coni555/CONI-skill

Coleção de Skills para Claude Code / Codex criada pessoalmente pela coni

O que é CONI-skill?

O Memory Engine é uma camada de aprimoramento para o sistema de memória manual, projetado para ser usado com agentes de IA como Claude Code e Codex. Ele não substitui o comportamento automático de memória existente, mas adiciona estrutura, consciência de orçamento de tokens e um ponto de verificação de consolidação no final da sessão. A filosofia central é 'sugerir, nunca salvar automaticamente' — o ser humano decide o que vale a pena manter. O skill organiza a memória em cinco tipos (usuário, feedback, projeto, referência, decisão) e fornece um fluxo detalhado em fases para captura, manutenção e consolidação de memórias, incluindo deduplicação, estimativa de custo de tokens e uma verificação de sete dimensões para identificar insights reutilizáveis entre sessões. Ele suporta tanto o gatilho principal baseado em prompt quanto um gatilho de fallback baseado em stop hook, garantindo que a consolidação ocorra mesmo quando o usuário sai da sessão abruptamente.

Funciona com✓Claude Code✓Codex CLI~Cursor
npx skills add coni555/CONI-skill

Installed? Explore more Produtividade e Colaboração skills: steipete/gemini, steipete/gh-issues, steipete/skill-creator · View all 6 →

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Memory Engine

Camada de aprimoramento para o sistema de memória manual. Este skill não substitui o comportamento automático de memória existente — ele adiciona estrutura, consciência de orçamento e um ponto de verificação no final da sessão sobre ele.

Filosofia central: sugerir, nunca salvar automaticamente. O ser humano decide o que vale a pena manter.

Diretório de Memória

Todos os arquivos de memória residem em ~/.claude/projects/-Users-coni/memory/. Arquivo de índice: MEMORY.md (sempre carregado, ponteiros puros, sem conteúdo).

Fase 1: Captura de Memória

Ao salvar qualquer memória (seja acionada por você ou pelo ponto de verificação da sessão), siga este fluxo sempre:

Passo 1 — Classificar

Cinco tipos. Escolha o que se encaixa:

TipoO que capturaSinais
userIdentidade, preferências, valores, conhecimento"Eu sou...", "Eu prefiro...", mudanças de personalidade
feedbackComo trabalhar com o usuário — correções E confirmações"Não faça isso", "Isso mesmo", abordagem validada
projectContexto de trabalho ativo, prazos, metas"Estamos fazendo X até quinta-feira", marco atingido
referenceConhecimento externo, configurações de ferramentas, ponteirosNova ferramenta descoberta, API configurada
decisionPor que X foi escolhido em vez de Y"Escolheu X em vez de Y", comparação de trade-offs, decisões arquiteturais

Para o tipo decision: leia references/decision-type-spec.md para o esquema de frontmatter e estrutura do corpo (Contexto → Opções → Decisão → Revisitar Quando).

Passo 2 — Deduplicar

Antes de escrever, escaneie o índice MEMORY.md em busca de entradas sobrepostas:

  • Mesmo tópico já coberto? → Atualize o arquivo existente, não crie um novo
  • Sobreposição com uma regra do CLAUDE.md? → Não salve (a regra é autoritativa)
  • Detalhe de tarefa efêmera? → Não salve (git log / código é a fonte da verdade)

Aplique todas as regras de feedback-memory-hygiene.md — elas permanecem autoritativas.

Passo 3 — Estimar Custo de Tokens

Calcule: tamanho_do_arquivo / 3.2 (inteiro, arredondado para baixo). Isso fornece uma aproximação razoável para conteúdo misto CJK/Inglês sem dependências externas.

Passo 4 — Escrever

  1. Crie o arquivo de memória com frontmatter YAML (nome, descrição, tipo)
  2. Atualize o índice MEMORY.md — adicione entrada sob o título de seção correto
  3. Acrescente a estimativa de tokens: `~NNNNtk` no final da linha do índice

Exemplo de linha de índice:

- [decision-deploy-cloudflare.md](decision-deploy-cloudflare.md) — Deploy doméstico escolheu CF Pages não Vercel `~280tk`

O que NÃO Salvar

Estas regras são inegociáveis (de memória-higiene + sistema de memória automática):

  • Padrões de código, arquitetura, caminhos de arquivo — deriváveis do código
  • Histórico Git, mudanças recentes — git log é autoritativo
  • Soluções de debug — a correção está no código
  • Qualquer coisa já em CLAUDE.md ou ~/cc-personal/rules/
  • Estado de tarefa efêmera — útil apenas na sessão atual
  • Instantâneos de status do projeto — leia do código e do git

Fase 2: Manutenção de Memória

/memory-check

Execute o script de auditoria e apresente os resultados:

bash ~/.claude/skills/memory-engine/scripts/memory-health-check.sh

O script gera um relatório estruturado cobrindo:

  • Orçamento: total de tokens vs limite de 40.000tk (20% do contexto de 200K)
  • Distribuição por tipo: contagem e tokens por tipo
  • Top 5 por tamanho: maiores arquivos consumindo mais orçamento
  • Problemas: arquivos obsoletos (>30 dias), órfãos, links quebrados, tipos vazios, avisos de orçamento

Após apresentar o relatório, sugira ações específicas para cada problema encontrado:

ProblemaAção
OBSOLETO"Revisar ou arquivar: {arquivo} — ainda relevante?"
ÓRFÃO"Adicionar ao índice MEMORY.md, ou excluir se obsoleto"
LINK QUEBRADO"Remover de MEMORY.md, ou recriar o arquivo"
SEM ENTRADASInformativo — nem todos os tipos precisam de entradas em todos os momentos
AVISO DE ORÇAMENTO"Maiores arquivos: ... — considere compactar ou dividir"

Após resolver os problemas, atualize o comentário de orçamento no MEMORY.md:

<!-- budget: ~NNNNtk / 40000tk (NN%) | updated: YYYY-MM-DD -->

Formato de Anotação de Token

Cada entrada do índice MEMORY.md carrega um sufixo de estimativa de token:

- [arquivo.md](arquivo.md) — descrição `~NNNNtk`

O comentário de orçamento fica no topo de MEMORY.md (antes do título). É um comentário HTML — invisível no Markdown renderizado, analisável por scripts.

Fase 3: Ponto de Verificação de Consolidação em Sete Dimensões

Gatilho (Dupla Proteção)

Gatilho principal — Baseado em prompt (regra CLAUDE.md): Ao perceber os seguintes sinais na conversa, execute ativamente a varredura de sete dimensões:

  • Chamadas de ferramenta densas (>15 chamadas de ferramenta)
  • Conclusão de uma saída substancial (código, análise, solução)
  • Mudança grande de tópico
  • Usuário diz explicitamente "sedimentar", "revisar", "resumir"

Gatilho de fallback — Stop hook (settings.json): consolidation-trigger.sh é executado sempre que o agente para, rastreando o número de paradas e o intervalo de tempo. Quando o número de paradas ≥ 20 e o tempo desde o último gatilho ≥ 30 minutos, gera um prompt de varredura de sete dimensões. Arquivo de estado: ~/.claude/projects/-Users-coni/memory/.consolidate-state

Varredura em Sete Dimensões

Varra a conversa atual linha por linha, determinando se cada dimensão foi acertada:

#DimensãoSinal de AcertoTipo de Memória Correspondente
1Fechamento de TarefaUma tarefa completa desde a solicitação até a entregaproject (marco)
2Atualização do CLAUDE.mdDescobriu novas regras de comportamento geraisEscrever diretamente em CLAUDE.md
3Sedimentação de RegrasDescobriu regras relacionadas a domínio/ferramenta/tipo de arquivoEscrever em ~/cc-personal/rules/
4Decisão ArquiteturalFez escolha não óbvia de ferramenta, solução técnica, estratégia de deploydecision
5Marco do ProjetoStatus do projeto avançou substancialmente (lançamento, publicação, funcionalidade chave concluída)project
6Calibração de ColaboraçãoUsuário corrigiu uma prática ou confirmou uma prática não óbviafeedback
7Análise de Alto ValorProduziu estrutura de análise, insight ou modelo reutilizável entre sessõesreference ou user

Fluxo de Execução

Varrer 7 dimensões → Contar acertos
  Acertos 0-1 → Pular silenciosamente
  Acertos 2+  → Gerar sugestão de checkpoint

Regras

  • Aplique estritamente a lista "O que NÃO Salvar" — sem exceções no momento do checkpoint
  • Verifique as entradas existentes em MEMORY.md antes de sugerir — sem duplicatas
  • Máximo de 3 candidatos por checkpoint — qualidade sobre quantidade
  • Se nada se qualificar, não produza saída (pulo silencioso, sem sugestões forçadas)
  • Nunca escreva arquivos durante o checkpoint — apenas apresente candidatos para aprovação do usuário
  • Cada candidato deve anotar o número da dimensão acertada

Formato de Saída

[Checkpoint de Sedimentação] Esta conversa acertou 3/7 dimensões (④⑥⑦), sugestão de sedimentação:

1. [decision] ④ Escolha do esquema de gatilho duplo Stop hook + prompt, em vez de apenas hook — hook não percebe semântica da conversa
2. [feedback] ⑥ Usuário confirmou: o núcleo do volante é o gatilho automático, não a classificação de memória
3. [reference] ⑦ Estrutura de vitalidade do sujeito: modelo de alocação de tempo/esforço para três sujeitos (pessoa/empresa/AI)

Salvar quais? Responda com os números (ex.: 1,2), ou "pular" para pular.

Quando o usuário confirmar os números, execute o fluxo de salvamento da Fase 1 para cada item selecionado. Quando o usuário disser "pular" ou equivalente, não faça nada.

Armadilhas

  • Não atualize o comentário de orçamento do MEMORY.md a cada salvamento — apenas durante /memory-check. Atualizações frequentes quebram o cache e adicionam ruído aos diffs do git.
  • Estimativas de token são aproximações — não as trate como exatas. O método /3.2 tem ~90% de precisão para conteúdo misto CJK/EN, o que é bom o suficiente para consciência de orçamento.
  • Tipo decision é para escolhas não triviais — "usei vim em vez de nano" não é uma decisão que vale a pena salvar. Reserve para escolhas que afetam sessões futuras.
  • Stop hook é um fallback, não o principal — se o usuário sair com Ctrl+C, o hook não dispara. A varredura ativa é o motor do volante.
  • A varredura ativa não deve interromper o fluxo do usuário — dispare nos intervalos entre tarefas (conclusão de fase, mudança de tópico), não insira no meio da execução.

Habilidades Relacionadas