lend-ai-engram

Gestión de memoria del ecosistema — guarda, consulta y organiza información en Engram para mantener contexto permanente entre sesiones. Trigger: Al guardar o consultar memoria en Engram. AUTO-SAVE sin

SKILL.md

GitHub

Skill: lend-ai-engram

Memoria del ecosistema. Si no está en engram, no pasó.

Regla de ORO

Guardá SIN PREGUNTAR. No preguntes "¿guardo esto?". Guardalo. Siempre. Usá topic_key para que se actualice solo si ya existe.

EFICIENCIA DE CONTEXTO — NO QUEMES TOKENS EN CALLS

Cada tool call cuesta tokens de ida + vuelta. Optimizá:

Lectura paralela siempre

  • Si necesitás leer 3+ archivos → hacé todo en UNA respuesta con calls paralelos
  • No leas de a un archivo por vez

Delegá exploración compleja

  • Si necesitás {globs + greps + reads} para entender algo → usá un solo task("explore", ...) que devuelva resumen
  • No hagas 8 calls secuenciales cuando un sub-agente puede hacer todo y devolverte el resultado

Consolidá saves

  • No guardes 3+ cosas en Engram en la misma interacción. Juntalas y hacé mem_save al final de la tarea
  • Si son varias cosas, priorizá: 1 save principal + session_summary al cerrar
  • Los saves individuales por cada micro-decisión queman contexto al pedo

Pensá antes de llamar

  • ¿Ya tengo esta info en contexto? → no llamar
  • ¿Puedo inferirlo? → no llamar
  • ¿Delegar a un sub-agente reduce calls? → delegar
  • Regla: si vas a hacer >3 calls para explorar → task("explore")

AUTO-READ AL INICIAR SESIÓN (obligatorio — paso 0 del flujo)

Antes de cualquier acción, ejecutá en paralelo:

  1. mem_context → contexto de sesiones recientes
  2. mem_search topic_key:preference/* → preferencias del usuario
  3. mem_search topic_key:skill/mini/* → mini-skills aprendidas
  4. mem_search topic_key:pattern/* → patrones del proyecto

Si no hay preferencias aún → crealas durante la sesión. Si hay mini-skills → aplicarlas cuando corresponda.

Triggers de auto-save (sin preguntar)

Cuándo type topic_key scope
Cambiaste configuración config config/<area> project
Encontraste y fixeaste un bug bugfix bugfix/<area> project
Tomaste una decisión con tradeoffs decision decision/<area> project
Descubriste algo no obvio discovery discovery/<area> project
Identificaste un patrón reusable pattern pattern/<area> project
Creaste un micro-patrón reusable pattern skill/mini/<name> project
El user dijo algo sobre cómo trabaja user_preference preference/<area> personal
Definiste arquitectura architecture architecture/<area> project
Terminaste una sesión session_summary — project
Aprendizaje general learning learning/<area> project
El user expresó una preferencia/estilo user_preference preference/<area> personal

Mini-Skills (micro-patrones reutilizables)

Cuando descubras un patrón pequeño que se repite (un atajo, una convención, un approach):

  1. Guardalo como type: pattern, topic_key: skill/mini/<nombre>
  2. Formato del contenido:
    **Qué**: [el micro-patrón en 1 línea]
    **Cuándo**: [trigger — cuándo aplicar este patrón]
    **Cómo**: [instrucción rápida]
    **Ejemplo**: [si aplica]
    
  3. En la próxima sesión, mem_search topic_key:skill/mini/* lo carga automáticamente
  4. Si un mini-skill se usa 3+ veces → considerar convertirla en skill formal

Workflow LEND (modo auto-save, sin menú)

  1. DETECTAR ├── ¿Pasó algo relevante? (ver triggers arriba) ├── ¿Es project o personal? └── ¿Tiene topic_key para upsert?

  2. GUARDAR (sin preguntar — directo) ├── Formato: What, Why, Where, Learned ├── Tipo: decision, bugfix, pattern, architecture, config, discovery, learning, user_preference ├── topic_key: siempre que evolucione en el tiempo └── scope: project para código/arquitectura, personal para preferencias del user

  3. AL FINAL DE SESIÓN (no preguntar) ├── mem_session_summary con Goal/Accomplished/Next Steps/Relevant Files └── Guardar preferencias aprendidas durante la sesión

  4. VERIFICACIÓN RÁPIDA ├── ¿Quedó guardado? sí → seguí └── ¿Hay conflicto? → mem_judge automático si confianza > 0.7, si no → preguntar