Search

PythonReactSEOPDF
OpenClaw

engram

Sistema de memoria persistente para agentes IA. Usa mem_save después de bugfixes, decisiones, descubrimientos, cambios de config. Usa mem_search cuando el usuario menciona "remember"/"recordar" o al empezar trabajo que se solapa con sesiones previas. Usa mem_session_summary antes de terminar sesiones para preservar contexto.

dragonjar0 source installs☆ 0 Repository stars

Installation

Follow the repository instructions for this skill and your agent. Review the files and dependencies before adding it to your workflow.

SkillHub CLI

skillhub install dragonjar/engramclaw

Inspect the source and compatibility requirements, then follow its installation steps.

Give your agent the source link and ask it to inspect instructions and dependencies before explaining the installation steps.

View source ↗Guides

Skill instructions

Engram - Memoria Persistente para Agentes IA

Engram te da memoria persistente entre sesiones. Recuerdas bugfixes, decisiones de arquitectura, patrones y descubrimientos de conversaciones previas.

⚠️ IMPORTANTE: Mecanismo de Activación

NO es automático como cron job → Requiere decisión ACTIVA del agente.

✅ Cuándo el agente LLAMA a Engram:
Momento Herramienta Razón
INICIO de sesión mem_context Recuperar trabajo previo
Después de trabajo significativo mem_save Guardar descubrimientos
Usuario dice "recuerda"/"recordar" mem_search Buscar en memoria
Empezando trabajo similar mem_search Verificar si ya se hizo
FIN de sesión mem_session_summary Preservar contexto
Después de compactación de contexto mem_context Recuperar estado
❌ Cuándo el agente NO llama a Engram:
  • Cada mensaje del usuario (ruido)
  • Heartbeats (gasta tokens innecesariamente)
  • Crons en background (no es el propósito)
  • Tool calls triviales (no vale la pena guardarlo)
🤖 Decisión del Agente:

El agente evalúa el contexto y decide:

  • ¿Fue trabajo significativo? → Guardar
  • ¿Aprendí algo importante? → Guardar
  • ¿Cambio de configuración crítico? → Guardar
  • ¿Fue trivial? → No guardar

NO esperes a que te pidan guardar → Decide proactivamente.


⚙️ Prerrequisitos

Este skill requiere dos binarios instalados:

Herramienta Propósito Repositorio
MCPorter Cliente MCP para ejecutar herramientas steipete/mcporter
Engram Backend de memoria persistente Gentleman-Programming/engram
Instalar MCPorter

macOS / Linux (Homebrew):

brew tap steipete/tap
brew install steipete/tap/mcporter

Todas las plataformas (npm):

# Sin instalación (para probar)
np...

Source information

Source
github
Repository
openclaw/skills
Path
skills/dragonjar/engramclaw
Version
—
Commit
faf0cebbef78a34e4e7becd1e88068d2d1f5d7a0
Classification source
rules
Status
active
Visibility
public

These signals come from indexed source analysis and may lag behind changes. Check the current source files.

README

EngramClaw 🧠

Skill para OpenClaw Engram

Skill de OpenClaw que integra Engram - sistema de memoria persistente para agentes IA.

¿Qué hace?

Permite que los agentes recuerden entre sesiones:

  • Bugfixes y cómo se resolvieron
  • Decisiones de arquitectura
  • Patrones descubiertos y gotchas
  • Configuraciones importantes

Instalación

Prerrequisitos

Este skill requiere dos binarios:

Herramienta Propósito Repo
MCPorter Cliente MCP steipete/mcporter
Engram Backend de memoria Gentleman-Programming/engram
Paso 1: Instalar MCPorter

macOS / Linux:

brew tap steipete/tap
brew install steipete/tap/mcporter

Todas las plataformas (npm):

npm install -g mcporter

Windows (binario): Descargar de GitHub Releases

Paso 2: Instalar Engram

macOS / Linux:

brew install gentleman-programming/tap/engram

Windows: Descargar de GitHub Releases y agregar al PATH

Paso 3: Conectar
mcporter config add engram --stdio "engram mcp"
mcporter list engram  # Debe mostrar 13 herramientas

Quick Start

# Inicio de sesión - recuperar contexto
mcporter call engram.mem_context project="mi-proyecto"

# Guardar un bugfix
mcporter call engram.mem_save \
  title="Query N+1 corregido" \
  type="bugfix" \
  project="mi-proyecto" \
  content='**Qué**: Agregué eager loading
**Por qué**: Performance degradado con 100+ registros
**Dónde**: src/services/users.ts
**Aprendido**: ORM requiere Preload() explícito'

# Buscar en memoria
mcporter c...

Extracted content

SKILL.md
# Engram - Memoria Persistente para Agentes IA

Engram te da memoria persistente entre sesiones. Recuerdas bugfixes, decisiones de arquitectura, patrones y descubrimientos de conversaciones previas.

## ⚠️ IMPORTANTE: Mecanismo de Activación

**NO es automático como cron job** → Requiere decisión ACTIVA del agente.

### ✅ Cuándo el agente LLAMA a Engram:

| Momento | Herramienta | Razón |
|---------|-------------|-------|
| **INICIO de sesión** | `mem_context` | Recuperar trabajo previo |
| **Después de trabajo significativo** | `mem_save` | Guardar descubrimientos |
| **Usuario dice "recuerda"/"recordar"** | `mem_search` | Buscar en memoria |
| **Empezando trabajo similar** | `mem_search` | Verificar si ya se hizo |
| **FIN de sesión** | `mem_session_summary` | Preservar contexto |
| **Después de compactación de contexto** | `mem_context` | Recuperar estado |

### ❌ Cuándo el agente NO llama a Engram:

- Cada mensaje del usuario (ruido)
- Heartbeats (gasta tokens innecesariamente)
- Crons en background (no es el propósito)
- Tool calls triviales (no vale la pena guardarlo)

### 🤖 Decisión del Agente:

El agente evalúa el contexto y decide:
- **¿Fue trabajo significativo?** → Guardar
- **¿Aprendí algo importante?** → Guardar
- **¿Cambio de configuración crítico?** → Guardar
- **¿Fue trivial?** → No guardar

**NO esperes a que te pidan guardar** → Decide proactivamente.

---

## ⚙️ Prerrequisitos

Este skill requiere dos binarios instalados:

| Herramienta | Propósito | Repositorio |
|-------------|-----------|-------------|
| **MCPorter** | Cliente MCP para ejecutar herramientas | [steipete/mcporter](https://github.com/steipete/mcporter) |
| **Engram** | Backend de memoria persistente | [Gentleman-Programming/engram](https://github.com/Gentleman-Programming/engram) |

### Instalar MCPorter

**macOS / Linux (Homebrew):**
```bash
brew tap steipete/tap
brew install steipete/tap/mcporter
```

**Todas las plataformas (npm):**
```bash
# Sin instalación (para probar)
np...
README
# EngramClaw 🧠

[![Skill para OpenClaw](https://img.shields.io/badge/OpenClaw-Skill-blue)](https://github.com/gentleman-programming/openclaw)
[![Engram](https://img.shields.io/badge/Engram-MCP-green)](https://github.com/Gentleman-Programming/engram)

Skill de OpenClaw que integra **Engram** - sistema de memoria persistente para agentes IA.

## ¿Qué hace?

Permite que los agentes recuerden entre sesiones:
- Bugfixes y cómo se resolvieron
- Decisiones de arquitectura
- Patrones descubiertos y gotchas
- Configuraciones importantes

## Instalación

### Prerrequisitos

Este skill requiere dos binarios:

| Herramienta | Propósito | Repo |
|-------------|-----------|------|
| **MCPorter** | Cliente MCP | [steipete/mcporter](https://github.com/steipete/mcporter) |
| **Engram** | Backend de memoria | [Gentleman-Programming/engram](https://github.com/Gentleman-Programming/engram) |

### Paso 1: Instalar MCPorter

**macOS / Linux:**
```bash
brew tap steipete/tap
brew install steipete/tap/mcporter
```

**Todas las plataformas (npm):**
```bash
npm install -g mcporter
```

**Windows (binario):** Descargar de [GitHub Releases](https://github.com/steipete/mcporter/releases)

### Paso 2: Instalar Engram

**macOS / Linux:**
```bash
brew install gentleman-programming/tap/engram
```

**Windows:** Descargar de [GitHub Releases](https://github.com/Gentleman-Programming/engram/releases) y agregar al PATH

### Paso 3: Conectar

```bash
mcporter config add engram --stdio "engram mcp"
mcporter list engram  # Debe mostrar 13 herramientas
```

## Quick Start

```bash
# Inicio de sesión - recuperar contexto
mcporter call engram.mem_context project="mi-proyecto"

# Guardar un bugfix
mcporter call engram.mem_save \
  title="Query N+1 corregido" \
  type="bugfix" \
  project="mi-proyecto" \
  content='**Qué**: Agregué eager loading
**Por qué**: Performance degradado con 100+ registros
**Dónde**: src/services/users.ts
**Aprendido**: ORM requiere Preload() explícito'

# Buscar en memoria
mcporter c...

Related skills

OpenClaw

ai-maestro

23blocks-os

AI Agent Orchestrator with Skills System - Give AI Agents superpowers: memory search, code graph queries, agent-to-agent messaging. Manage Claude, Codex or any AI Agent from one dashboard. Move Agents between c...

OpenClaw

registry-broker-skills

hashgraph-online

AI agent skills for the Universal Registry - search, chat, and register 72,000+ agents across 14+ protocols. Works with Claude, Codex, Cursor, OpenClaw, and any AI assistant.

OpenClaw

skills-manager

rito-w

A cross-platform skills manager for AI IDEs. Search marketplace, download locally, and install to Claude, Cursor, Windsurf, and more with one click.