michsindlinger/specwright/templates/skills/save-memory

Save Memory Skill

Purpose: Interaktiver Workflow zum strukturierten Speichern von Session-Wissen in die persistente Memory-Datenbank. Kostenoptimiert: Main Agent (Opus) extrahiert nur die Roh-Punkte, ein Haiku Sub-Agent uebernimmt Strukturierung und Speicherung.

When to Use

Dieser Skill wird aufgerufen wenn der User /save-memory ausfuehrt. Er extrahiert relevante Topics aus der aktuellen Session und speichert sie strukturiert mit Tags.

---

Workflow

<save_memory_workflow>

Phase 1: Session analysieren und Roh-Punkte extrahieren (Main Agent)

<topic_extraction> WICHTIG: Diese Phase laeuft im Main Agent (Opus), da nur er den Konversationskontext hat. Ziel: Minimaler Output — nur die Kernpunkte extrahieren, KEINE aufwaendige Strukturierung.

ANALYZE: Die aktuelle Konversation nach speicherwuerdigen Inhalten.

Speicherwuerdig (DO save):

• Architektur-Entscheidungen und deren Begruendung
• Erkannte Patterns und Best Practices
• Wichtige Business-Logik und Domain-Wissen
• Technische Erkenntnisse und Learnings
• Strategische Entscheidungen und Priorisierungen
• Workflow-Praeferenzen und Konventionen
• Debugging-Erkenntnisse mit allgemeinem Wert
• Projektuebergreifendes Wissen

NICHT speicherwuerdig (DO NOT save):

• Reines Debugging einer spezifischen Session
• Code-Aenderungen die bereits im Git sind
• Temporaere Workarounds ohne Lernwert
• Triviale Code-Diskussionen
• Informationen die bereits in CLAUDE.md oder Skills stehen

EXTRACT: Fuer jeden speicherwuerdigen Punkt eine kompakte Notiz (2-5 Saetze):

• Was wurde entschieden/gelernt?
• Warum? (Kontext/Begruendung)
• Relevante Details (Dateinamen, Patterns, Constraints)

IF keine speicherwuerdigen Inhalte gefunden: INFORM: "In dieser Session wurden keine speicherwuerdigen Topics identifiziert." ASK via AskUserQuestion: question: "Moechtest du manuell ein Topic eingeben?" options: - label: "Ja, manuell eingeben" description: "Du gibst das Topic und die wichtigsten Erkenntnisse selbst ein" - label: "Nein, abbrechen" description: "Session ohne Memory-Speicherung beenden"

IF "Ja, manuell eingeben":
  ASK via AskUserQuestion:
  question: "Was moechtest du speichern? Beschreibe das Topic und die wichtigsten Erkenntnisse."
  SET: RAW_POINTS = User-Eingabe als einzelner Punkt

IF "Nein, abbrechen":
  STOP: Workflow beendet

IF speicherwuerdige Inhalte gefunden: PRESENT: Gefundene Punkte dem User als nummerierte Liste zur Bestaetigung

ASK via AskUserQuestion:
question: "Welche Punkte moechtest du speichern?"
multiSelect: true
options: [Extrahierte Punkte als Optionen auflisten]

SET: RAW_POINTS = Vom User ausgewaehlte Roh-Punkte

DETECT: Aktuelles Projekt aus Working Directory SET: DETECTED_PROJECT = basename des CWD </topic_extraction>

Phase 2: An Haiku Sub-Agent delegieren

<delegate_to_haiku> WICHTIG: Ab hier wird ein Haiku Sub-Agent gestartet der die restliche Arbeit uebernimmt. Das spart erhebliche Kosten, da Strukturierung, Tag-Auswahl und MCP-Calls kein Opus benoetigen.

DELEGATE to Agent (model: "haiku"): description: "Save memory entries" prompt: | Du bist ein Memory-Management-Agent. Deine Aufgabe ist es, die folgenden Roh-Punkte aus einer Entwicklungs-Session in strukturierte Memory-Eintraege umzuwandeln und zu speichern.

## Roh-Punkte zum Speichern

[RAW_POINTS hier einfuegen — die vom User bestaetigten Punkte]

## Erkanntes Projekt

Projekt: [DETECTED_PROJECT]

## Deine Aufgaben

Fuehre fuer JEDEN Roh-Punkt die folgenden Schritte aus:

### Schritt 1: Strukturieren

Wandle jeden Roh-Punkt um in:
- **Topic Title**: Kurzer, praegnanter Titel (3-8 Woerter)
- **Summary**: 1-2 Saetze Zusammenfassung des Kernpunkts
- **Details**: Optionale ausfuehrliche Informationen (Kontext, Beispiele, relevante Dateipfade)

### Schritt 2: Tags zuweisen

1. Lade verfuegbare Tags:
   CALL MCP TOOL: mcp__kanban__memory_list_tags

2. Waehle 2-4 passende Tags pro Topic basierend auf dem Inhalt.
   Frage den User:

   ASK via AskUserQuestion:
   question: "Tags fuer '[TOPIC_TITLE]' — Vorschlag: [SUGGESTED_TAGS]. Welche Tags?"
   multiSelect: true
   options:
     - Vorgeschlagene Tags (als erste Optionen)
     - Weitere relevante bestehende Tags
     - label: "Neuen Tag erstellen"
       description: "Einen neuen Tag anlegen"

   IF "Neuen Tag erstellen":
     ASK via AskUserQuestion:
     question: "Wie soll der neue Tag heissen? (lowercase, z.B. 'payment')"

### Schritt 3: Importance-Level festlegen

ASK via AskUserQuestion:
question: "Importance-Level fuer '[TOPIC_TITLE]'?"
options:
  - label: "tactical"
    description: "Kurzlebig (Tage-Wochen): Debugging-Erkenntnisse, Session-Notizen"
  - label: "operational (Standard)"
    description: "Mittelfristig (Wochen-Monate): Projekt-Entscheidungen, aktuelle Patterns"
  - label: "strategic"
    description: "Langlebig (Monate-Jahre): Architektur-Grundsaetze, Domain-Wissen"

### Schritt 4: Projekt-Zuordnung

Frage den User einmalig (gilt fuer alle Topics):

ASK via AskUserQuestion:
question: "Ist dieses Wissen projekt-spezifisch oder allgemein verwendbar?"
options:
  - label: "Projekt-spezifisch ([DETECTED_PROJECT])"
    description: "Wird mit project_id '[DETECTED_PROJECT]' gespeichert"
  - label: "Allgemeines Wissen"
    description: "Wird ohne project_id gespeichert, in allen Projekten abrufbar"

SET: PROJECT_ID = Auswahl (project name oder null)

### Schritt 5: Speichern

FOR EACH strukturiertes Topic:
  CALL MCP TOOL: mcp__kanban__memory_store
  Input:
  {
    "topic": "[topic.title]",
    "summary": "[topic.summary]",
    "details": "[topic.details]",
    "tags": [topic.tags],
    "project_id": "[PROJECT_ID]",
    "source": "save-memory-skill",
    "importance": "[topic.importance]"
  }

### Schritt 6: Bestaetigung

OUTPUT:

---
## Memory gespeichert

**Gespeicherte Topics:** {count} von {total}
**Projekt:** {PROJECT_ID oder "Allgemein"}

| Topic | Tags | Importance | Summary |
|-------|------|------------|---------|
| {topic} | {tags} | {importance} | {summary truncated 60} |

---

</delegate_to_haiku>

</save_memory_workflow>

---

MCP Tools Reference

| Tool | Zweck | Wann | |------|-------|------| | mcp__kanban__memory_store | Topic mit Summary, Details und Tags speichern | Schritt 5: Fuer jedes Topic | | mcp__kanban__memory_list_tags | Alle verfuegbaren Tags mit Beschreibungen laden | Schritt 2: Vor der Tag-Auswahl |

---

Kostenoptimierung

| Phase | Modell | Grund | |-------|--------|-------| | Phase 1: Roh-Punkte extrahieren | Main Agent (Opus) | Braucht Zugriff auf die Konversationshistorie | | Phase 2: Strukturieren + Speichern | Haiku Sub-Agent | Einfache Aufgabe: Formatieren, User fragen, MCP-Calls |

Dies spart ~90% der Token-Kosten gegenueber dem alten Ansatz, bei dem Opus den gesamten Workflow ausfuehrte.

---

Upsert-Verhalten

Das memory_store Tool nutzt Upsert-Logik:

• Gleicher Topic + Tag + Datum → Summary wird ersetzt, Details werden angehaengt
• Das bedeutet: Mehrfaches Speichern des gleichen Topics am gleichen Tag fuegt Details hinzu statt zu duplizieren
• Ideal fuer iteratives Wissens-Aufbau ueber eine Session hinweg

---

Hinweise

• project_id ist optional. NULL = allgemeines Wissen, String = projekt-spezifisch
• Tags koennen frei erstellt werden. Bestehende Tags werden beim naechsten Aufruf automatisch angezeigt
• source wird automatisch auf "save-memory-skill" gesetzt fuer Nachvollziehbarkeit
• Standard-Tags (15): architecture, decision, feature, backend, frontend, database, api, testing, deployment, security, performance, convention, dependency, workflow, domain