Skip to content

LeandroBenjaminL/lend-ai / skills/engram-memory-system

engram-memory-system

Verified

Trigger: When you need to save, consult, classify, or organize memory in Engram. Skill global de gestion de memoria — clasifica, organiza y decide el mejor sistema de almacenamiento para cada tipo de conocimiento en Engram.

Sistema de Memoria Engram

Carga esta skill cuando estes por guardar o consultar memoria en Engram.

[REGLAS] REGLA DE ORO

Guardá SIN PREGUNTAR. No le preguntes al usuario "¿guardo esto?". Guardalo. Siempre.

Si no estás seguro del proyecto, pensalo 2 segundos. Si aún así no sabés, preguntá. Pero no preguntes "¿lo guardo?", preguntá "¿en qué proyecto?".

AUTO-READ (OBLIGATORIO al iniciar sesión)

Antes de cualquier acción, ejecutá en paralelo:

  1. mem_context → últimas sesiones, contexto fresco
  2. mem_search topic_key:preference/* scope:personal → preferencias del user
  3. mem_search topic_key:skill/mini/* → mini-skills del proyecto
  4. mem_search topic_key:pattern/* → patrones del proyecto

Propósito: que cada sesión arranque sabiendo quién es el user, qué le gusta, qué mini-skills están disponibles, y qué patrones aplican.

Jerarquía de topic_key (carpetas virtuales)

topic_key = <area>/<subarea>
CarpetaPara quéEjemplo
architecture/infraServidores, redes, Tailscale, VPNsarchitecture/infra
architecture/dataPipelines, ETL, DB schemaarchitecture/data
architecture/frontendComponentes, estado, routingarchitecture/frontend
architecture/systemEcosistema, agentes, skills, SDDarchitecture/system
architecture/databaseSQL, esquemas, migracionesarchitecture/database
bugfix/pythonErrores en código Pythonbugfix/python
bugfix/infraErrores de infraestructurabugfix/infra
bugfix/configErrores de configuraciónbugfix/config
bugfix/toolErrores de herramientas/MCPsbugfix/tool
pattern/pythonPatrones de Pythonpattern/python
pattern/gitPatrones de git y PRspattern/git
pattern/workflowPatrones de flujo de trabajopattern/workflow
pattern/architecturePatrones arquitectónicospattern/architecture
skill/mini/<name>Mini-skills (micro-patrones reutilizables)skill/mini/commit-format
discovery/toolDescubrimientos sobre herramientasdiscovery/tool
discovery/workflowDescubrimientos sobre procesosdiscovery/workflow
discovery/ecosystemDescubrimientos sobre el ecosistemadiscovery/ecosystem
config/mcpConfiguraciones de MCPsconfig/mcp
config/environmentVariables de entorno, setupconfig/environment
config/toolConfiguraciones de herramientasconfig/tool
config/systemConfig del ecosistemaconfig/system
decision/architectureDecisiones arquitectónicasdecision/architecture
decision/toolDecisiones sobre herramientasdecision/tool
decision/workflowDecisiones sobre flujodecision/workflow
learning/languageAprendizaje de lenguajeslearning/language
learning/toolAprendizaje de herramientaslearning/tool
learning/domainAprendizaje de dominioslearning/domain
preference/workflowCómo le gusta trabajar al usuariopreference/workflow
preference/tech-stackTecnologías que prefierepreference/tech-stack
preference/communicationCómo le gusta que le hablenpreference/communication
preference/generalOtras preferenciaspreference/general

Guardado automático (sin preguntar)

Cuándotypetopic_keyscope
Cambiaste configuraciónconfigconfig/<area>project
Encontraste y fixeaste un bugbugfixbugfix/<area>project
Tomaste una decisión con tradeoffsdecisiondecision/<area>project
Descubriste algo no obviodiscoverydiscovery/<area>project
Identificaste un patrón reusablepatternpattern/<area>project
Aprendiste algo del usuariouser_preferencepreference/<area>personal
Definiste arquitecturaarchitecturearchitecture/<area>project
Terminaste una sesiónsession_summary—project
Aprendizaje generallearninglearning/<area>project

Perfil del usuario (crece solo)

Cuando descubras algo nuevo del usuario (cómo trabaja, qué prefiere, qué no le gusta):

  1. Guardalo como user_preference con scope personal
  2. Usá topic_key preference/<area> (ej: preference/communication, preference/tech-stack)
  3. Si ya existe una entrada con ese topic_key, se actualiza sola (upsert)
  4. No preguntes — guardalo y seguí

Formato del contenido

**What**: [qué pasó, una línea]
**Why**: [por qué, qué problema resolvía]
**Where**: [archivos/componentes afectados, o la fuente del aprendizaje]
**Learned**: [gotchas, edge cases, decisiones no obvias — omitir si no aplica]

Árbol de tipos

¿Qué tipo de información es?
│
├── architecture → decisiones de alto nivel sobre estructura
│   → topic_key: architecture/<area>
│   → scope: project
│
├── bugfix → bugs con causa raíz y solución
│   → topic_key: bugfix/<area>
│   → scope: project
│
├── pattern → patrones reutilizables, convenciones
│   → topic_key: pattern/<area>
│   → scope: project
│
├── config → configuraciones, setup, instalaciones
│   → topic_key: config/<area>
│   → scope: project
│
├── discovery → gotchas, edge cases, aprendizajes no obvios
│   → topic_key: discovery/<area>
│   → scope: project
│
├── decision → elecciones con tradeoffs documentados
│   → topic_key: decision/<area>
│   → scope: project
│
├── learning → aprendizajes generales
│   → topic_key: learning/<area>
│   → scope: project
│
├── user_preference → todo sobre el usuario
│   → topic_key: preference/<area>
│   → scope: personal (SIEMPRE)
│
└── session_summary → resumen al finalizar sesión
    → usar mem_session_summary, NO mem_save
    → scope: project

Reglas de scope

ScopeCuándo usarlo
projectCódigo, arquitectura, bugs, config, skills del proyecto actual
personalTODO lo que sea del usuario: preferencias, forma de trabajar, gustos

LEND Workflow (modo auto-save)

1. DETECTAR

Antes de actuar, consultar Engram: mem_context para contexto reciente, mem_search para decisiones previas. Detectar si el evento actual merece guardado.

2. CLASIFICAR

Usar el árbol de tipos para elegir type, topic_key y scope. Si evoluciona en el tiempo → topic_key para upsert automático.

3. GUARDAR (sin preguntar — REGLA DE ORO)

mem_save con What/Why/Where/Learned. No preguntes "¿guardo esto?". Guardalo.

4. VERIFICAR + AUTO-EVOLUCIÓN

Confirmar que quedó guardado. Si hay conflictos con confianza > 0.7 → mem_judge automático. Si confianza < 0.7 → preguntar al user.

Auto-evolución del sistema de memoria

El sistema de memoria NO es estático. Evoluciona solo:

Detección de patrones

  • Si un mismo topic_key se actualiza 3+ veces → considerar crear una skill dedicada
  • Si un patrón de bugfix se repite → proponer test o guardia automática
  • Si una preferencia del user aparece 2+ veces → consolidar en el perfil

Mini-skills evolution

  • Un skill/mini/<name> se usa 1-2 veces → sigue siendo mini
  • Se usa 3+ veces → considerar skill formal en skills/<name>/SKILL.md
  • Se vuelve crítico → agregarlo a opencode.json skills del agente correspondiente

Crecimiento autónomo

  • Cada 5 sesiones: el growth-engine revisa patrones en Engram y propone nuevas skills
  • Si un discovery se vuelve recurrente → convertirlo en pattern
  • Si un pattern se vuelve estándar → proponer skill formal
  • Las mini-skills viejas (>5 sesiones sin uso) → archivar o eliminar

Frescura de la memoria

  • mem_context al iniciar sesión (siempre)
  • mem_search antes de decisiones importantes
  • Si una memoria tiene >10 sesiones de antigüedad y no se consultó → consolidar o archivar
  • No borrar memorias viejas automáticamente — pero priorizar las frescas en context

Cuando NO guardar

  • Cada comando que ejecutaste (no es un log)
  • Trivialidades (instalaciones de paquetes obvias)
  • Info que ya esta en el codigo (para eso esta el repo)
  • Lo mismo dos veces (usa topic_key para upsert)

Cuando consultar (antes de actuar)

  • Al empezar sesion: mem_context + mem_search topic_key:preference/* + mem_search topic_key:skill/mini/* + mem_search topic_key:pattern/*
  • Antes de decisiones importantes: mem_search "tema"
  • Cuando un error parece conocido: mem_search type:bugfix
  • Cuando no recordas una preferencia: mem_search scope:personal topic_key:preference/*
  • Antes de crear algo nuevo: ver si ya hay patrones similares o mini-skills aplicables
reverse-engineer-anythingmorluto/reaReverse engineer native, managed, Electron/JavaScript, packaged, firmware, and browser targets with REA, and build agent environments (AgentEnv bundles) of web applications from a live instance or a capture, and of Linux desktop apps with a task from a request. Use shipped-artifact or requested runtime evidence to explain features, compare versions, decompile code, or guide a reconstruction. Skip REA for ordinary source-repository architecture analysis.Stars: 468kUpdated Claude CodeCodexUnverifiedInstall
diagnosing-superpowersobra/superpowersUse when a superpowers session went wrong and your human partner wants to know why — repeated work, ignored plans, stumbles, poor results, a skill that didn't fire, "it took too long", "why is it so expensive", "what is it doing" — or wants to build a bug report for the superpowers maintainers, for the current session or a past one identified by id or path, on any harness.Stars: 319kUpdated Claude CodeCodexVerifiedInstall
dispatching-parallel-agentsobra/superpowersUse when facing 2+ independent tasks that can be worked on without shared state or sequential dependenciesStars: 319kUpdated Claude CodeCodexVerifiedInstall
executing-plansobra/superpowersUse when executing an implementation plan in the current session as the implementer yourself — your human partner chose inline execution, or no subagent tool is availableStars: 319kUpdated Claude CodeCodexVerifiedInstall