TopRank Skills

Official OpenClaw rules 54%

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.

Stars

0

Installs

0

Status

ACTIVE

Visibility

PUBLIC

安装方式

直接复制以下提示词,发送给你的 AI 助手即可完成安装。

请先检查是否已安装 SkillHub 商店,若未安装,请根据 https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/skillhub.md 安装 SkillHub 商店,然后安装 engram 技能。 若已安装,则直接安装 engram 技能。

Overview

Skill Key
dragonjar/engramclaw
Author
dragonjar
Source Repo
openclaw/skills
Version
-
Source Path
skills/dragonjar/engramclaw
Latest Commit SHA
faf0cebbef78a34e4e7becd1e88068d2d1f5d7a0

Extracted Content

SKILL.md excerpt

# 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 excerpt

# 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 Claw Skills