agentsclimarketplace

Hierarchical agent memory

Skill findscripter/everything-skills/04-ai/hierarchical-agent-memory

类书式 AI Agent 技能大典 · 精选/中文化/互见成网的 500+ 开源技能，可作为 Claude Code 插件市场一键安装。A curated, cross-referenced encyclopedia of 500+ open-source agent skills.

Install
npx -y skills add findscripter/everything-skills --skill hierarchical-agent-memory

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

2 things to look at

  • no licenseNo license file was found in the repository. Code published without one is not open source by default, so using it at work is a question for whoever answers licensing questions where you are.
  • 1 stars1 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

当项目有 3+ 目录、智能体每轮都重读整个工程导致输入 token 暴涨时使用；做分层 CLAUDE.md 记忆体系搭建——根级全局上下文(~200 token)+ 子目录作用域上下文(~250 token/个)+ .memory 决策/模式/收件箱层，并配上下文路由与省 token 仪表盘；不适用于跨会话向量记忆/RAG 检索(转 agent-memory-systems)或单文件小项目。触发词：go ham、CLAUDE.md、分层记忆、目录级上下文、省 token、上下文路由、ham dashboard、ham savings

The file declares its own license as MIT. That is the author’s claim about this one file, and it is not the same thing as the license GitHub reports for the repository, which is listed with the other numbers below.

SKILL.md

6.5 KB, ~1.9k tokens by cl100k_base, as published. Nobody here has run it

何时使用

适用：

  • 项目有 3+ 目录，智能体每轮都重读相同的大量文件，输入 token 居高不下，想砍掉重复读取成本。
  • 想要「目录作用域」上下文，而非一份越堆越大的单体 CLAUDE.md。
  • 想用仪表盘可视化 token 节省、会话历史与上下文健康度（缺失/陈旧/路由命中率）。
  • 新项目立项，希望从第一天就有结构化的智能体记忆。

不该用：

  • 单文件或两三个文件的小项目——分层开销大于收益，直接一份根 CLAUDE.md 即可。
  • 需要跨会话语义记忆、向量检索 / RAG → 转 agent-memory-systems，HAM 只管「按目录给上下文小抄」，不做语义召回。
  • 把它当真实计费器：token 估算是 ~4 字符=1 token 的近似，节省值是基于典型行为的估算，不等于账单。

核心心智：给每个目录一张小抄，让智能体读完根上下文就直接跳到相关子上下文，而不是每次重扫整个工程。

步骤

  1. 搭骨架（"go ham"）：自动探测项目平台与成熟度，生成分层记忆结构：

    project/
├── CLAUDE.md              # 根上下文（~200 token，含路由表）
├── .memory/
│   ├── decisions.md       # 架构决策记录（ADR）
│   ├── patterns.md        # 可复用模式
│   ├── inbox.md           # 待确认的推断项
│   └── audit-log.md       # 审计历史
└── src/
    ├── api/CLAUDE.md      # api/ 的作用域上下文
    ├── components/CLAUDE.md
    └── lib/CLAUDE.md

    同时把基线写入 .memory/baseline.json，供后续 savings 对比。

  2. 配上下文路由：在根 CLAUDE.md 写一个路由小节，直接告诉智能体每个区域加载哪份子上下文：

    ## Context Routing

→ api: src/api/CLAUDE.md
→ components: src/components/CLAUDE.md
→ lib: src/lib/CLAUDE.md

    智能体读完根上下文 → 立刻按路由加载对应子目录上下文，不靠猜。新增目录后用 ham route 刷新路由表。

  3. 看收益（"ham savings"）：输出 HAM 开/关的每轮 token 与成本对比、按月推算的节省额。

  4. 起仪表盘（"ham dashboard"，可选）：在 localhost:7777 起 Web 面板，看 token 节省、每日趋势、按目录的会话拆分、上下文文件健康度、路由命中率、碳/能耗估算。需 Node.js 18+，读 ~/.claude/projects/ 的会话数据。

  5. 定期治理：每两周跑 ham audit 抓陈旧 / 缺失的上下文文件；周期性 review .memory/inbox.md，确认或否决推断项；ham insights 从会话数据生成可执行建议。

指令

命令速查：

触发作用
go ham搭建 HAM——探测平台、生成各级 CLAUDE.md
ham savings输出 token 与成本节省报告
ham dashboard起交互式 Web 仪表盘
ham audit上下文文件健康检查
ham insights从会话数据生成可执行洞察
ham route在根 CLAUDE.md 增改 Context Routing
ham carbon能耗与碳效率数据

硬约束（落地红线）：

  • 根 CLAUDE.md 控制在 60 行 / 250 token 以内。
  • 每个子目录 CLAUDE.md 控制在 75 行以内。
  • 子目录 CLAUDE.md 内容不会自动更新——靠你手动维护或 ham audit 提醒。
  • 路由检测依赖会话 JSONL 里 CLAUDE.md 的读取顺序；token 估算是近似而非真实分词器。

示例

首次搭建：

User: go ham

Agent: HAM setup complete. Created 8 files.
  - CLAUDE.md (root)
  - .memory/decisions.md
  - .memory/patterns.md
  - .memory/inbox.md
  - src/api/CLAUDE.md
  - src/components/CLAUDE.md
  - src/lib/CLAUDE.md
  - src/utils/CLAUDE.md

Baseline captured in .memory/baseline.json
Run "HAM savings" to see your token and cost savings.

查看节省：

User: ham savings

Agent:
  Before HAM: ~7,500 tokens/prompt
  After HAM:    ~450 tokens/prompt
  Savings:    7,050 tokens (94%)

  Monthly projection (1,500 prompts):
    Sonnet: ~$31.73 saved
    Opus:   ~$158.63 saved

注意事项

  • token 估算用 ~4 字符=1 token 近似，非真实分词器；savings 对比是基于典型行为的估算，别当账单。
  • 仪表盘需 Node.js 18+，依赖 ~/.claude/projects/ 的会话数据；无会话历史则面板空。
  • 路由命中率依赖会话 JSONL 中 CLAUDE.md 的读取顺序检测，可能有误差。
  • 子目录 CLAUDE.md 内容不会自动同步代码变更——目录重构后务必手动或 ham audit 更新，否则陈旧上下文会误导智能体。
  • 碳估算用区域电网均值而非实时能耗数据。

互见

  • related：agent-memory-systems —— 跨会话语义记忆 / 向量检索，与 HAM 的「目录级上下文小抄」互补；agent-memory-mcp —— 基于 MCP 的记忆集成。
  • combines_with：上下文工程 / token 预算类技能 —— HAM 负责按目录裁剪上下文，可与提示词精简、上下文窗口管理叠加进一步省 token。

采编自 sickn33/antigravity-awesome-skills（MIT）。

Keep looking

Skills are one crate of 328,083. Ordering is by how many stacks a row turns up in, so the top of any crate is what has actually been picked rather than what has the most stars.