Erstelle eine KI-Speicherdatenbank für Agenten mit einer in Rust geschriebenen Storage-Engine, optimiert für LLM-Daten und schnelle Abfragen.
mentedb ist eine spezialisierte Speicherdatenbank, die für KI-Agenten entwickelt wurde und auf einer leistungsstarken, in Rust implementierten Storage-Engine basiert. Die Datenbank ist speziell für die effiziente Speicherung und den schnellen Abruf von Large Language Model (LLM) Daten optimiert, einschließlich Vektoreinbettungen, Konversationsverläufen und Metadaten. Sie bietet eine schnelle und zuverlässige Lösung, um das Gedächtnis von KI-Agenten zu verwalten, sodass diese Kontext aus früheren Interaktionen abrufen und langfristige Aufgaben ausführen können. mentedb ist ideal für Entwickler, die mit Agent-Frameworks wie Claude Code, Cursor oder Codex arbeiten und eine robuste, lokal ausführbare Datenbank für KI-Erinnerungen benötigen.
npx skills add viviannenitrogenous100/mentedbInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Erstelle eine KI-Speicherdatenbank für Agenten mit einer in Rust geschriebenen Storage-Engine, optimiert für LLM-Daten und schnelle Abfragen.
Quelle: https://github.com/viviannenitrogenous100/mentedb
Entdeckt während der täglichen awesomeskills.dev Agenten-Skill-Jagd.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.