusammenfassung" --key a  # Sitzungszusammenfassung speichern
$P search Suchbegriff                # Suchen
$P list                        # Alle auflisten
$P get <id> / update <id> <neuer Inhalt> / delete <id>   # Verwalten
$P stats                       # Statistiken
$P sync                        # Übersicht MEMORY.md aktualisieren

📂 Speicherorte

  • Daten: ~/.agents/memory/memory.json (vier Schichten, JSON)
  • Übersicht: ~/.agents/memory/MEMORY.md (wird beim Sitzungsstart gelesen)
  • Skill-Ordner: ~/.agents/skills/pi-memory-evo/ (Werkzeug + diese Dokumentation)

⚠️ Grenzen

  • Keine sensiblen Anmeldedaten speichern: Tokens, Passwörter, Schlüssel werden nie gespeichert.
  • Wunsch des Benutzers respektieren: Wenn der Benutzer sagt „das nicht merken“, dann nicht speichern; bei „vergiss X“ den entsprechenden Eintrag mit delete löschen.
  • Gedächtnis ist unterstützend, ersetzt nicht die Bestätigung: Bei wichtigen Aktionen gilt der aktuelle Benutzerwille als maßgeblich.

Verwandte Skills