program-ai-memory-retrieval

<!-- ai-memory-managed: routing-skill --> # ai-memory Retrieval & Discovery Esta skill orienta o processo de leitura e consulta ao sistema de memória de longo prazo [ai-memory](https://github.com/akitaonrails/ai-memory), permitindo que agentes resgatem contexto prévio, decisões arquiteturais, armadilhas técnicas (*gotchas*) e diretrizes consolidadas antes de propor mudanças no código. --- ## 🧰 Ferramentas deste Cluster - `memory_query`: Busca na wiki do projeto atual por decisões prévias, regras, procedimentos e anotações. Combina FTS5, casamento de entidades e ranking por autoridade de fontes. - `memory_recent`: Lista as páginas mais recentemente atualizadas para uma checagem rápida de atividades do projeto. - `memory_read_page`: Carrega o corpo completo de uma página específica após um resultado de busca ou acesso por caminho exato. - `memory_read_session_observations`: Lê as observações brutas capturadas por hooks em uma sessão (prompts, ferramentas, saídas). - `memory_status`: Relata o estado de saúde, contagem de observações e tamanho da base de conhecimento. - `memory_briefing`: Retorna um snapshot estruturado (sem chamada LLM) com métricas de 7d/30d, regras e páginas recentes. - `memory_explore`: Gera um resumo discursivo calibrado pelo tempo de inatividade para ambientação rápida. --- ## 🎯 Escopo de Projeto e Repositório Ao utilizar clientes estáticos ou quando não houver marcador de sessão herdado: - Se houver um `.ai-memory.toml` na raiz do subprojeto/repositório, utilize o `workspace` e `project` declarados nele. - Para consultas abrangentes entre múltiplos projetos da máquina, utilize `global: true` no `memory_query` (sem especificar `workspace` ou `project`). - Páginas expiradas por TTL são excluídas por padrão; inclua `include_expired: true` apenas quando o usuário solicitar explicitamente auditoria histórica. --- ## 🔍 Diretrizes de Consulta Eficiente 1. **Antes de Propor Arquiteturas ou Refatorações**: - Sempre faça uma busca preliminar com `memory_query` para verificar se a decisão técnica já foi discutida ou se há um ADR registrado. 2. **Trechos de Busca vs. Conteúdo Integral**: - A ferramenta `memory_query` retorna *snippets* (trechos destacados). Se o título ou caminho da página for relevante (ex.: `decisions/*`, `_rules/*`, `gotchas/*`), use `memory_read_page` para ler o documento na íntegra. 3. **Avaliação Crítica de Evidências**: - Trate o conteúdo resgatado da memória como histórico valioso, porém sempre valide com o estado atual do repositório e com as instruções atuais do usuário. 4. **Feedback de Utilidade**: - Quando uma página consultada for extremamente útil ou se estiver obsoleta/incorreta, acione `memory_feedback` com os sinais `helpful`, `stale` ou `wrong` para enriquecer a curadoria contínua da memória.