К основному содержанию
скилл CX Codex

memory-fabric — скилл для Claude Code: оркестрация графа знаний

Скилл memory-fabric для Claude Code управляет поиском по графу знаний, парсит запросы, объединяет дубликаты и ранжирует факты. Включается при отладке внутренней логики памяти агента.

MIT 244 установок ★ 305 обновлён 2026-11-21

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add yonatangross/orchestkit --skill memory-fabric -a claude-code
Открыть на GitHub

Что делает memory-fabric

Инструмент реализует внутренние механизмы извлечения памяти через вызовы mcp__memory__search_nodes. Он выделяет сущности из запросов на естественном языке, выполняет многошаговый обход связей в графе и приводит результаты к единому формату с оценкой релевантности.

При сходстве текста выше 85% движок дедупликации объединяет метаданные и оставляет запись с лучшим баллом. Если сущность упоминается в других узлах графа, скилл умножает релевантность на 1.2. Итоговый балл считается по трём весам: 0.5 на смысловое соответствие, 0.3 на новизну и 0.2 на авторитетность источника.

Без запущенного MCP-сервера @anthropic/memory-mcp-server скилл завершится с ошибкой. Инструмент помечен флагом user-invocable: false, поэтому агент использует его как внутренний слой для поисковых пайплайнов, а не как отдельную команду для пользователя.

Какие задачи решает

  • оркестрация графа знаний
  • находить связанные сущности через многошаговый обход графа
  • объединять похожие воспоминания со сходством выше 85%
  • ранжировать выдачу с учётом семантики, свежести и связей

Примеры запросов агенту

  • Как устроен алгоритм дедупликации в memory-fabric?
  • Настрой веса ранжирования для поиска по графу памяти
  • Покажи схему извлечения сущностей из запроса пользователя

Как установить memory-fabric

1Через Skills CLI (Vercel)

npx skills add yonatangross/orchestkit --skill memory-fabric -a claude-code

2Вручную: положить файлы

~/.claude/skills/memory-fabric/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/memory-fabric/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о memory-fabric

Как установить memory-fabric в Claude Code?

Выполните команду npx skills add yonatangross/orchestkit --skill memory-fabric -a claude-code. Файл навыка сохранится по пути ~/.claude/skills/memory-fabric/SKILL.md.

Что делает memory-fabric?

Парсит поисковый запрос, находит узлы через MCP-сервер памяти, отсеивает дубликаты с похожестью более 85% и выстраивает итоговый список по свежести и релевантности.

Что нужно для работы memory-fabric?

Требуется Claude Code версии 2.1.277+ и настроенный MCP-сервер памяти @anthropic/memory-mcp-server в конфигурации проекта.

Исходный текст

SKILL.md · MIT
---
name: memory-fabric
license: MIT
compatibility: "Claude Code 2.1.277+. Requires memory MCP server."
description: "Memory retrieval internals: knowledge graph orchestration with entity extraction, natural language query parsing, deduplication (>85% similarity), and cross-reference boosting over unified recency, relevance, and authority ranking. Use when designing or debugging how memory search itself works. Everyday lookups belong to memory search; entry storage to memory remember; consolidation to memory dream."
user-invocable: false
disable-model-invocation: true
allowed-tools: "Read Bash mcp__memory__search_nodes"
effort: high
metadata:
  category: mcp-enhancement
  mcp-server: memory
  version: "2.1.0"
  author: "OrchestKit"
  complexity: "high"
  tags: "memory, orchestration, graph-first, graph, unified-search, deduplication, cross-reference"
---

# Memory Fabric - Graph Orchestration

Knowledge graph orchestration via mcp__memory__* for entity extraction, query parsing, deduplication, and cross-reference boosting.

## Overview

- Comprehensive memory retrieval from the knowledge graph
- Cross-referencing entities within graph storage
- Ensuring no relevant memories are missed
- Building unified context from graph queries

## Architecture Overview

```
Memory Fabric Layer
┌─────────────┐ ┌──────────────┐
│Query Parser │ │Query Executor│
└──────┬──────┘ └──────┬───────┘
       └───────┬───────┘
┌──────────────┴─────────────┐
│Graph Query Dispatch        │
└──────────────┬─────────────┘
┌──────────────┴─────────────┐
│mcp__memory__*              │
│(Knowledge Graph)           │
└──────────────┬─────────────┘
┌──────────────┴─────────────┐
│Result Normalizer           │
└──────────────┬─────────────┘
┌──────────────┴─────────────┐
│Deduplication Engine        │
│(>85% sim)                  │
└──────────────┬─────────────┘
┌──────────────┴─────────────┐
│Cross-Reference Booster     │
└──────────────┬─────────────┘
┌──────────────┴─────────────┐
│Final Ranking: recency ×    │
│relevance × source_authority│
└────────────────────────────┘
```

## Unified Search Workflow

### Step 1: Parse Query

Extract search intent and entity hints from natural language:

```
Input: "What pagination approach did database-engineer recommend?"

Parsed:
- query: "pagination approach recommend"
- entity_hints: ["database-engineer", "pagination"]
- intent: "decision" or "pattern"
```

### Step 2: Execute Graph Query

**Query Graph (entity search):**

```javascript
mcp__memory__search_nodes({
  query: "pagination database-engineer"
})
```

### Step 3: Normalize Results

Transform results to common format:

```json
{
  "id": "graph:original_id",
  "text": "content text",
  "source": "graph",
  "timestamp": "ISO8601",
  "relevance": 0.0-1.0,
  "entities": ["entity1", "entity2"],
  "metadata": {}
}
```

### Step 4: Deduplicate (>85% Similarity)

When two results have >85% text similarity:

1. Keep the one with higher relevance score
2. Merge metadata
3. Mark as "cross-validated" for authority boost

### Step 5: Cross-Reference Boost

If a result mentions an entity that exists elsewhere in the graph:

- Boost relevance score by 1.2x
- Add graph relationships to result metadata

### Step 6: Final Ranking

Score = `recency_factor × relevance × source_authority`


| Factor           | Weight | Description                                 |
| ---------------- | ------ | ------------------------------------------- |
| recency          | 0.3    | Newer memories rank higher                  |
| relevance        | 0.5    | Semantic match quality                      |
| source_authority | 0.2    | Graph entities boost, cross-validated boost |


## Result Format

```json
{
  "query": "original query",
  "total_results": 4,
  "sources": {
    "graph": 4
  },
  "results": [
    {
      "id": "graph:cursor-pagination",
      "text": "Use cursor-based pagination for scalability",
      "score": 0.92,
      "source": "graph",
      "timestamp": "2026-01-15T10:00:00Z",
      "entities": ["cursor-pagination", "database-engineer"],
      "graph_relations": [
        { "from": "database-engineer", "relation": "recommends", "to": "cursor-pagination" }
      ]
    }
  ]
}
```

## Entity Extraction

Memory Fabric extracts entities from natural language for graph storage:

```
Input: "database-engineer uses pgvector for RAG applications"

Extracted:
- Entities:
  - { name: "database-engineer", type: "agent" }
  - { name: "pgvector", type: "technology" }
  - { name: "RAG", type: "pattern" }
- Relations:
  - { from: "database-engineer", relation: "uses", to: "pgvector" }
  - { from: "pgvector", relation: "used_for", to: "RAG" }
```

Load `Read("references/entity-extraction.md")` for detailed extraction patterns.

## Graph Relationship Traversal

Memory Fabric supports multi-hop graph traversal for complex relationship queries.

### Example: Multi-Hop Query

```
Query: "What did database-engineer recommend about pagination?"

1. Search for "database-engineer pagination"
   → Find entity: "database-engineer recommends cursor-pagination"

2. Traverse related entities (depth 2)
   → Traverse: database-engineer → recommends → cursor-pagination
   → Find: "cursor-pagination uses offset-based approach"

3. Return results with relationship context
```

### Integration with Graph Memory

Memory Fabric uses the knowledge graph for entity relationships:

1. **Graph search** via `mcp__memory__search_nodes` finds matching entities
2. **Graph traversal** expands context via entity relationships
3. **Cross-reference** boosts relevance when entities match

## Integration Points

### With memory Skill

When memory search runs, it can optionally use Memory Fabric for unified results.

### With Hooks

- `prompt/memory-fabric-context.sh` - Inject unified context at session start
- `stop/memory-fabric-sync.sh` - Sync entities to graph at session end

## Configuration

```bash
# Environment variables
MEMORY_FABRIC_DEDUP_THRESHOLD=0.85    # Similarity threshold for merging
MEMORY_FABRIC_BOOST_FACTOR=1.2        # Cross-reference boost multiplier
MEMORY_FABRIC_MAX_RESULTS=20          # Max results per source
```

## MCP Requirements

**Required:** Knowledge graph MCP server:

```json
{
  "mcpServers": {
    "memory": {
      "command": "npx",
      "args": ["-y", "@anthropic/memory-mcp-server"]
    }
  }
}
```

## Error Handling


| Scenario           | Behavior                          |
| ------------------ | --------------------------------- |
| graph unavailable  | Error - graph is required         |
| Query empty        | Return recent memories from graph |


## Related Skills

- `ork:memory` - User-facing memory operations (search, load, sync, viz)
- `ork:memory remember` - User-facing memory storage
- `caching` - Caching layer that can use fabric

## Key Decisions


| Decision         | Choice      | Rationale                                          |
| ---------------- | ----------- | -------------------------------------------------- |
| Dedup threshold  | 85%         | Balances catching duplicates vs. preserving nuance |
| Parallel queries | Always      | Reduces latency, both sources are independent      |
| Cross-ref boost  | 1.2x        | Validated info more trustworthy but not dominant   |
| Ranking weights  | 0.3/0.5/0.2 | Relevance most important, recency secondary        |


© OrchestKit · MIT · yonatangross/orchestkit

Похожие скиллы

Все скиллы по теме «Настройка агента: память, контекст, субагенты» →
memory-systems guanyang Скилл memory-systems помогает выбрать архитектуру памяти для агента: слои хранения, фреймворки вроде Mem0 и Zep, стратегии поиска и бенчмарки. CX Codex +1 413установок shodh-memory varun29ankuS MCP-сервер shodh-memory добавляет агенту трёхуровневую когнитивную память, семантический поиск заметок и трекер задач по методологии GTD. CX Codex +1 ★ 322звёзд репо Local Memory studiomeyer-io MCP-сервер Local Memory меняет пустое начало разговора на подгрузку контекста прошлых сессий. Хранит данные в одном SQLite-файле на вашей машине, без облака и ключей API. CX Codex +1 ★ 15звёзд репо Pseudolife Memory Pseudogiant-xr MCP-сервер Pseudolife Memory даёт кодинг-агенту память на диске: факты, заметки и граф знаний переживают сжатие контекста и новые задачи. CX Codex +1 ★ 8звёзд репо Penfield Memory penfieldlabs MCP-сервер Penfield Memory для Claude Code и семи других платформ: хранит решения, предпочтения и контекст между сессиями и строит граф знаний. Агент не стартует с нуля. CX Codex +1 ★ 6звёзд репо Semurg agent memory One-Semurg Semurg agent memory — MCP-сервер для Claude Code и других AI-агентов, который хранит заметки и документы на своём железе, связывая их с сущностями и векторами. CX Codex +1 ★ 1звёзд репо

Из того же набора86

Весь набор →
quality-gates Скилл quality-gates оценивает сложность задач от 1 до 5 и останавливает агента при тупиках или оверинжиниринге. Включается перед запуском фич и после неудачных попыток решения. CX Codex +1 259установок code-review-playbook Скилл code-review-playbook задаёт правила ревью кода, шаблоны conventional comments и чеклисты безопасности. Подключается при проверке чужих пулл-реквестов или перед сдачей собственной ветки. CX Codex +1 254установок python-backend Скилл python-backend для Claude Code и Codex подтягивает правила асинхронного бэкенда на Python при работе с файлами *.py и манифестами зависимостей. Настраивает связку FastAPI, SQLAlchemy 2.0 и asyncio. CX Codex +1 250установок accessibility Скилл accessibility для Claude Code помогает добавлять доступность в веб-интерфейсы. Активируется при работе с клавиатурной навигацией, экранными дикторами и ARIA-компонентами. CX Codex +1 246установок multimodal-llm Скилл multimodal-llm для Claude Code и Codex подбирает архитектурные паттерны для работы со зрением, речью и генерацией видео. Агент подключает его при распознавании изображений, транскрипции аудио и вызовах видео-API. CX Codex +1 243установок database-patterns Скилл database-patterns помогает проектировать схемы, создавать миграции Alembic и находить расхождения между версиями базы. Включается при работе с SQL и NoSQL. CX Codex +1 238установок architecture-patterns Скилл architecture-patterns проверяет соблюдение чистой архитектуры, деление бэкенда на слои и глубину вложенности папок. Включается при проектировании границ сервисов и рефакторинге. CX Codex +1 236установок performance Скилл performance помогает находить узкие места во фронтенде, бэкенде и LLM-инференсе: от медленных React-рендеров до задержек API. CX Codex +1 233установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой