Elite Longterm Memory

• Perdi il contesto a metà sessione — il protocollo WAL (Write-Ahead Log) garantisce che lo stato venga scritto prima che l'agente risponda, così le compattazioni e i crash non possono cancellare ciò che conta.
• Lavori su progetti a lungo termine o multi-sessione — il file MEMORY.md curato e i log giornalieri offrono sia all'agente che all'utente un registro duraturo e leggibile delle decisioni.
• I tuoi agenti ripetono errori o dimenticano le preferenze — Mem0 estrae automaticamente i fatti dalle conversazioni e li deduplica, riducendo l'uso dei token di circa l'80% rispetto alla cronologia grezza.
• Esegui sotto-agenti o flussi di lavoro paralleli — l'architettura a livelli ti consente di passare contesto strutturato tramite git-notes e ricerca semantica, invece di dover rispiegare tutto da capo.

• Hai bisogno di un'attività una tantum, a sessione singola — la configurazione completa a 5 livelli aggiunge un overhead che non è giustificato per script usa e getta o attività brevi.
• Non stai utilizzando una chiave LLM compatibile con OpenAI — la ricerca vettoriale semantica (LanceDB) e l'integrazione con Mem0 richiedono OPENAI_API_KEY; senza di essa la skill non raggiungerà il suo pieno potenziale.

Lo stato viene scritto in SESSION-STATE.md prima che l'agente risponda, non dopo. Questo previene la perdita di contesto durante la compattazione, i crash o le interruzioni a metà conversazione — una garanzia che gli approcci di memoria naive non sono in grado di fornire.

Tutti i ricordi vengono indicizzati in un archivio vettoriale LanceDB locale. Il richiamo automatico inserisce il contesto precedente più rilevante in ogni risposta, mentre i comandi manuali memory_store / memory_recall consentono di interrogare o filtrare per categoria e punteggio di importanza.

Le decisioni strutturate, gli apprendimenti e il contesto consapevole dei branch vengono memorizzati come git notes — silenziosi, sotto controllo di versione ed esportabili come JSON. Persistono in modo permanente insieme alla cronologia del tuo repository.

Mem0 estrae automaticamente fatti, preferenze e decisioni dalla cronologia grezza delle conversazioni, le deduplica e recupera i ricordi pertinenti su richiesta. Ciò elimina la necessità di trasmettere l'intera cronologia della chat e riduce il consumo di token fino all'80%.

Sincronizza facoltativamente la tua knowledge base con SuperMemory per accedere ai contenuti da più dispositivi e interrogare il contesto memorizzato tramite linguaggio naturale. Richiede una SUPERMEMORY_API_KEY.

Un file radice MEMORY.md e log giornalieri datati sotto memory/YYYY-MM-DD.md offrono sia all'agente che allo sviluppatore un registro chiaro e navigabile di ciò che è stato deciso, appreso e memorizzato — senza necessità di alcun database opaco.

Man mano che il progetto si evolve nel corso di giorni o settimane, l'agente annota le decisioni tecniche (ad es. "Usa Tailwind, non CSS vanilla") su git-notes e SESSION-STATE.md. Ad ogni nuova sessione legge automaticamente il contesto precedente, così non ti chiederà mai più quale framework stai usando.

Quando la finestra di contesto si riempie e l'agente esegue la compattazione, SESSION-STATE.md funge da RAM attiva che sopravvive al ripristino. Il protocollo WAL garantisce che tutto ciò che è stato detto nell'ultimo scambio sia già persistito prima che la compattazione venga avviata.

Il contesto memorizzato in git-notes e LanceDB può essere interrogato da qualsiasi sotto-agente avviato all'inizio di un'attività, così gli agenti paralleli condividono le stesse decisioni e preferenze senza dover essere ri-istruiti manualmente.

Le preferenze dell'utente, le scadenze ricorrenti e gli errori corretti vengono estratti automaticamente da Mem0 e memorizzati tra le sessioni. L'agente costruisce un modello accurato e deduplicato dell'utente nel tempo, senza far crescere il prompt.