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

memory-optimize

Claude Codeのメモリファイルを4つのインタラクティブなステップで最適化します。重複の削除、ルールのCLAUDE.md/rulesファイルへの移行、残エントリの圧縮、検証とクリーンアップを順に実行し、トークン数を通常30〜50%削減します。

description の原文を見る

Optimizes Claude Code memory files in 4 interactive steps: removes duplicates, migrates rules to CLAUDE.md/rules files, compresses remaining entries, validates with cleanup. Typical reduction: 30-50% on token count.

SKILL.md 本文

Plugin: kochetkov-ma/claude-brewcode

Memory Optimizer

Claude Code の auto-memory ファイルを 4 つのインタラクティブステップ で最適化します。重複を削除し、ルールを適切なコンフィグファイルに移行し、残りのエントリを圧縮し、結果を検証します。 典型的な削減量: メモリファイルのトークンカウントで 30–50%

Auto-memory は ~/.claude/projects/**/memory/MEMORY.md にセッション間でコンテキストを保存します。 有効化: CLAUDE_CODE_DISABLE_AUTO_MEMORY=0 · 無効化: CLAUDE_CODE_DISABLE_AUTO_MEMORY=1

メリット: コンテキスト読み込みの高速化 · 重複ルールなし · よりクリーンな指示 · API コスト削減

使用方法:

/memory-optimize          # 引数なし — 4 ステップのインタラクティブワークフローを開始

スキルテキストは LLM 向けに書かれており、トークン効率を最適化しています。


Memory Optimizer

Claude Code メモリファイルを 4 つのインタラクティブステップを通じて最適化します。

context: fork なし — エージェントをスポーンするにはメインの会話で実行する必要があります。

Phase 0: コンテキスト読み込み

  1. すべてのメモリファイルを Glob: ~/.claude/projects/**/memory/*.md
  2. ~/.claude/CLAUDE.md とプロジェクト CLAUDE.md を読み込み (存在する場合)
  3. .claude/rules/*.md を Glob — すべてのプロジェクトルールを読み込み
  4. ~/.claude/rules/*.md を読み込み — すべてのグローバルルールを読み込み

コンテキストマップを構築:

memory_files: [paths]
claude_md_sections: [sections]
rules_files: [paths with content]

Step 1: 分析 — 重複を削除 (インタラクティブ)

目的: CLAUDE.md またはルールにすでに存在するコンテンツを複製しているメモリエントリを見つけます。

  1. Explore エージェントをスポーンして、読み込まれたすべてのファイルを相互参照
  2. 次のようなエントリを特定:
    • 同じルールが CLAUDE.md にすでに存在
    • 同じパターンがルールファイルにすでに存在
    • CLAUDE.md に矛盾 (CLAUDE.md が優先)
  3. 分析を表示:
    Found X duplicate/redundant entries (Y% of memory):
    | Entry | Memory File | Already In | Action |
    |-------|-------------|------------|--------|
    | "Use grepai first" | MEMORY.md:5 | rules/grepai-first.md | DELETE |
    ...
    
  4. AskUserQuestion: 「X 個の重複エントリを削除しますか? (Y% のメモリ) これは安全です — コンテンツは他の場所に存在します。」
    • オプション: 「すべて削除」 / 「各個を確認」 / 「このステップをスキップ」
  5. 承認された場合、Edit ツールを使用して削除を適用

Step 2: 移行 — ルール/CLAUDE.md に移動 (インタラクティブ)

目的: 永続的なコンフィグファイルに適したエントリを特定します。

決定木 (エントリごと):

  • すべてのプロジェクトに適用 + ルール/制約である → ~/.claude/rules/
  • このプロジェクトのみに適用 + ルールである → .claude/rules/
  • アーキテクチャの判断である → プロジェクト CLAUDE.md
  • セッション間で再利用可能な事実/パターンである → メモリに保持
  1. カテゴリ化を表示:
    X entries suitable for migration:
    | Entry | Current Location | Target | Reduction |
    |-------|-----------------|--------|-----------|
    | "Always use BD_PLUGIN_ROOT" | MEMORY.md:12 | .claude/rules/brewdoc.md | 15 tokens |
    ...
    Total: X entries → ~Y tokens saved
    
  2. AskUserQuestion: 「X 個のエントリをルール/CLAUDE.md に移行しますか?」
    • オプション: 「すべて移行」 / 「各個を確認」 / 「このステップをスキップ」
  3. 承認された場合:
    • Edit でターゲットルールファイルを作成/追記
    • Edit でメモリから移行されたエントリを削除
    • ターゲットファイルが存在しない場合は作成

Step 3: 圧縮 (インタラクティブ)

目的: LLM 効率的なフォーマットを使用して残りのエントリを圧縮します。

圧縮テクニック:

  • 文章 → テーブル行
  • 関連する複数のエントリ → 単一テーブル
  • 冗長な説明 → 命令形のワンライナー
  • 例のリスト → パターン + 1 つの例
  1. 圧縮プレビューを表示:
    Compression opportunities found:
    | Before | After | Savings |
    |--------|-------|---------|
    | "When you need to... always use..." | "Use X for Y" | 8 tokens |
    ...
    Total: ~Y% token reduction (~Z tokens)
    
    2-3 個の具体的な圧縮前後のサンプルを表示。
  2. AskUserQuestion: 「メモリを圧縮しますか? (~Y% 削減)」
    • オプション: 「すべて圧縮」 / 「圧縮をスキップ」
  3. Edit で圧縮を適用 (行番号を保持するため、ボトムアップ順序で)

Step 4: 検証 (自動)

目的: 最終状態を検証し、孤立した参照をクリーンアップします。

  1. reviewer エージェントをスポーンして検証:
    • メモリファイル内に壊れたファイルパス参照がない
    • メモリと CLAUDE.md 間に矛盾がない
    • メモリファイルは正しく形式化された markdown である
  2. 壊れた参照をクリーンアップ (Edit ツール)
  3. 孤立したメモリファイルをチェック (~/.claude/projects/**/memory/ 内の MEMORY.md 参照のないファイル)
  4. 孤立したファイルをレポートして削除を依頼

最終レポート:

## Memory Optimization Complete

### Summary
| Metric | Before | After | Saved |
|--------|--------|-------|-------|
| Total entries | X | Y | Z |
| Duplicate entries | X | 0 | — |
| Migrated entries | — | — | X |
| Token estimate | ~X | ~Y | ~Z (~P%) |

### Changes Made
- Step 1: Deleted X duplicate entries
- Step 2: Migrated X entries to rules/CLAUDE.md
- Step 3: Compressed X entries (Y% reduction)
- Step 4: Fixed X broken references, removed X orphaned files

### Final Memory Structure
{directory listing of ~/.claude/projects/.../memory/}

---

**Part of brewdoc:** [brewcode](https://github.com/kochetkov-ma/claude-brewcode) — docs tools: memory optimization, auto-sync, Claude installation docs, Markdown to PDF.
Install: `claude plugin marketplace add https://github.com/kochetkov-ma/claude-brewcode && claude plugin install brewdoc@claude-brewcode`

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
kochetkov-ma
リポジトリ
kochetkov-ma/claude-brewcode
ライセンス
MIT
最終更新
不明

Source: https://github.com/kochetkov-ma/claude-brewcode / 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: kochetkov-ma · kochetkov-ma/claude-brewcode · ライセンス: MIT