Communitygithub.com

VRIL-LABS/portable-agent-memory

🧠 Ein fortschrittliches und portables Agentenspeichersystem, das für den Einsatz mit jedem Agenten optimiert ist und Entwicklern hilft, die Qualität ihres Codes zu verbessern. Kann als ergänzendes oder eigenständiges Speichersystem verwendet werden.

Was ist portable-agent-memory?

Dieses Skill bietet eine portable Speicherschicht für KI-Agenten, die projektspezifisches Gedächtnis in `<project_root>/memories/` ablegt und über das Skript `scripts/memory <cmd>` gesteuert wird. Es ist als zusätzliche, dateibasierte Schicht konzipiert, die neben anderen Speichermechanismen existieren kann. Seit Version 1.1.0 wird bei der Initialisierung eine versteckte SQLite-Datenbank (`.memsys-db` mit FTS5-Index) erstellt, die als durchsuchbarer Index dient, während die Markdown-Dateien stets die Quelle der Wahrheit bleiben. Der Workflow umfasst die Schritte Erfassen → Abrufen → Schlussfolgern → Reflektieren → Ausführen → Verpacken, und die Ausgabe erfolgt stets im JSON-Format, sodass der Zustand durch erneutes Lesen bestätigt werden kann. Das Skill ist besonders nützlich für Entwickler, die eine strukturierte und reproduzierbare Speicherverwaltung in Agenten-Anwendungen benötigen, und wird durch umfassende Referenzdokumente wie Protokoll, Layout und Beispiele ergänzt.

Funktioniert mit✓Claude Code~Codex CLI✓Cursor✓Gemini CLI✓Windsurf
npx skills add VRIL-LABS/portable-agent-memory

In Ihrer bevorzugten KI fragen

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

Dokumentation

Speichersystem

Die Persistenzeebene dieses Skills für projektspezifisches Gedächtnis befindet sich unter <project_root>/memories/ und wird über scripts/memory <cmd> gesteuert (gestützt durch references/memory_tool, die deterministische Quelle der Wahrheit für diese Ebene — ändern Sie nie deren Ausgabe und implementieren Sie sie nicht neu). Es wird nicht angenommen, dass der Host keinen anderen Speichermechanismus besitzt; falls einer existiert, behandeln Sie diesen als zusätzliche, dateibasierte Schicht daneben. Stdout ist JSON; führen Sie ein erneutes read aus, um den Zustand auf der Festplatte zu bestätigen.

Seit 1.1.0 erstellt init auch ein verstecktes <project_root>/.memsys-db (SQLite + FTS5, journal_mode=DELETE, eine Datei, kein -wal/-shm) — die regenerierbare Index- und Suchebene. Markdown bleibt die Quelle der Wahrheit.

Beginnen Sie hier, in dieser Reihenfolge:

  1. references/protocol.md — der vollständige Workflow von Erfassen → Abrufen → Schlussfolgern → Reflektieren → Ausführen → Verpacken, einschließlich Befehle und Schnellstart-Aufrufe.
  2. references/layout.md — Speicherlayout und was für eine bestimmte Abfrage geladen werden soll.
  3. references/when-to-save.md — Klassifizierung: Skill vs. Index vs. Thema vs. Ablehnen, sowie Routing von Skills vs. Speicher.
  4. references/constitution.md — harte Regeln (niemals Secret-Scan überspringen, niemals 200 Zeilen überschreiten, niemals außerhalb von memories/ schreiben, niemals via bash aufzählen, niemals WAL für das Journal verwenden).
  5. references/memsys-db.md — der .memsys-db-Journalvertrag: Schema, search/reindex/forget und warum die Datenbank nie über Markdown gestellt wird.
  6. references/examples.md — ausgearbeitete Beispiele: Happy Path, Secret-Ablehnung, Wiederherstellung nach Überschreiben.

Überprüfen Sie die Installation mit scripts/memory selftest vor der ersten Nutzung.

Verwandte Skills