Agent Skills by ALSEL
Anthropic ClaudeLLM・AI開発⭐ リポ 0品質スコア 50/100

hermes-history-ingest

過去のHermesエージェントのセッション履歴をObsidianウィキに取り込むスキルです。「Hermesの履歴を処理して」「過去のHermesの会話から知見を抽出して」「~/.hermesをインポートして」など、ユーザーが過去のHermesセッションや`~/.hermes`フォルダ、Hermesのメモリ・スキルログを参照・活用したい場面でトリガーされます。

description の原文を見る

> Ingest Hermes agent history into the Obsidian wiki. Use this skill when the user wants to mine their past Hermes sessions for knowledge, import their ~/.hermes folder, extract insights from previous Hermes conversations, or says things like "process my Hermes history", "add my Hermes memories to the wiki", "ingest ~/.hermes", or "what have I worked on in Hermes". Also triggers when the user mentions Hermes memories, Hermes sessions, ~/.hermes/memories, or Hermes skill logs.

SKILL.md 本文

Hermeshistory Ingest — 会話とメモリマイニング

ユーザーのHermesエージェント履歴から知識を抽出し、Obsidianウィキに体系化しています。Hermesは自由形式のメモリと構造化されたセッショントランスクリプトの両方を保存しています。運用テレメトリではなく、永続的な知識に焦点を当ててください。

このスキルは直接呼び出すか、wiki-history-ingestルーター(/wiki-history-ingest hermes)経由で呼び出すことができます。

開始前に

  1. 設定を解決するllm-wiki/SKILL.mdの設定解決プロトコルに従ってください (CWDを上向きに走査: .env~/.obsidian-wiki/config → プロンプト設定)。これによりOBSIDIAN_VAULT_PATHHERMES_HISTORY_PATH(デフォルト: ~/.hermes)が得られます
  2. ボルトルートの.manifest.jsonを読んで、既に取り込まれたものをチェックします
  3. ボルトルートのindex.mdを読んで、ウィキに既に含まれている内容を理解します

取り込みモード

追加モード(デフォルト)

各ソースファイルについて.manifest.jsonをチェックします。以下のみを処理します:

  • マニフェストに含まれていないファイル(新しいメモリファイル、新しいセッションログ)
  • 修正時刻がマニフェストのingested_atより新しいファイル

定期的な同期にはこのモードを使用します。

フルモード

マニフェストに関係なくすべてを処理します。wiki-rebuildの後、またはユーザーが明示的に完全再取り込みを要求した場合に使用します。

Hermesのデータレイアウト

Hermesはすべてのローカルアーティファクトを~/.hermes/(またはデフォルト以外のプロファイルの場合は$HERMES_HOME)に保存します。

~/.hermes/
├── memories/                          # 永続的なエージェントメモリ (MarkdownまたはJSON)
│   └── *.md / *.json
├── skills/                            # インストール済みスキル (取り込み目的では読み取り専用)
│   └── <skill-name>/SKILL.md
├── sessions/                          # セッショントランスクリプト (セッションロギングが有効な場合)
│   └── YYYY-MM-DD/
│       └── <session-id>.jsonl
├── config.yaml                        # ユーザー設定 (モデル、テーマ、パス)
└── .hub/                              # スキルズハブの状態 (lock.json、audit.log、quarantine/)

価値でランク付けされた主なデータソース

  1. memories/*.md / memories/*.json — 最高の信号。エージェントが蓄積したキュレーション済みの永続知識
  2. sessions/**/*.jsonl — 構造化されたターンバイターントトランスクリプト。豊富だが雑音が多い
  3. config.yaml — メタデータのみ (モデルの好み、パス)。取り込む価値はほぼない

.hub/の内部(監査/隔離状態)とskills/ディレクトリ(ソース資料、ユーザー知識ではない)はスキップします。

ステップ1: サーベイとデルタの計算

HERMES_HISTORY_PATHをスキャンし、.manifest.jsonと比較します:

  • ~/.hermes/memories/
  • ~/.hermes/sessions/**/ (存在する場合)

各ファイルを分類します:

  • 新規 — マニフェストに含まれていない
  • 変更 — マニフェストに含まれているが、ファイルがingested_atより新しい
  • 変更なし — 既に取り込まれており、変更がない

深い解析の前に、簡潔なデルタサマリーを報告します。

ステップ2: メモリを最初に解析

メモリは最高価値のソースです。Hermesは以下のいずれかとして記述します:

  • Markdown — オプションのフロントマッターを持つ構造化されたテキスト。直接取り込みます
  • JSON{"content": "...", "created_at": "...", "tags": [...]} レコード

各メモリについて:

  • 中核となる知識主張を抽出します
  • Hermesが付与したタグを注記します(それらはウィキのカテゴリにマッピングされることが多い)
  • 1つのメモリ=1ページを作成するのではなく、適切なウィキページにマージします

ステップ3: セッションJSONLを安全に解析

各セッションJSONLの行はイベントエンベロープです。一般的な形式:

{"role": "user", "content": "..."}
{"role": "assistant", "content": "..."}
{"type": "tool_use", "name": "...", "input": {...}}
{"type": "tool_result", "content": "..."}

抽出ルール

  • 結論、パターン、または決定を述べるアシスタント応答を優先します
  • 高信号のターンからユーザー意図を抽出します。低情報のフォローアップはスキップします
  • tool_use / tool_resultペアをコンテキストとして扱い、主要なコンテンツではありません
  • トークンアカウンティング、内部配管、および反復されるプランエコーをスキップします

重要なプライバシーフィルター

セッションログには、注入された指示、ツールペイロード、および機密テキストが含まれる可能性があります。逐語的に取り込まないでください。

  • APIキー、トークン、パスワード、認証情報を削除します
  • プライベート識別子は関連があり、ユーザーが承認していない限り、編集します
  • 要約します。生のトランスクリプトを逐語的に引用しないでください

ステップ4: トピック別にクラスタリング

メモリまたはセッションごとに1つのウィキページを作成しないでください。

  • メモリを安定したトピック(概念、ツール、プロジェクト、テクニック)でグループ化します
  • 混在したセッションを別のテーマに分割します
  • 日付とプロジェクト全体の繰り返されるパターンをマージします
  • 利用可能な場合、ファイルパスまたはセッションcwdメタデータを使用してプロジェクトスコープを推測します

ステップ5: ウィキページに蒸留

既存のウィキ規約を使用して抽出した知識をルーティングします:

  • プロジェクト固有のアーキテクチャ/プロセス → projects/<name>/...
  • 一般的な概念 → concepts/
  • 繰り返されるテクニック/デバッグプレイブック → skills/
  • ツール/サービス/フレームワーク → entities/
  • クロスセッションパターン → synthesis/

影響を受ける各プロジェクトについて、projects/<name>/<name>.mdを作成/更新します。

記述ルール

  • 年代順ではなく、知識を蒸留します
  • 日付コンテキストが本質的でない限り、「日付Xに議論しました...」を避けます
  • 各新規/更新ページにsummary:フロントマッターを追加します (1~2文、200文字以下)
  • すべての新しいページに信頼度とライフサイクルフィールドを追加します:
    base_confidence: 0.42
    lifecycle: draft
    lifecycle_changed: <ISO date today>
    
    更新時はlifecycleを変更しないままにしてください。
  • 由来マーカーを追加します:
    • ^[extracted] 明示的なメモリ/セッションコンテンツに直接根拠がある場合
    • ^[inferred] 複数のメモリ全体のパターンを合成する場合
    • ^[ambiguous] メモリが競合する場合
  • 各変更ページのprovenance:フロントマッターミックスを追加/更新します

ステップ6: マニフェスト、ログ、インデックスを更新

.manifest.jsonを更新

処理された各ソースファイルについて:

  • ingested_at, size_bytes, modified_at
  • source_type: hermes_memory | hermes_session
  • project: 推測されたプロジェクト名 (該当する場合)
  • pages_created, pages_updated

トップレベルのサマリーブロックを追加/更新します:

{
  "hermes": {
    "source_path": "~/.hermes/",
    "last_ingested": "TIMESTAMP",
    "memories_ingested": 42,
    "sessions_ingested": 7,
    "pages_created": 5,
    "pages_updated": 12
  }
}

特別なファイルを更新

index.mdlog.mdを更新します:

- [TIMESTAMP] HERMES_HISTORY_INGEST memories=N sessions=M pages_updated=X pages_created=Y mode=append|full

hot.md$OBSIDIAN_VAULT_PATH/hot.mdを読みます (不足している場合はwiki-ingestのテンプレートから作成)。最近のアクティビティを1行のサマリーで更新します — 例: 「42個のHermesメモリと7つのセッションを取り込みました。主なテーマ: 推論戦略、ツール使用パターン。」最後の3つの操作を保持します。updatedタイムスタンプを更新します。

プライバシーとコンプライアンス

  • 生のメモリまたはトランスクリプトダンプを避け、蒸留と合成を行います
  • 機密に見えるものについては、デフォルトで編集します
  • 個人情報または機密情報を保存する前に、ユーザーに確認してください
  • 他の人への参照を最小限に、目的限定にしてください

リファレンス

フィールドレベルのノートと抽出ガイダンスについては、references/hermes-data-format.mdを参照してください。

ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ

詳細情報

作者
ar9av
リポジトリ
ar9av/obsidian-wiki
ライセンス
MIT
最終更新
不明

Source: https://github.com/ar9av/obsidian-wiki / ライセンス: MIT

関連スキル

OpenAILLM・AI開発⭐ リポ 6,054

agent-browser

AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。

by JimmyLv
汎用LLM・AI開発⭐ リポ 1,982

anyskill

AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。

by LeoYeAI
汎用LLM・AI開発⭐ リポ 1,982

engram

AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。

by LeoYeAI
汎用LLM・AI開発⭐ リポ 21,584

skyvern

AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。

by Skyvern-AI
汎用LLM・AI開発⭐ リポ 1,149

pinchbench

PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。

by pinchbench
汎用LLM・AI開発⭐ リポ 4,693

openui

OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。

by thesysdev
本サイトは GitHub 上で公開されているオープンソースの SKILL.md ファイルをクロール・インデックス化したものです。 各スキルの著作権は原作者に帰属します。掲載に問題がある場合は info@alsel.co.jp または /takedown フォームよりご連絡ください。
原作者: ar9av · ar9av/obsidian-wiki · ライセンス: MIT