O que Mem faz?
🧠 Construa memória conversacional híbrida e persistente usando SQLite, busca em texto completo e similaridade vetorial com resolução de conflitos para assistentes de IA.
🧠 Construa memória conversacional híbrida e persistente usando SQLite, busca em texto completo e similaridade vetorial com resolução de conflitos para assistentes de IA.
Lilily58/Mem é uma skill para agentes de IA que implementa um sistema de memória conversacional híbrida e persistente. Utiliza SQLite para armazenamento local, índice de busca em texto completo (FTS) para recuperação eficiente de informações textuais, e vetores de similaridade (embeddings) para entender contexto semântico. Inclui mecanismos de resolução de conflitos para quando múltiplas memórias competem por relevância. Suporta plataformas como Claude Code, Cursor e Codex. A skill é útil para manter contexto de longo prazo em conversas, permitindo que assistentes lembrem de interações anteriores, evitem repetições e forneçam respostas mais coerentes. O processo envolve a extração automática de fatos e relacionamentos das conversas, armazenando-os no SQLite, e utilizando FTS e busca vetorial para recuperar memórias relevantes quando necessário.
npx skills add Lilily58/MemInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
🧠 Construa memória conversacional híbrida e persistente usando SQLite, busca em texto completo e similaridade vetorial com resolução de conflitos para assistentes de IA.
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.