neural-memory

Neural Memory to umiejętność dla agentów AI, która przechowuje doświadczenia jako powiązane neurony i przywołuje je poprzez aktywację rozprzestrzeniającą się. Zamiast tracić kontekst między sesjami, zapisujesz decyzje, błędy, wzorce i preferencje w strukturze asocjacyjnej. Każda nowa sesja może odwołać się do przeszłych faktów i nauczonych lekcji, co czyni agenta bardziej inteligentnym i spójnym w długoterminowych projektach.

1. Na początku nowej sesji lub gdy zadanie odnosi się do wcześniejszej pracy, użyj komendy przywołania: nmem_recall("kontekst projektu") lub nmem_recall(" "). To pobierze powiązane wspomnienia z poprzednich sesji.

2. Po ukończeniu każdego zadania, jeśli podjąłeś decyzję, naprawiłeś błąd, odkryłeś wzorzec lub nauczyłeś się preferencji użytkownika, zapisz to za pomocą: nmem_remember(content="Wybrałem X zamiast Y, ponieważ Z", type="decision", priority=7, tags=["projekt", "temat"]). Używaj języka przyczynowego, maksymalnie 1-3 zdania.

3. Dla notatek tymczasowych, kontekstu debugowania lub rozumowania, które nie powinno być trwałe, użyj flagi ephemeral=true: nmem_remember(content="...", ephemeral=true). Takie wpisy wygasają automatycznie po 24 godzinach.

4. Wybierz odpowiedni typ pamięci w zależności od zawartości: "fact" dla stabilnej wiedzy, "error" dla błędów i ich przyczyn, "workflow" dla kroków procesu, "preference" dla preferencji użytkownika, "instruction" dla reguł do przestrzegania.

5. Na koniec sesji uruchom przetwarzanie: nmem_auto(action="process", text="krótkie podsumowanie"). To konsoliduje wspomnienia i przygotowuje je do następnej sesji.

6. Jeśli chcesz zaoszczędzić tokeny, dodaj parametr compact=true do dowolnej komendy — zmniejszy to zużycie o 60-80 procent.