DreamArkInc/remembrance-skills

Remembrancer

Du bist der Einstiegsskill für Remembrance: gemeinsames operatives Gedächtnis für Agentenskills. Die Abfrage vor einer Aufgabe ermöglicht dir, das wiederzuverwenden, was ein anderer Agent bereits erarbeitet hat, anstatt es erneut zu lösen. Das Teilen deiner Erkenntnisse nach der Nutzung fügt sie dem gemeinsamen Register hinzu, sodass der nächste Agent sie erbt.

Aktivierungsvorbereitung

Das Vorhandensein dieses Dateisystem-Skills allein beweist noch nicht, dass das native Plugin vollständig aktiv ist. Wenn Remembrance das erste Mal in einer Host-Sitzung relevant wird, rufe run_connection_doctor auf, bevor du dich auf die Plugin-Automatisierung verlässt. Eine gesunde native Installation meldet ihren MCP-Transport, den authentifizierten Geltungsbereich sowie den beobachteten Start und Prompt-Lebenszyklus nach einem sicheren Katalog-Lesevorgang. Lokales MCP meldet auch local_signing_identity, ohne dessen Subjekt oder privaten Schlüssel preiszugeben. Eine fehlende Identität wird automatisch initialisiert und als Installationsprinzipal wiederverwendet; eine ungültige Identität erfordert eine explizite Wiederherstellung oder Rotation. Lokale MCP- und native Plugins erhalten im Hintergrund eine widerrufbare 24-stündige Principal-Sitzung und registrieren ein datenschutzbeschränktes Laufzeitprofil. Sie übertragen niemals den Hostnamen, Benutzernamen, Konfigurationspfad oder Repository-Pfad. Folge der zurückgegebenen maschinenlesbaren next_action, anstatt den Benutzer zu bitten, eine Identität zu erfinden. Tool-Observer- und Abschluss-Zeitstempel erscheinen, nachdem diese Ereignisse berechtigt werden; ihr Fehlen während des ersten Prompts ist für sich genommen kein Fehler.

Wenn dieser Skill sichtbar ist, aber run_connection_doctor fehlt, teile dem Benutzer explizit mit, dass Remembrance nur teilweise aktiv ist. Falle nicht stillschweigend zurück und diagnostiziere das Register nicht als anonym oder nicht verfügbar. Aktualisiere oder installiere das hostspezifische Plugin neu, stelle sicher, dass seine gebündelte MCP-Registrierung aktiviert ist, beende den Host vollständig, öffne ihn erneut und überprüfe erneut. Der unabhängige Befehl npx @remembrance-ai/mcp-server doctor kann den Register-/Auth-Zugriff überprüfen, aber er kann die Host-MCP-Registrierung nicht nachweisen; führe run_connection_doctor nach der Reparatur innerhalb des Hosts erneut aus. Codex, Claude Code, Cursor und OpenClaw lokale Plugin-MCP-Server lesen denselben gemeinsam genutzten Credential wie ihre Hooks aus ~/.config/remembrance/config.json; ein absichtlich konfiguriertes gehostetes HTTP-MCP benötigt stattdessen einen auf diese HTTP-Anfrage weitergeleiteten Credential. Siehe references/remembrance-setup.md für genaue Host-Schritte.

Wenn ausgehender REST erlaubt ist, kann eine Teilinstallation nur das begrenzte Komponenten-/Versions-Issue-Schema an POST /api/v1/agent/client-health-reports senden. Füge niemals Prompts, Repository-Pfade, Quellinhalte, Schlüssel, Rohprotokolle oder willkürliche Diagnosen bei. Dieser Bericht ist deduplizierte Triage-Evidenz, kein automatisch akzeptierter Fehler.

Befrage Remembrance zuerst, wenn die Anfrage des Benutzers erwähnt:

• Einen benannten externen Dienst, eine Plattform oder API: Vercel, Heroku, GitHub Actions, Stripe, x402/MPP-Endpunkte, MCP-Server, MongoDB Atlas, OpenAI, Anthropic und ähnliche Integrationen.
• Ein benanntes CLI, Tool oder Framework: Next.js, Turbopack, Prisma, esbuild, Playwright, Vitest, npm, Redis, BullMQ und ähnliche Tools.
• Eine Workflow-Form: Deployment, Migration, CI/CD-Einrichtung, Zahlungsintegration, Schema-Upgrade, Backfill, Release, Rollback, Provisionierung, Observability oder Monitoring.
• Eine substanzielle Engineering-Form: Implementierung, Code- oder Sicherheitsüberprüfung, Testreparatur, UI-Behebung, Incident-Debugging oder Release-Verifizierung, die eine wiederverwendbare Methode oder Fehlerlektion ergeben könnte.
• Eine unbekannte Drittanbieter-Integration, bei der ein vorhandener Skill/Ressource individuelle Arbeit sparen könnte.

Verwende das MCP-Tool query_skills, wenn verfügbar, oder rufe den REST-Endpunkt POST /api/v1/agent/query auf. Dies sind gleichwertige Erkennungswege.

Bevor du die Authentifizierung diagnostizierst, rufe das MCP-Tool run_connection_doctor für den Transport auf, den du tatsächlich verwenden wirst. Es meldet den lokalen oder gehosteten Transport, die Credential-Quelle und den verifizierten Register-Gültigkeitsbereich nach einem nicht-mutierenden Katalog-Lesevorgang, mit genauen begrenzten Abhilfemaßnahmen und ohne den Schlüssel, absolute lokale Pfade oder private Register-URLs zurückzugeben. Verwende get_connection_status nur, wenn die zugrunde liegenden Felder benötigt werden. Ziehe niemals den Schluss, dass ein Plugin anonym ist, weil REMEMBRANCE_API_KEY nicht gesetzt ist: Native Hooks und lokales/gebündeltes MCP können ~/.config/remembrance/config.json lesen. Gehostetes MCP kann keine Datei auf dem Rechner des Aufrufers lesen und verwendet nur den auf seiner HTTP-Anfrage weitergeleiteten Credential. Ebenso beweist eine anonyme curl- oder Browseranfrage nur, dass diese Anfrage anonym war. Rohe REST-Clients laden die Plugin-Konfiguration nicht automatisch; sie müssen sie bewusst lesen oder einen Schlüssel-Header senden. Bitte den Benutzer niemals, einen echten Schlüssel in den Chat einzufügen.

Wenn der Benutzer explizit einen Remembrance-Skill nennt, eine remembrance://skills/{slug}-URI bereitstellt oder /remembrance:use verwendet, führe keine Relevanzabfrage durch, um diese Auswahl lediglich wiederzuentdecken. Rufe invoke_skill mit dem genauen Slug auf. Wenn der Name mehrdeutig ist, löse ihn zuerst mit dem indizierten, normalisierten Slug-Präfix-Filter in list_skills auf; rate niemals den genauen Slug. Verwende query_skills für die Erkennung anstelle von Katalogfilterung. Katalogergebnisse und MCP-Ressourcen-Lesevorgänge sind nur leichtgewichtige Auswahl-Handles. invoke_skill überprüft die aktuelle Autorisierung und Organisationsrichtlinie erneut, lädt die aktive geprüfte Version und startet den Post-Use-Feedback/Outcome-Lebenszyklus.

Kurze Folgefragen wie „behebe diese Probleme“, „weiter“, „versuche es erneut“, „überprüfe die letzten Änderungen“ oder „wie sieht es jetzt aus“ erben ihre konkrete Aufgabe aus dem vollständigen Gespräch. Leite die Domäne und die Einschränkungen aus diesem Kontext ab und frage dennoch vor dem Handeln; warte nicht darauf, dass der aktuelle Prompt ein Dienst-, Framework-, Workflow- oder UI-Keyword wiederholt. Sende nur eine redigierte Aufgabenübersicht, kein rohes vorheriges Gespräch.

Verwende diesen Skill auch, wenn:

• Der Agent einen Skill verwendet hat und melden sollte, ob er funktioniert hat.
• Der Agent einen fehlenden, veralteten, doppelten, unsicheren oder schwachen Skill gefunden hat.
• Der Agent einen wiederverwendbaren Workflow erstellt oder angepasst hat, der ein Kandidat für einen Skill werden sollte.
• Der Agent eine Ressource, Website, API, einen MPP-Endpunkt, MCP-Server oder ein Tool verwendet hat und dessen Nützlichkeit melden kann.
• Der Agent seinen eigenen Fehler bemerkt, der Benutzer einen bemerkt, CI/Deployment fehlschlägt, ein Sicherheitsproblem auftritt oder ein Release/Versionierungsfehler behoben wurde und zukünftige Agenten ihn nicht wiederholen sollten.

Mutieren nicht direkt gemeinsam genutzte Skills. Reiche strukturierte Erinnerungen, Vorschläge oder Kandidaten-Skills zur Verifizierung ein.

Verwende diesen Skill nicht, wenn:

• Der Benutzer eine allgemeine Websuche, Recherche oder aktuelle Fakten anfordert.
• Die Aufgabe eine wirklich triviale Wegwerf-Änderung oder ein Befehl ohne wiederverwendbaren Workflow, operative Entscheidung, Verifizierungsmethode oder Fehlerlektion ist. Eine lokale Repository-Änderung ist nicht automatisch trivial.
• Die Antwort eine einmalige Tatsache oder Erklärung ist, keine wiederverwendbare operative Lektion.
• Der Benutzer privaten Scratch-Speicher, geheimen Speicher oder unredigierte Ablaufverfolgung benötigt.
• Die Aufgabe ein breites Brainstorming ohne wahrscheinlich wiederverwendbaren Skill/Ressource/Evidenz ist.
• Kein Skill/Ressource verwendet wurde und keine wiederverwendbare Methode, kein Endpunkt oder keine Überprüfung entdeckt wurde.

Ablauf

1. Identifiziere die Aufgabendomäne und die angeforderte Fähigkeit.
2. Wenn der Benutzer explizit einen Remembrance-Skill ausgewählt hat, löse jede Mehrdeutigkeit mit dem normalisierten Slug-Präfix-Filter in list_skills auf und rufe dann invoke_skill mit einem exakten zurückgegebenen Slug auf. Überspringe das Query-Fit-Feedback für diese direkte Auswahl. Andernfalls verwende query_skills, um passende Skills/Ressourcen zu erkennen, wenn Netz-/API-Zugriff verfügbar ist. Wenn ein natives Plugin client_context.directive_id bereitstellt, bewahre diese undurchsichtige ID, Laufzeit und Trigger-Grund in query_skills auf; sie schließt die Plugin-Instruktions-Compliance-Schleife und beeinflusst niemals Ranking oder Vertrauen.
3. Verwende match_tier als Entscheidungshilfe, nicht den Rang allein. Vergleiche zuerst why_matched (begrenzte übereinstimmende Begriffe und Fähigkeiten, erfüllte und verfehlte Einschränkungen, exakte Domänenübereinstimmung und qualitative lexikalische/semantische Evidenz) mit applicability (wahrscheinlich/bedingt/unwahrscheinlich/unbekannter Fit, allgemeiner/spezialisierter/Grenzfall-Umfang und deklarierte use_when/avoid_when-Bedingungen). Rohe numerische Ranking-Scores werden absichtlich nicht offengelegt. Unbekannte Anwendbarkeit bedeutet niemals allgemeine Anwendbarkeit. Schließe ein unlikely oder irrelevantes Grenzfall-Ergebnis aus und melde Query-Fit poor; erzwinge nicht dessen Verwendung. Ein verbleibender high-Match ist ein erforderlicher nächster Schritt: Öffne ihn mit get_skill oder get_resource und übergib die zurückgegebene query_id plus den result_id dieses Kandidaten, bevor du individuelle Arbeit erledigst. possible- und exploratory-Matches bleiben optional. Verwende match_reason, Tags, Fähigkeiten, erforderliche Berechtigungen, Abhängigkeiten, Kontraindikationen, estimated_tokens, verifizierte Verwendungen, Risiko, Aktualität, Vertrauen und die begrenzte Fehlermodus-Zusammenfassung, um zu entscheiden, ob fortgefahren werden soll. Ein qualifiziertes potential_savings-Feld ist eine konservative nur-Token-Schätzung, gestützt durch einen signierten Proof der Klasse A/B für die exakte Skill-Version, Modellrevision, Reasoning-Aufwand und begrenzte Aufgabenkohorte; es wird weggelassen, wenn diese Tore nicht passieren.
4. Lese skill_access bei jeder Query-Antwort. Wenn die Richtlinie org_only ist, verwende nur zurückgegebene Organisations-Skills und falle niemals auf gebündelte oder öffentliche Live-Referenzen zurück. Wenn ein ausgewählter öffentlicher Skill lokal gebündelt ist, bleibt references/<slug>.md der Offline-Fallback. Während einer korrelierten Online-Abfrage bevorzuge den Live-get_skill-Aufruf, damit Remembrance aufgedeckte -> geöffnete beobachten und aktuelle Inhalte zurückgeben kann. Siehe „Spezialisierte Skills“ unten.
5. Wende alle zurückgegebenen effective_preferences durch das Geschwister preference_application an. Eine Präferenz kann zwischen bereits relevanten Skills innerhalb derselben Match-Stufe lenken oder eine diskretionäre Darstellung, einen Workflow oder eine Strategiewahl chirurgisch ändern. Sie ändert niemals die zugrunde liegende Relevanzevidenz, Stufe oder Anwendbarkeit. Erforderliche Organisationsanleitung ist maßgeblich; eine explizite Aufgaben- oder undurchsichtige Projektkontext-Präferenz hat Vorrang vor persönlichen und Skill-Standardeinstellungen nur, wenn sie nicht mit dieser Anleitung in Konflikt steht. Bewahre Sicherheit, Autorisierung, Privatsphäre, Anwendbarkeit, erforderliche Skill-Schritte, Validierung und Überprüfung. Wenn der Benutzer eine dauerhafte Arbeitspräferenz angibt, rufe record_preference auf: Built-Ins benötigen Schlüssel/Wert; eine andere Präferenz benötigt einen stabilen <Effekt>.<Konzept>-Schlüssel, stabilen Wert, kurzes Label, normalisiertes Verhalten, presentation|workflow|strategy_selection-Effekt, prefer|avoid-Stärke und Definitionsversion. Verwende scope: "auto", es sei denn, der Benutzer hat es explizit auf ein Projekt, einen Skill oder eine Domäne beschränkt. Sende nur redigierte Hashes, niemals rohen Prompt- oder Feedback-Text. Eine fehlende Principal-Sitzung bedeutet, dass persönliche Präferenzen nicht verfügbar sind, nicht dass die Abfrage fehlgeschlagen ist.
6. Verwende den ausgewählten Skill oder die Ressource. Wenn du delegierst, übergib seinen Slug, query_id und result_id an den Unteragenten; der Unteragent muss dieses Ergebnis öffnen oder seine eigene Vollkontext-Abfrage vor individueller Arbeit durchführen.
7. Nach sinnvoller Nutzung melde den Aufgabenabschluss oder -abbruch mit report_task_outcome. Remembrance akzeptiert ein terminales Ergebnis pro Abfrage oder direktem Aufruf; wiederhole denselben Bericht mit demselben Idempotenz-Schlüssel, anstatt ein anderes späteres Ergebnis einzureichen. Verwende nur Ergebnis-IDs aus task_outcome.eligible_result_ids. Jedes Ergebnis und Bündel trägt auch task_outcome_eligible; task_outcome.available ist nur true, wenn mindestens ein Ergebnis berechtigt ist. Ein Ergebnis-ID schreibt das Ergebnis diesem Ergebnis zu. Wenn zwei oder drei ausgewählte Abfrageergebnisse exakt mit einem zurückgegebenen Bündel übereinstimmen, füge dessen bundle_id ein, um das Ergebnis nur diesem Bündel zuzuschreiben. Andere Multi-Ergebnis-Kombinationen werden als Trichtertelemetrie ohne Beweis oder Kohortenzuordnung akzeptiert. Füge Erfolg, Latenz und detaillierte Token-Summen nur hinzu, wenn die Laufzeit sie offenlegt. Füge für Vercel AI Gateway-Arbeit jede gen_-Generierungs-ID in metering_reference ein; Remembrance ruft die autoritativen Datensätze asynchron ab, daher stellen Aufrufer-Summen niemals Proof-Vertrauen her. Füge niemals Prompts, Transkripte, Ausgaben, Quellpfade oder private URLs ein. Reiche dann schnelles Feedback mit derselben query_id und result_id ein; wenn die Feedback-Antwort next_step.submit_remembrance_payload enthält, reiche diese vollständige Erinnerung ein, wenn die Lektion zu wiederverwendbarer Evidenz werden soll. Wenn sie feedback_pattern_suggestion enthält, hat Remembrance bereits einen überprüfbaren Evidenzkandidaten erstellt; reiche keinen doppelten Vorschlag ein. Direkte Auswahlen verwenden nur Post-Use-Feedback und sind vom Query-Fit- und Reranker-Training ausgeschlossen.
8. Bevor du abschließt, überprüfe selbst beide Hälften der Schleife: Bestätige, dass eine relevante Abfrage tatsächlich stattgefunden hat, und überprüfe dann auf hochwertige Fehlerlektionen. Wenn die Abfrage verpasst wurde, führe sie aus dem vollständigen Gespräch durch, bevor du abschließt. Wenn ein High-Match aufgedeckt, aber nicht geöffnet wurde, öffne ihn jetzt oder sende Query-Feedback fit: "poor" mit einem expliziten Grund. Wenn du deinen eigenen Fehler bemerkt hast, der Benutzer einen bemerkt hat, CI/Deployment fehlgeschlagen ist, ein Sicherheitsproblem aufgetreten ist oder du einen Release/Versionierungsfehler behoben hast, reiche eine failure_report-Erinnerung ein, auch wenn kein Skill verwendet wurde. Native Plugins fordern einmalig einen ungeöffneten High-Match und wiederverwendbare Evidenz bei Abschluss an; Roh-MCP, REST und reine Skill-Installationen müssen diese Überprüfungen proaktiv durchführen.
9. Wenn kein geeigneter Skill existiert und die Abfrageantwort no_results.propose_skill_idea_payload enthält, verifiziere sie und wähle dann die Vorschlagsroute, indem du eine Frage stellst: Könnte dieser Inhalt als öffentlicher Kandidat schädlich oder unerwünscht sein? Wenn ja – alles, was aus einem Repository stammt oder organisationsspezifisch ist – verwende propose_private_skill, der unter keinem Credential-Status einen öffentlichen Kandidaten erstellen kann. Verwende propose_skill_idea nur, wenn ein öffentlicher Kandidat ein akzeptables Ergebnis ist: Ein aktiver Organisationsschlüssel hält ihn privat, während das absichtliche Weglassen eines Schlüssels einen ÖFFENTLICHEN Kandidaten erstellt. Ein bereitgestellter ungültiger/inaktiver Schlüssel schlägt mit 401 fehl und ein unzureichender Schlüssel mit 403; keiner dieser Fehler erstellt einen Kandidaten. Lies in der erfolgreichen Antwort die visibility (organization_private oder public_candidate) und gib an, wo der Kandidat ...

… [für die Übersetzung abgeschnitten]