Rechercher

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 installations selon la source☆ 0 Étoiles du dépôt

Installation

Suivez les instructions du dépôt pour votre agent. Consultez les fichiers et dépendances avant l’installation.

SkillHub CLI

skillhub install dragonjar/engramclaw

Examinez la source et la compatibilité, puis suivez les étapes d’installation.

Donnez le lien à votre agent et demandez-lui d’examiner instructions et dépendances avant d’expliquer les étapes.

Voir la source ↗Guides

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...

Informations sur la source

Source
github
Repository
openclaw/skills
Path
skills/dragonjar/engramclaw
Version
—
Commit
faf0cebbef78a34e4e7becd1e88068d2d1f5d7a0
Source de classification
rules
Statut
active
Visibilité
public

Ces informations proviennent de l’analyse indexée et peuvent être anciennes. Vérifiez les fichiers actuels.

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...

Contenu extrait

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...

Skills associés

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.