vector-memory
HNSW vector search for pattern similarity retrieval and knowledge graph maintenance with PageRank scoring, community detection, and 3-tier memory management.
Quellinformationen
- Repository
- a5c-ai/babysitter
- Letzte Quellaktivität
- 1. Juni 2026 um 07:46
- Erkannte Sprache von SKILL.md
- Englisch
- Sterne
- 1.832
- Forks
- 113
Installationsoptionen
Standardmäßig ist der Prompt ausgewählt, der zuerst die Quelle prüft. Sie können zu einem direkten Befehl wechseln oder eine lokale Kopie herunterladen.
Quelldateien prüfen
Lesen Sie SKILL.md und alle von SkillsMP angezeigten Begleitdateien, bevor Sie sich für eine Installation entscheiden.
Datei-Explorer
2 DateienSKILL.md wird angezeigt
SKILL.md
Quellanweisungen · Schreibgeschützte Vorschau- name
- vector-memory
- description
- HNSW vector search for pattern similarity retrieval and knowledge graph maintenance with PageRank scoring, community detection, and 3-tier memory management.
- allowed-tools
- Read, Write, Edit, Bash, Grep, Glob, WebFetch, WebSearch, Agent, AskUserQuestion
- graph
- {"domains":["domain:software-engineering"],"skillAreas":["skill-area:agentic-loops","skill-area:orchestration-loop"],"workflows":["workflow:feature-development"],"topics":["topic:developer-experience"],"roles":["role:tech-lead","role:backend-engineer"]}
- Building and querying knowledge graphs for project context
- Managing cross-session memory across project/local/user scopes
- Fast similarity search for routing decisions
## HNSW Performance
- Search latency: ~61 microseconds
- Query throughput: ~16,400 QPS
- Configurable embedding dimensions (default: 128)
## Knowledge Graph
- **PageRank**: Importance scoring for knowledge nodes
- **Community Detection**: Cluster related patterns
- **LRU Cache**: Fast access to frequently used patterns
- **SQLite Backing**: Persistent cross-session storage
## 3-Tier Memory
| Scope | Persistence | Content |
|-------|------------|---------|
| Project | Codebase-level | Patterns, architecture decisions, dependencies |
| Local | Session-level | Context, adaptations, temporary patterns |
| User | Cross-project | Preferences, learned behaviors, global patterns |
## Agents Used
- `agents/optimizer/` - Memory and cache optimization
## Tool Use
Invoke via babysitter process: `methodologies/ruflo/ruflo-intelligence`
Auf GitHub ansehen