O que mempalace faz?
Gerencie memórias de IA com um binário SQLite leve e local-first. Substitui dependências pesadas por uma ferramenta rápida e de arquivo único compatível com todos os clientes MCP.
Gerencie memórias de IA com um binário SQLite leve e local-first. Substitui dependências pesadas por uma ferramenta rápida e de arquivo único compatível com todos os clientes MCP.
O mempalace é uma habilidade para agentes de IA que gerencia memórias de forma leve e local, utilizando um binário SQLite de arquivo único. Diferente de soluções que dependem de bancos de dados ou serviços externos pesados, o mempalace oferece uma alternativa rápida e minimalista, armazenando informações diretamente no sistema de arquivos local. Isso o torna ideal para desenvolvedores que buscam privacidade, baixa latência e simplicidade em seus fluxos de trabalho com agentes de IA. Compatível com todos os clientes MCP (Model Context Protocol), a habilidade permite que o agente armazene, recupere e gerencie memórias de forma eficiente, sem a complexidade de infraestruturas adicionais. Sua natureza 'local-first' garante que os dados permaneçam sob controle do usuário, enquanto a interface via SQLite oferece familiaridade para quem já trabalha com bancos de dados embutidos. O mempalace é particularmente útil para cenários onde a velocidade e a independência de serviços em nuvem são cruciais, como em ferramentas de desenvolvimento, automação pessoal ou sistemas de conhecimento persistentes.
npx skills add adaxial-lineofscrimmage6998/mempalaceInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Gerencie memórias de IA com um binário SQLite leve e local-first. Substitui dependências pesadas por uma ferramenta rápida e de arquivo único compatível com todos os clientes MCP.
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.