Toddyland/personal-ai-memory

Armazene e gerencie seu histórico de bate-papo com IA localmente para melhorar o contexto e manter a privacidade com uma extensão segura de geração aumentada por recuperação.

O que é personal-ai-memory?

Esta skill permite que agentes de IA armazenem e recuperem históricos de conversas anteriores diretamente no dispositivo do usuário, eliminando a necessidade de enviar dados sensíveis para servidores externos. Ela implementa um mecanismo de recuperação aumentada por geração (RAG) local, onde o histórico de chat é indexado e consultado para fornecer contexto relevante durante interações futuras. Suporta plataformas como Claude Code, Cursor e Codex, e é ideal para desenvolvedores que precisam manter continuidade em projetos ou sessões de suporte sem comprometer a privacidade. A skill utiliza embeddings locais e um banco de dados vetorial para busca eficiente, garantindo que apenas informações pertinentes sejam injetadas no prompt do modelo.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add Toddyland/personal-ai-memory

Installed? Explore more Programação e Desenvolvimento skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

Perguntar na sua IA favorita

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

Documentação

O que personal-ai-memory faz?

Armazene e gerencie seu histórico de bate-papo com IA localmente para melhorar o contexto e manter a privacidade com uma extensão segura de geração aumentada por recuperação.

Visão Geral

Esta habilidade permite que seu agente de IA lembre de conversas anteriores armazenando o histórico de chat em um banco de dados vetorial local. Quando você faz uma nova pergunta, a skill recupera partes relevantes do histórico passado e as injeta no contexto atual, sem enviar dados para servidores externos.

Como Funciona

  1. Armazenamento Local: Todo o histórico de chat é salvo em um banco de dados vetorial no seu dispositivo.
  2. Indexação: As mensagens são convertidas em embeddings usando um modelo local leve.
  3. Recuperação: Quando uma nova consulta é feita, embeddings similares são recuperados e adicionados ao prompt do modelo.
  4. Injeção de Contexto: O modelo recebe partes relevantes do histórico para melhorar a relevância das respostas.

Plataformas Suportadas

  • Claude Code
  • Cursor
  • Codex

Requisitos

  • Python 3.8+
  • Bibliotecas: chromadb, sentence-transformers, openai (opcional)

Configuração

  1. Instale as dependências:
pip install chromadb sentence-transformers
  1. Configure variáveis de ambiente (opcional):
export PERSONAL_AI_MEMORY_PATH="/caminho/para/banco-de-dados"

Uso

from personal_ai_memory import PersonalMemory

memoria = PersonalMemory()
memoria.store("mensagem do usuário", "resposta do assistente")
contexto = memoria.retrieve("consulta relevante")

Como Contribuir

Contribuições são bem-vindas! Siga as diretrizes no repositório oficial.

Licença

MIT

Habilidades Relacionadas