Communitygithub.com

Personalisation Memory

Maintient une réécriture automatique de la personnalisation à partir des trajectoires d’agent, des journaux, des artefacts sidecar et des préférences utilisateur récurrentes. À utiliser lorsqu’une tâche produit des préférences réutilisables, des leçons, de la mémoire utilisateur privée, des contrats de projet ou des règles de compétence publiques candidates, sans interrompre l’utilisateur.

Qu'est-ce que Personalisation Memory ?

Cette compétence transforme automatiquement les interactions répétées en préférences durables, sans nécessiter que l’agent principal interrompe l’utilisateur à chaque mise à jour de mémoire. Elle est conçue comme la couche de réécriture qui rend le système plus personnalisé au fil du temps, en s’appuyant sur les journaux de trajectoire, les artefacts sidecar et les retours explicites de l’utilisateur. Elle prend en charge des plateformes comme Claude Code, Codex, Cursor et d’autres agents, et suit un processus de promotion en plusieurs étapes : observation → candidat → préférence → contrat de projet → règle de compétence publique candidate. Sa documentation (SKILL.md) définit un répertoire structuré avec des références de politique de réécriture et des gabarits, et fournit un flux de travail clair pour collecter les entrées, lancer une analyse à faible coût, classifier les candidats, appliquer des seuils de confiance et écrire dans la couche appropriée (mémoire privée, mémoire de projet, artefacts locaux ou règles de compétence publiques).

Compatible avec✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/NeverSight/learn-skills.dev/tree/HEAD/data/skills-md/a-green-hand-jack/ml-research-skills/personalization-memory

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait Personalisation Memory ?

Transformez les traces d’interaction répétées en préférences durables sans obliger l’agent principal à s’arrêter et à demander à l’utilisateur chaque mise à jour de mémoire. Cette compétence constitue la couche de réécriture qui permet au système de devenir plus personnel au fil du temps.

Structure du répertoire de la compétence

<dossier-compétence-installée>/
├── SKILL.md
├── references/
│   ├── trajectory-scanner.md
│   └── writeback-policy.md
└── templates/
    └── preference-ledger.md

Contrat fondamental

  • Ne demandez pas à l’utilisateur simplement pour décider si une préférence courante doit être mémorisée.
  • Préférez une analyse sidecar à faible coût pour la synthèse à partir des journaux, trajectoires, diffs, sorties sidecar, bundles de revue et mémoire de projet.
  • Ne copiez jamais de conversations privées brutes, de journaux bruts, d’identifiants, de chemins locaux uniquement ou de messages de collaborateurs dans la mémoire publique du dépôt.
  • Stockez la plus petite leçon réutilisable, pas l’épisode entier.
  • Traitez la personnalisation comme une échelle de promotion : observation -> candidat -> préférence -> contrat de projet -> candidate règle de compétence réutilisable.
  • Les modifications publiques de compétence nécessitent la même validation normale du dépôt, le même commit, push et réinstallation que les autres modifications de compétence.

Quand l’utiliser

Utilisez cette compétence quand :

  • l’utilisateur indique qu’un flux de travail doit être personnalisé, automatique, mémorisé ou appris à partir des trajectoires
  • l’agent remarque des préférences répétées telles que « ne me demande pas », « commit/push d’abord », « utilise la compilation Overleaf », « préfère les captures d’écran/paquets de pages », « utilise sidecar pour les analyses à faible risque »
  • une autre compétence termine un travail significatif et il y a des leçons réutilisables sur le flux de travail, l’écriture, les figures, LaTeX, Git, la revue ou le calcul
  • les journaux de trajectoire de Codex ou Claude Code doivent être scannés pour en faire des préférences candidates
  • la mémoire de projet doit séparer les faits utilisateur privés des contrats de projet partagés et des règles de compétence publiques

Associez avec sidecar-task-runner pour l’analyse à faible coût et avec research-project-memory lorsque des conclusions acceptées au niveau projet doivent mettre à jour memory/.

Chargement progressif

  • Lisez references/writeback-policy.md avant de décider où attribuer une préférence.
  • Lisez references/trajectory-scanner.md avant de lancer une analyse sidecar sur les journaux, trajectoires, artefacts sidecar ou l’historique du dépôt.
  • Utilisez templates/preference-ledger.md lorsqu’un projet ne dispose pas de registre de préférences.

Flux de travail

  1. Collectez les entrées d’artefacts. Privilégiez les artefacts nettoyés : memory/, git diff récent, .agent/sidecars/*/decision.md, .agent/code-reviews/*/fix-log.md, .agent/layout-issues/*/manifest.md, l’état .agent/ du document/code, et les préférences explicites de l’utilisateur dans le résumé de la tâche en cours.
  2. Lancez une analyse à faible coût quand c’est utile. Utilisez sidecar-task-runner avec le préréglage personalization-scanner pour les analyses d’historique ou de trajectoire non triviales. Le scanner produit des candidats ; il ne doit pas modifier directement la mémoire.
  3. Classez chaque candidat. Attribuez une portée : private-user, project, public-skill-candidate ou discard. Attribuez un type : workflow, writing, layout, figure-style, code-review, git, compute, toolchain ou collaboration.
  4. Appliquez des seuils de confiance. Un seul épisode observé peut devenir une leçon. Des épisodes répétés ou une formulation explicite de l’utilisateur peuvent devenir une préférence. Les contrats de projet nécessitent des preuves propres au projet. Les règles de compétence publiques nécessitent l’intention d’un mainteneur ou des preuves répétées entre projets.
  5. Écrivez dans la bonne couche. Utilisez le routage de references/writeback-policy.md. Écrivez des entrées courtes avec la date, l’artefact source, la confiance et la portée cible.
  6. Rapportez uniquement le résumé utile. Indiquez à l’utilisateur ce qui a été mémorisé ou quels candidats ont été différés. Ne demandez pas de confirmation sauf si l’étape suivante publierait une politique privée ou publique.

Cibles par défaut

  • Préférences utilisateur privées : zone mémoire privée de l’agent en cours, comme ~/.codex/memories/, en particulier pour les faits de poste de travail, les alias d’outils, les chemins locaux, le style d’interaction préféré et les paramètres par défaut du flux de travail personnel.
  • Préférences de projet : memory/, paper/.agent/, code/.agent/ ou slides/.agent/, en particulier pour les contrats partagés par tous les agents du projet.
  • Artefacts d’analyse locaux : .agent/sidecars/<task-id>/ ou .agent/personalization/<run-id>/ ; gardez-les non suivis sauf s’ils sont nettoyés et intentionnellement commités.
  • Règles de compétence réutilisables publiques : skills/<nom-de-compétence>/SKILL.md ou skills/<nom-de-compétence>/references/ uniquement lors d’une tâche explicite de maintenance de compétence.

Enregistrement candidat

Utilisez des enregistrements concis :

- Préférence : <un comportement réutilisable>
- Portée : private-user | project | public-skill-candidate | discard
- Type : workflow | writing | layout | figure-style | code-review | git | compute | toolchain | collaboration
- Preuve : <chemin d’artefact ou déclaration utilisateur résumée>
- Confiance : observed | repeated | user-stated | inferred
- Cible : <fichier mémoire ou fichier de compétence>
- Action : write | defer | promote | reject

Règles de sécurité

  • Ne stockez pas le texte brut de trajectoire privé lorsqu’une règle dérivée suffit.
  • N’intégrez pas de commentaires spécifiques à un collaborateur, de transcriptions vocales, de captures d’écran ou de chemins de fichiers locaux dans les compétences publiques.
  • Ne laissez pas un sidecar écrire la mémoire publique finale sans la revue de l’agent principal.
  • Si un candidat entre en conflit avec une mémoire existante, marquez-le comme candidate et laissez une courte note plutôt que d’écraser l’ancienne règle.
  • Si une préférence modifie le comportement externe (push, tag, release, soumission de travaux, publication de problèmes), enregistrez la préférence mais maintenez la validation humaine existante.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

NeverSight/learn-skills.dev

Use when generating or modifying Remotion video code, creating demo videos, or working with the demo-video/ directory

NeverSight/learn-skills.dev

Create AI avatar and talking head videos via inference.sh CLI. Recommended: P-Video-Avatar (fastest, cheapest, built-in TTS). Also: OmniHuman, Fabric, PixVerse. Audio: Inworld TTS-2 (100+ languages, emotion steering for characters), ElevenLabs, Kokoro. Capabilities: audio-driven avatars, text-to-avatar, lipsync videos, talking head generation, virtual presenters, UGC content. Use for: AI presenters, explainer videos, virtual influencers, dubbing, marketing videos, UGC ads, gaming avatars, NPC dialogue. Triggers: ai avatar, talking head, lipsync, avatar video, virtual presenter, ai spokesperson, audio driven video, heygen alternative, synthesia alternative, talking avatar, lip sync, video avatar, ai presenter, digital human, ugc, ugc video, ugc ad, avatar ugc

NeverSight/learn-skills.dev

Create AI marketing videos for ads, promos, product launches, and brand content. Models: Veo, Seedance, Wan, FLUX for visuals, Kokoro for voiceover. Types: product demos, testimonials, explainers, social ads, brand videos. Use for: Facebook ads, YouTube ads, product launches, brand awareness. Triggers: marketing video, ad video, promo video, commercial, brand video, product video, explainer video, ad creative, video ad, facebook ad video, youtube ad, instagram ad, tiktok ad, promotional video, launch video

NeverSight/learn-skills.dev

Generate AI videos with Google Veo, Seedance 2.0, HappyHorse, Wan, Grok and 40+ models via inference.sh CLI. Models: Veo 3.1, Veo 3, Seedance 2.0, HappyHorse 1.0, Wan 2.5, Grok Imagine Video, OmniHuman, Fabric, HunyuanVideo. Capabilities: text-to-video, image-to-video, reference-to-video, video editing, lipsync, avatar animation, video upscaling, foley sound. Use for: social media videos, marketing content, explainer videos, product demos, AI avatars. Triggers: video generation, ai video, text to video, image to video, veo, animate image, video from image, ai animation, video generator, generate video, t2v, i2v, ai video maker, create video with ai, runway alternative, pika alternative, sora alternative, kling alternative, seedance, happyhorse

NeverSight/learn-skills.dev

ElevenLabs automatic dubbing - translate and dub audio/video into 29 languages while preserving speaker voice via inference.sh CLI. Capabilities: auto speaker detection, voice-preserving translation, video dubbing, audio localization. Use for: content localization, video translation, multilingual content, international distribution. Triggers: dubbing, dub video, translate audio, video translation, audio translation, localize content, elevenlabs dubbing, eleven labs dub, multilingual dub, voice translation, auto dub, language dub, content localization

NeverSight/learn-skills.dev

Explainer video production guide: scripting, voiceover, visuals, and assembly. Covers script formulas, pacing rules, scene planning, and multi-tool pipelines. Use for: product demos, how-it-works videos, onboarding videos, social explainers. Triggers: explainer video, how to make explainer, product video, demo video, video production, video script, animated explainer, product demo video, tutorial video, onboarding video, walkthrough video, video pipeline

NeverSight/learn-skills.dev

Still-to-video conversion guide: model selection, motion prompting, and camera movement. Covers Wan 2.5 i2v, Seedance, Fabric, Grok Video with when to use each. Use for: animating images, creating video from stills, adding motion, product animations. Triggers: image to video, i2v, animate image, still to video, add motion to image, image animation, photo to video, animate still, wan i2v, image2video, bring image to life, animate photo, motion from image

NeverSight/learn-skills.dev

Generate talking head avatar videos with Pruna P-Video-Avatar via inference.sh CLI. Turn a portrait image into a realistic speaking video with built-in TTS. 18x faster and 6x cheaper than competitors. Models: P-Video-Avatar, P-Image (for portrait generation). Capabilities: text-to-avatar, audio-driven avatars, 30 voices, 10 languages, 720p/1080p, built-in TTS, dynamic backgrounds, full-body control. Use for: AI presenters, product demos, explainer videos, virtual influencers, marketing, education, multilingual content, UGC, gaming avatars. Triggers: avatar video, talking head, ai avatar, p-video-avatar, pruna avatar, video avatar, ai presenter, digital human, virtual presenter, lipsync, talking avatar, ai spokesperson, heygen alternative, synthesia alternative, veed alternative, fabric alternative, omnihuman alternative

NeverSight/learn-skills.dev

Generate videos with Pruna P-Video and WAN models via inference.sh CLI. Models: P-Video, WAN-T2V, WAN-I2V. Capabilities: text-to-video, image-to-video, audio support, 720p/1080p, fast inference. Pruna optimizes models for speed without quality loss. Triggers: pruna video, p-video, pruna ai video, fast video generation, optimized video, wan t2v, wan i2v, economic video generation, cheap video generation, pruna text to video, pruna image to video

NeverSight/learn-skills.dev

Render videos from React/Remotion component code via inference.sh. Pass TSX code, get MP4. Supports all Remotion APIs: useCurrentFrame, useVideoConfig, spring, interpolate, AbsoluteFill, Sequence. Configurable resolution, FPS, duration, codec. Use for: programmatic video generation, animated graphics, motion design, data-driven videos, React animations to video. Triggers: remotion, render video from code, tsx to video, react video, programmatic video, remotion render, code to video, animated video, motion graphics code, react animation video

NeverSight/learn-skills.dev

Video ad creation with exact platform-specific specs for TikTok, Instagram, YouTube, Facebook, LinkedIn. Covers dimensions, duration limits, AIDA framework, and caption requirements. Use for: video ads, social media ads, paid media creative, video marketing, ad production. Triggers: video ad, social media ad, tiktok ad, instagram ad, youtube ad, facebook ad, linkedin ad, video creative, ad specs, paid media, video marketing, ad production, reels ad, stories ad, pre roll, bumper ad

NeverSight/learn-skills.dev

Best practices and techniques for writing effective AI video generation prompts. Covers: Veo, Seedance, Wan, Grok, Kling, Runway, Pika, Sora prompting strategies. Learn: shot types, camera movements, lighting, pacing, style keywords, negative prompts. Use for: improving video quality, getting consistent results, professional video prompts. Triggers: video prompt, how to prompt video, veo prompts, video generation tips, better ai video, video prompt engineering, video prompt guide, video prompt template, ai video tips, video prompt best practices, video prompt examples, cinematography prompts

NeverSight/learn-skills.dev

YouTube thumbnail design with specific dimensions, contrast rules, and mobile preview optimization. Covers safe zones, text placement, face expression psychology, and A/B testing. Use for: YouTube thumbnails, video cover images, click-through optimization. Triggers: youtube thumbnail, thumbnail design, video thumbnail, click through rate, ctr optimization, youtube cover, video cover image, thumbnail maker, thumbnail tips, youtube design, video preview image

NeverSight/learn-skills.dev

Landing page conversion optimization with layout rules, hero section design, and CTA psychology. Covers above-the-fold formula, social proof placement, mobile design, and F-pattern reading. Use for: startup landing pages, product pages, SaaS marketing, conversion optimization. Triggers: landing page, hero section, above the fold, conversion optimization, landing page design, cta button, hero image, landing page layout, saas landing page, product page design, conversion rate, landing page best practices

NeverSight/learn-skills.dev

Configure and use the hosted YouTube Data MCP end-to-end with minimal user input. Use when users want the agent to verify Node.js and `npx`, configure MCP server config (Windows/macOS, Cursor/Codex/OpenClaw/OpenCode), request API key at setup time, run post-install capability discovery (`tools/list` and `get_patch_notes`), and then strongly recommend helper skill and Python setup for full local document and spreadsheet workflows.

NeverSight/learn-skills.dev

Creates 120fps GPU-accelerated animations with Motion.dev (Framer Motion successor) for React, Next.js, Svelte, and Astro projects. Use when user requests animation, motion, scroll effects, parallax, hero animations, gestures, drag interactions, spring physics, whileHover effects, whileInView animations, animated UI, micro-interactions, page transitions, or layout animations. Generates production TypeScript/JSX code with accessibility (prefers-reduced-motion) and performance validation (≥60fps). Supports entrance animations, gesture interactions (hover/tap/drag), scroll-based reveals, and layout transitions using spring physics and natural timing. Do NOT use for CSS-only transitions (use native CSS), static sites without JavaScript, Vue animations (use motion-v variant instead), or SVG/Canvas complex animations (GSAP better suited).

NeverSight/learn-skills.dev

Static artifact craft skill for self-contained HTML/CSS/JS documents: docs, sheets, dashboards, explainers, slides, tools, and landing pages. Use when the user asks for a durable, openable, shareable web deliverable they'll keep or hand off — a report, a dashboard, a slide deck, a data table, a page. Local folder first, temporary public link via tunnel (localhost.run), optional durable publish to Surge, GitHub Pages, or Cloudflare. Not for quick look renders, inline snippets, or throwaway scratch. Not for SPA frameworks, backend APIs, database apps, or production product UI.

NeverSight/learn-skills.dev

FFmpeg commands for video/audio conversion, trimming, compression, and processing. Use when user mentions "ffmpeg", "convert video", "compress video", "extract audio", "trim video", "gif from video", "video codec", "transcode", "screen recording", "merge videos", "video to mp4", "reduce file size", or any media processing task.

NeverSight/learn-skills.dev

Vim keybindings, motions, text objects, and operators for efficient text editing. Use when user asks about "vim commands", "vim motions", "text objects", "vim keybindings", "vim cheat sheet", "learn vim", "vim in VS Code", or any Vim editing tasks.

NeverSight/learn-skills.dev

Grok Build ONLY. Turn a 2D character still into smooth animation sprites via image_gen/image_edit base → image_to_video (6s/10s run-in-place) → ffmpeg frames → magenta chroma-key → dense sampled sprites (strip/grid/GIF). Use when the user wants video-to-sprite, motion capture from generated video, smoother run/walk cycles from dense frames, or runs /video2dsprite. Do NOT use on Codex/Claude — only Grok Build has image_to_video. Prefer generate2dsprite for crisp pixel sheets without video.

Skills associés