tree-ring-memory
Gerencia a memória de um agente de IA de forma eficiente e local. Permite que o agente lembre, audite e esqueça informações sem salvar transcrições completas.
O que ela faz
Esta ferramenta ajuda a IA a lembrar e organizar informações importantes sobre um projeto. Ela permite que a IA guarde lições, decisões e avisos de forma organizada, sem precisar guardar todas as conversas.
Quando usar
- ✓Antes de continuar um projeto para lembrar decisões passadas.
- ✓Antes de fazer grandes mudanças na forma como o projeto funciona.
- ✓Quando você pede para a IA lembrar, revisar ou apagar informações.
Exemplo do que pedir para a IA
“IA, lembre-me das decisões importantes sobre a arquitetura deste projeto.”
Quer saber mais? Abra as seções abaixo.
Como usar
O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.
Link da skill
Mensagem pronta para colar
Como funciona
A IA verifica se já existem instruções locais para organizar a memória. Se não, ela pode instalar uma ferramenta para ajudar a guardar e buscar informações de forma estruturada, como lições ou avisos.
Instalação
Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.
No terminal (Claude Code, Codex, Cursor), na pasta do projeto:
npx skills add sickn33/agentic-awesome-skills --skill tree-ring-memoryOu baixe só o arquivo:
curl -L https://raw.githubusercontent.com/sickn33/agentic-awesome-skills/main/plugins/agentic-awesome-skills-claude/skills/tree-ring-memory/SKILL.md -o SKILL.mdConteúdo técnico (SKILL.md)
Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.
Memória de Anel de Árvore
Visão Geral
Memória de Anel de Árvore é uma camada de ciclo de vida de memória local e independente de framework para agentes de IA. Use esta habilidade quando um agente precisar recordar, preservar, auditar ou esquecer memória durável de projeto sem tratar transcrições de conversas brutas como memória.
O runtime público é um CLI/TUI em Rust com armazenamento local SQLite/FTS, recall com escopo, registros de evidências, auditoria, consolidação determinística, manutenção, adaptadores de origem DOX/Revolve, descoberta de framework, redação e esquecimento explícito.
Quando Usar Esta Habilidade
- Use antes de retomar um projeto onde decisões anteriores, avisos, preferências ou abordagens falhas possam importar.
- Use antes de alterar arquitetura, armazenamento, segurança, privacidade, lançamento ou comportamento de memória do agente.
- Use quando o usuário pedir para lembrar, recordar, auditar, redigir, esquecer ou consolidar a memória do agente.
- Use após testes, revisões, incidentes ou comportamento de produção validarem uma lição que agentes futuros devam preservar.
- Use quando um projeto contiver
.tree-ring/SKILL.md,.tree-ring/CLI.mdou outros arquivos de ponte Tree Ring.
Como Funciona
Etapa 1: Descobrir Orientação Local
Verifique se o projeto atual já possui orientação Tree Ring:
test -f .tree-ring/SKILL.md && sed -n '1,220p' .tree-ring/SKILL.md
test -f .tree-ring/CLI.md && sed -n '1,220p' .tree-ring/CLI.md
Trate arquivos .tree-ring locais do projeto como mais autoritativos do que exemplos genéricos nesta habilidade. Se o CLI estiver instalado, inspecione a superfície de comando atual antes de assumir flags:
tree-ring --help
tree-ring recall --help
tree-ring remember --help
tree-ring evidence --help
tree-ring audit --help
tree-ring forget --help
Se o Tree Ring não estiver instalado, resolva a raiz real do projeto e explique o download exato local do projeto antes de obter aprovação explícita para buscá-lo. Baixe o oficial, com versão fixada v0.15.0/install.sh para um arquivo temporário, verifique seu SHA-256 que é
ef0d5eb8f09cbe2e4c3abe80ee9a98a56759c89ad4ddd103d6c68314cd653ade,
inspecione-o e então execute-o. A origem fixada é
https://raw.githubusercontent.com/TerminallyLazy/Tree-Ring-Memory/v0.15.0/install.sh.
cd <project-root>
sh <verified-installer-path> --project --init --release v0.15.0 --no-animation
Não canalize uma resposta de rede diretamente para um shell. Após a verificação e inspeção, mostre o comando exato do instalador e obtenha aprovação explícita novamente antes de executá-lo. Para um CLI global instalado, inicialize a partir da raiz do projeto com
tree-ring --root .tree-ring init; para um CLI local do projeto, use
.tree-ring/bin/tree-ring --root .tree-ring init.
Verifique se há uma versão mais recente sem alterar arquivos usando
tree-ring update --check. Execute tree-ring update apenas com autorização do usuário, então execute novamente init em cada raiz de projeto para atualizar a orientação gerenciada enquanto preserva o conteúdo personalizado.
Etapa 2: Recordar Antes de Trabalho Arriscado
Use recall estreito e com escopo de projeto primeiro:
tree-ring recall "release behavior" --project example-service
tree-ring recall "sqlite migration" --project example-service
tree-ring recall "user preference"
Use a memória recordada como contexto, não como autoridade. Verifique-a contra arquivos de origem atuais, testes, documentação, issues, pull requests, logs e estado de runtime antes de fazer alterações.
Etapa 3: Escrever Apenas Memória Durável
Escreva memória concisa apenas quando for provável que ajude agentes futuros:
tree-ring remember "Run project-scoped recall before release changes." --event-type lesson --scope project
Prefira tipos de evento específicos quando suportados localmente:
decisionlessonwarningcorrectionuser_preferencetool_resultsummaryhypothesis
Armazene a lição, decisão, aviso ou acompanhamento durável. Não armazene a conversa completa.
Etapa 4: Registrar Evidências para Resultados Avaliados
Use registros de evidências para execuções de teste, incidentes, alterações revisadas ou outros resultados avaliados:
tree-ring evidence \
"Installer smoke test passed in an isolated HOME." \
--outcome observed \
--evidence-ref "ci/install-smoke/2026-07-08"
Orientação de resultado:
promoted: verdade durável apoiada por forte evidênciarejected: abordagem falha ou revertida que vale a pena manter visíveldeferred: ideia não resolvida ou opção futuraobserved: resultado avaliado normal
Não promova alegações fracas, desatualizadas ou não revisadas para verdade durável.
Etapa 5: Usar Adaptadores de Origem com Cuidado
Quando um repositório tiver registros de origem estruturados, execute primeiro simulações (dry runs):
…
Perguntas frequentes
O que significa 'local-first'?
Significa que a informação é guardada principalmente no seu computador, e não em servidores remotos.
Posso apagar informações que a IA guardou?
Sim, a ferramenta permite apagar ou esquecer informações específicas quando elas não são mais úteis ou estão erradas.
A IA vai guardar todas as minhas conversas?
Não, o objetivo é guardar apenas informações importantes e úteis para o projeto, como lições aprendidas ou decisões tomadas, e não a conversa inteira.
Detalhes
Descrição original do autor
Use Tree Ring Memory for local-first AI-agent memory lifecycle work: recall, evidence, audit, forgetting, and consolidation without transcript dumping.
Popularidade
- Estrelas no GitHub
- 48 mil
- Posição no ranking
- #4404
- Licença
- MIT
- Atualizada em
- 15/10/2026
Comentários
- …
Mais skills deste repositório
00-andruia-consultant
Ajuda seu agente a iniciar ou melhorar projetos de IA. Ele analisa código, sugere ferramentas e cria planos de ação em espanhol.
sickn33/agentic-awesome-skills
007
Faz seu agente realizar auditorias de segurança e modelagem de ameaças. É útil para proteger projetos contra ataques e vulnerabilidades.
sickn33/agentic-awesome-skills
10-andruia-skill-smith
Ajuda seu agente a criar ou melhorar ferramentas de IA. Ele define como as ferramentas funcionam, escreve a documentação e valida a estrutura.
sickn33/agentic-awesome-skills
20-andruia-niche-intelligence
Faz seu agente criar um resumo sobre um setor específico. É útil para entender o contexto, regras, padrões de uso e riscos de um projeto, usando fontes confiáveis.
sickn33/agentic-awesome-skills
Skills parecidas
agent-architecture-audit
Faz seu agente verificar se tudo está funcionando corretamente. Ele encontra e conserta problemas em sistemas de IA, garantindo que funcionem como esperado.
affaan-m/ECC
agent-eval
Ajuda seu agente a comparar diferentes ferramentas de programação de IA. Ele mede qual é mais rápido, barato e confiável para realizar tarefas específicas.
affaan-m/ECC
agent-harness-construction
Faz seu agente entender melhor como realizar tarefas. Ele otimiza as ferramentas e instruções que o agente usa para aumentar suas chances de sucesso.
affaan-m/ECC