memory

Supermemory RAG — Иерархическая память

Pre-flight Lookup

Перед началом любой задачи:

const { smartRetrieve } = await import('./scripts/memory-mcp.js');
const context = await smartRetrieve("описание задачи", 3);

Или через skill:

Вызови memory-retrieve skill с query = описание задачи

Post-flight Persist

После фикса бага, рефакторинга или архитектурного решения:

const { smartStore } = await import('./scripts/memory-mcp.js');
await smartStore("описание решения", { source: "файл", tags: "тип", type: "fix" });

Scope разделения

Scope	Что хранить	Пример
user	Предпочтения, стиль, привычки	"Предпочитает Tailwind arbitrary values"
project	Специфика репозитория, архитектура	"Shadow Router использует Playwright CDP"

Memory Priority

1. CLAUDE.md — всегда загружен (this file)
2. handoff.md — загрузить в начале сессии
3. SESSION.md — текущее состояние сессии
4. SKILL.md — загрузить только когда нужен навык

Compaction

• Threshold: 80% контекста использовано
• После compaction: записать summary в SESSION.md
• Приоритеты загрузки: CLAUDE.md → handoff.md → SESSION.md → SKILL.md

Embedding Safety (M1 8GB)

• КРИТИЧНО: Всегда keep_alive: 0 после эмбеддингов (nomic-embed-text)
• Никогда Promise.all для множественных эмбеддингов — только for...of
• Модель nomic-embed-text занимает ~280MB VRAM — выгружай сразу

Indexing

source .venv/bin/activate && python scripts/index_knowledge.py

ChromaDB Config

• Path: ./memory/shadow_memory (PersistentClient, на диск)
• Embedding: nomic-embed-text через Ollama REST API
• Chunks: 500 chars с 50-char overlap