recuerda

name

recuerda

description

Recupera información del histórico del operador (decisiones, eventos, estados de proyectos, contexto de sesiones pasadas) y responde citando la fuente. Se activa ante preguntas sobre el pasado — "¿qué decidimos sobre...", "¿por qué...", "¿cuándo...", "qué pasó con...", "recuérdame..." — o el comando /recuerda. Responde SOLO con lo que encuentra en memoria, citando archivo y fecha; si no lo encuentra, lo dice sin inventar. NO usar para conocimiento general ni para entender el código actual (eso es otra skill / CodeGraph).

recuerda — recall de memoria local

Recall sobre el histórico markdown del operador, indexado localmente (SQLite + FTS5, sin servicios externos). Capa base por keyword para todos; capa semántica opt-in.

Cuándo se invoca

• Preguntas sobre el pasado: decisiones, por qués, fechas, estado de un proyecto, "qué pasó con X".
• /recuerda <pregunta>.
• NO para conocimiento general, ni para el código del proyecto actual.

Process

Paso 1 · Tier 0 — ¿ya está en contexto?

Antes de buscar nada, revisa lo ya cargado: context/working-memory.md, el daily summary y lo leído en esta sesión. Si la respuesta está ahí → respóndela citando la fuente. Cero búsqueda.

Paso 2 · Recall (capa base, FTS5)

Si no está en contexto, ejecuta desde la raíz del repo:

python3 scripts/memory-index/ingest.py --query "{pregunta del usuario}"

Hace un ingest incremental rápido (se salta lo que no cambió) y devuelve top-5 chunks con source_path, score (BM25, más negativo = más relevante), date, section y un preview.

• Si dice "no se encontraron archivos" o el .db no existe → el índice no está creado. Ofrece crearlo: python3 scripts/memory-index/ingest.py (sin --query).
• Si Python/yaml no están disponibles → degrada a grep -ri "<términos clave>" sobre las rutas de scripts/memory-index/corpus.yaml. Nunca te quedes sin responder por un fallo técnico.

Paso 3 · Juzgar relevancia (CRÍTICO — no inventar)

Lee los previews. Decide si alguno responde de verdad la pregunta:

• Si SÍ → compón la respuesta con esos chunks. Si el preview no basta, abre el archivo fuente con Read en la sección indicada.
• Si NINGUNO responde (hay coincidencia de palabras pero no contienen la respuesta concreta) → di "No lo tengo registrado en memoria." y, si procede, ofrece añadirlo al working-memory. NUNCA inventes el dato (coherente con la regla no-inventar-datos).

Juzga por el CONTENIDO, no solo por el score. Scores flojos y dispersos suelen indicar que no hay respuesta real.

Paso 4 · Responder con fuente

[Respuesta concreta y directa].
📄 Fuente: `<source_path>` · <fecha>

Si combinas varias fuentes, cítalas todas. Conciso.

Capa semántica (opt-in)

Si el operador la activó (pip install sqlite-vec fastembed), añade --semantic al comando del Paso 2 para fusionar keyword + significado (RRF). Por defecto NO está activa — la base FTS5 funciona sin instalar nada.

Reglas

• Cita SIEMPRE la fuente de lo que afirmes desde memoria.
• Si no está, dilo. Cero invención.
• No re-indexes a mano salvo que el índice no exista; --query ya hace el ingest incremental.

Outputs

• Respuesta citada al usuario. No genera archivos.