Armazene gráficos de conhecimento persistentes para assistentes de codificação de IA usando uma configuração Docker local com busca híbrida e extração de entidades.
Esta skill, **allan-mcp-memory-code**, permite que assistentes de IA de codificação (como Claude Code, Cursor ou Codex) mantenham e consultem um gráfico de conhecimento persistente. Utilizando uma configuração local via Docker, ela combina busca híbrida (semântica e por palavras-chave) com extração automática de entidades. É ideal para projetos onde o contexto histórico e as relações entre código, dependências e decisões de design precisam ser preservados entre sessões, superando as limitações de memória de curto prazo dos LLMs. Suportada em qualquer plataforma que consuma ferramentas MCP, ela se conecta a um banco de dados vetorial e de grafos, permitindo que o assistente lembre-se de padrões arquiteturais, nomes de variáveis, funções e até decisões passadas dos desenvolvedores.
npx skills add gerrielxxvii307/allan-mcp-memory-codeInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Armazene gráficos de conhecimento persistentes para assistentes de codificação de IA usando uma configuração Docker local com busca híbrida e extração de entidades.
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.