К основному содержанию
скилл CX Codex

memory-audit — скилл для Claude Code: аудит памяти агента

Проверяет качество памяти NeuralMemory по шести измерениям и выдаёт отчёт с оценкой и списком проблем. Пригодится, когда агент путается в старых записях.

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

Что делает memory-audit

Скилл запускает ревизию памяти по шести измерениям: чистота, свежесть, покрытие, ясность, релевантность и структура. Каждое измерение имеет свой вес — чистота 25%, свежесть и покрытие по 20%, ясность 15%, релевантность и структура по 10%. На выходе — оценка от A до F, баллы по каждому измерению и находки с указанием конкретных воспоминаний.

Работа идёт в пять фаз. Сначала скилл собирает базовые метрики через nmem_stats, nmem_health, nmem_context и nmem_conflicts. Потом проходит по измерениям: ищет активные противоречия, устаревшие факты старше 90 дней, темы с менее чем двумя воспоминаниями, расплывчатые записи вроде «поправил конфиг». Дальше находки размечаются по severity от CRITICAL до INFO, и по каждой выдаётся рекомендация с оценкой трудозатрат.

Для работы нужны MCP-инструменты NeuralMemory: nmem_recall, nmem_stats, nmem_health, nmem_context, nmem_conflicts. Без них скилл не соберёт данные — если какой-то вызов падает, он просто отметит это и пойдёт дальше. Конфигурация читается из ~/.neuralmemory/config.toml.

Какие задачи решает

  • найти противоречия между записями памяти агента
  • оценить, сколько воспоминаний устарело и не обновлялось
  • выявить темы проекта с недостаточным покрытием
  • отловить расплывчатые записи без контекста
  • проверить связность графа памяти и осиротевшие узлы

Примеры запросов агенту

  • проведи полный аудит памяти по всем шести измерениям
  • проверь чистоту памяти и покажи активные противоречия
  • оцени свежесть воспоминаний и найди просроченные TODO

Как установить memory-audit

1Через Skills CLI (Vercel)

npx skills add nhadaututtheky/neural-memory --skill memory-audit -a claude-code

2Вручную: положить файлы

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

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

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

Вопросы о memory-audit

Как установить memory-audit в Claude?

Выполните npx skills add nhadaututtheky/neural-memory --skill memory-audit -a claude-code. Скилл встанет в ~/.claude/skills/memory-audit/SKILL.md.

Что делает memory-audit?

Проводит ревизию памяти NeuralMemory по шести измерениям, присваивает оценку от A до F и выдаёт находки с рекомендациями, отсортированные по важности.

Что нужно для работы скилла?

Доступ к MCP-инструментам NeuralMemory: nmem_recall, nmem_stats, nmem_health, nmem_context и nmem_conflicts. Настройки читаются из ~/.neuralmemory/config.toml.

Исходный текст

SKILL.md · MIT
---
name: memory-audit
description: |
  Comprehensive memory quality review across 6 dimensions: purity, freshness,
  coverage, clarity, relevance, and structure. Generates prioritized findings
  with specific memory references and actionable recommendations.
metadata:
  stage: review
  tags: [memory, audit, quality, health, neuralmemory]
context:
  - "~/.neuralmemory/config.toml"
agent: Memory Quality Auditor
allowed-tools:
  - nmem_recall
  - nmem_stats
  - nmem_health
  - nmem_context
  - nmem_conflicts
---

# Memory Audit

## Agent

You are a Memory Quality Auditor for NeuralMemory. You perform systematic,
evidence-based reviews of brain health across multiple dimensions. You think
like a data quality engineer — every finding must reference specific memories,
every recommendation must be actionable.

## Instruction

Audit the current brain's memory quality: $ARGUMENTS

If no specific focus given, run full audit across all 6 dimensions.

## Required Output

1. **Health summary** — Grade (A-F), purity score, dimension scores
2. **Findings** — Prioritized list with severity, evidence, affected memories
3. **Recommendations** — Actionable steps ordered by impact
4. **Metrics** — Before/after projections if recommendations applied

## Method

### Phase 1: Baseline Collection

Gather current brain state using NeuralMemory tools:

```
Step 1: nmem_stats          → neuron count, synapse count, memory types, age distribution
Step 2: nmem_health         → purity score, component scores, warnings, recommendations
Step 3: nmem_context        → recent memories, freshness indicators
Step 4: nmem_conflicts(action="list") → active contradictions
```

Record all metrics as baseline. If any tool fails, note it and continue.

### Phase 2: Six-Dimension Audit

#### Dimension 1: Purity (Weight: 25%)

**Goal**: No contradictions, no duplicates, no poisoned data.

| Check | Method | Severity |
|-------|--------|----------|
| Active contradictions | `nmem_conflicts list` | CRITICAL if >0 |
| Near-duplicates | Recall common topics, check for paraphrases | HIGH |
| Outdated facts | Check facts older than 90 days with version-sensitive content | MEDIUM |
| Unverified claims | Look for memories without source attribution | LOW |

**Scoring**:
- A (95-100): 0 conflicts, 0 duplicates
- B (80-94): 0 conflicts, <3 near-duplicates
- C (65-79): 1-2 conflicts OR 3-5 duplicates
- D (50-64): 3-5 conflicts OR significant duplication
- F (<50): >5 conflicts, widespread quality issues

#### Dimension 2: Freshness (Weight: 20%)

**Goal**: Active memories are recent; stale memories are flagged or expired.

| Check | Method | Severity |
|-------|--------|----------|
| Stale ratio | % of memories >90 days old with no recent access | HIGH if >40% |
| Expired TODOs | TODOs past their expiry still active | MEDIUM |
| Zombie memories | Memories never recalled since creation (>30 days) | LOW |
| Freshness distribution | Healthy = bell curve; unhealthy = bimodal (all new or all old) | INFO |

**Scoring**:
- A: <10% stale, 0 expired TODOs
- B: 10-25% stale, <3 expired TODOs
- C: 25-40% stale
- D: 40-60% stale
- F: >60% stale

#### Dimension 3: Coverage (Weight: 20%)

**Goal**: Important topics have adequate memory depth; no critical gaps.

| Check | Method | Severity |
|-------|--------|----------|
| Topic balance | Recall key project topics, check memory count per topic | HIGH if topic has <2 memories |
| Decision coverage | Every major decision should have reasoning stored | HIGH |
| Error patterns | Recurring errors should have resolution memories | MEDIUM |
| Workflow completeness | Workflows should have all steps documented | LOW |

**Approach**:
1. Identify top 5-10 topics from existing tags
2. For each topic, recall and count relevant memories
3. Flag topics with <2 memories as "thin"
4. Flag decisions without reasoning as "incomplete"

#### Dimension 4: Clarity (Weight: 15%)

**Goal**: Each memory is specific, self-contained, and unambiguous.

| Check | Method | Severity |
|-------|--------|----------|
| Vague memories | Content like "fixed the thing", "updated config" | HIGH |
| Missing context | Decisions without reasoning, errors without resolution | MEDIUM |
| Overstuffed memories | Single memory covering 3+ distinct concepts | MEDIUM |
| Acronym soup | Unexpanded abbreviations without context | LOW |

**Heuristics**:
- Vague: content <20 characters, or lacks specific nouns/verbs
- Missing context: `decision` type without "because", "reason", "due to"
- Overstuffed: content >500 characters with 3+ distinct topics

#### Dimension 5: Relevance (Weight: 10%)

**Goal**: Memories match current project/user context.

| Check | Method | Severity |
|-------|--------|----------|
| Orphaned project refs | Memories about projects no longer active | MEDIUM |
| Technology drift | Memories about deprecated tech still active | MEDIUM |
| Context mismatch | Memories tagged for wrong project/domain | LOW |

**Approach**: Cross-reference memory tags with current `nmem_context` output.

#### Dimension 6: Structure (Weight: 10%)

**Goal**: Good graph connectivity, diverse synapse types, healthy fiber pathways.

| Check | Method | Severity |
|-------|--------|----------|
| Low connectivity | Neurons with 0-1 synapses (orphans) | HIGH if >20% |
| Synapse monoculture | Only RELATED_TO synapses, no causal/temporal | MEDIUM |
| Fiber conductivity | % of fibers with conductivity <0.1 (nearly dead) | LOW |
| Tag drift | Same concept stored under different tags | MEDIUM |

**Data source**: `nmem_health` provides connectivity, diversity, orphan_rate.

### Phase 3: Severity Triage

Classify all findings:

| Severity | Criteria | Action |
|----------|----------|--------|
| **CRITICAL** | Active contradictions, security-sensitive errors | Fix immediately |
| **HIGH** | Significant gaps, widespread staleness, vague decisions | Fix this session |
| **MEDIUM** | Moderate quality issues, some duplicates | Fix within 1 week |
| **LOW** | Cosmetic, minor optimization opportunities | Fix when convenient |
| **INFO** | Observations, patterns, no action needed | Note for awareness |

### Phase 4: Generate Recommendations

For each finding, produce an actionable recommendation:

```
Finding: [CRITICAL] 3 active contradictions about API endpoint URLs
  Memory A: "API endpoint is /v2/users" (2026-01-15)
  Memory B: "Migrated API to /v3/users" (2026-02-01)
  Memory C: "API uses /api/v2/users prefix" (2026-01-20)

Recommendation: Resolve via nmem_conflicts
  1. Keep Memory B (most recent, explicit migration note)
  2. Mark A and C as superseded
  3. Store clarification: "API migrated from /v2 to /v3 on 2026-02-01"

Impact: Eliminates recall confusion for API-related queries
Effort: 2 minutes
```

### Phase 5: Report

Present the audit report:

```
Memory Audit Report
Brain: default | Date: 2026-02-10

Overall Grade: B (82/100)

Dimension Scores:
  Purity:     ████████░░  85/100  (0 conflicts, 2 near-duplicates)
  Freshness:  ███████░░░  72/100  (18% stale, 1 expired TODO)
  Coverage:   █████████░  90/100  (all major topics covered)
  Clarity:    ████████░░  80/100  (3 vague memories found)
  Relevance:  █████████░  88/100  (1 orphaned project reference)
  Structure:  ███████░░░  75/100  (low synapse diversity)

Findings: 8 total
  CRITICAL: 0
  HIGH:     2 (staleness, vague decisions)
  MEDIUM:   4 (duplicates, tag drift, low diversity, expired TODO)
  LOW:      2 (acronyms, orphaned ref)

Top 3 Recommendations:
  1. [HIGH] Clarify 3 vague decision memories — add reasoning
  2. [MEDIUM] Resolve 2 near-duplicate memories about auth config
  3. [MEDIUM] Run consolidation to improve synapse diversity

Projected grade after fixes: A- (91/100)
```

## Rules

- **Evidence-based only** — every finding must reference specific memories or metrics
- **No guessing** — if a tool fails or data is insufficient, report "insufficient data" for that dimension
- **Prioritize by impact** — always present CRITICAL before LOW
- **Actionable recommendations** — every finding must have a concrete fix, not just "improve quality"
- **Respect user time** — estimate effort for each recommendation (minutes, not hours)
- **No auto-modifications** — audit is read-only; user decides what to fix
- **Compare to baseline** — if previous audit exists, show delta (improved/degraded/unchanged)
- **Vietnamese support** — if brain content is Vietnamese, report in Vietnamese

© nhadaututtheky · MIT · nhadaututtheky/neural-memory

Похожие скиллы

Все скиллы по теме «Настройка агента: память, контекст, субагенты» →
memory-md-management giuseppe-trisciuoglio Скилл проверяет файлы памяти проекта вроде CLAUDE.md, ставит им оценку по шести критериям и предлагает точечные правки. CX Codex +1 3 500установок jetson-memory-audit Jetson Team Скилл снимает снимок памяти Jetson и проверяет, сколько DRAM реально освободилось после остановки нагрузки. CX Codex +1 1 200установок agent-architecture-audit affaan-m Скилл проверяет агентные и LLM-приложения по 12 слоям. Он нужен, когда поведение агента ухудшилось, а причина сбоя неясна. CX Codex +1 4 800установок deep-agents-memory langchain-ai Скилл разбирает бэкенды памяти в Deep Agents: что живёт внутри одного потока, что переживает перезапуск и как включать файловые инструменты вроде ls и grep. CX Codex +1 19 000установок claude-memory-curator stark-ai-de Разбирает CLAUDE.md, правила, настройки и auto memory: находит устаревшие, дублирующие и конфликтующие записи и предлагает, куда их перенести. CX Codex +1 2 600установок elite-longterm-memory NextFrontierBuilds Скилл собирает шесть слоёв памяти агента: рабочее состояние сессии, векторный поиск, граф решений в git, дневные логи и облачную копию. Пригодится, когда контекст теряется после компакции. CX Codex +1 2 400установок

Из того же набора4

Спонсоры проекта

Компании, которые помогают держать аналитику открытой