# V3 Memory Unification > Unifica más de 6 sistemas de memoria en AgentDB con indexación HNSW para mejoras de búsqueda de 150x a 12.500x. Implementa el ADR-006 y el ADR-009. Fuente: https://skillsagentes.com/skills/ruvnet/ruflo/v3-memory-unification Markdown: https://skillsagentes.com/skills/ruvnet/ruflo/v3-memory-unification.md Repositorio: https://github.com/ruvnet/ruflo Autor: ruvnet Licencia: MIT Actualizado: hace 6 meses Coste de contexto: 44 tok instalada, 1.3k tok al activarse, 1.3k tok con todos los archivos del bundle Bundle: 1 archivo, 5 KB Permisos que pide: ninguno declarado ## Instalación Un skill son archivos markdown: los mismos archivos valen para cualquier agente y lo único que cambia es el directorio de destino, es decir la bandera `--agent`. Añade `-g` para instalarlo en todos los proyectos de la máquina. ```bash # Claude Code npx -y skills add ruvnet/ruflo --skill v3-memory-unification --agent claude-code # Cursor npx -y skills add ruvnet/ruflo --skill v3-memory-unification --agent cursor # Codex npx -y skills add ruvnet/ruflo --skill v3-memory-unification --agent codex # Gemini CLI npx -y skills add ruvnet/ruflo --skill v3-memory-unification --agent gemini # Windsurf npx -y skills add ruvnet/ruflo --skill v3-memory-unification --agent windsurf # Cline npx -y skills add ruvnet/ruflo --skill v3-memory-unification --agent cline ``` ## Qué hace - Unifica más de 6 sistemas de memoria dispersos (SQLite, Markdown, distribuido, swarm) en un backend único AgentDB. - Implementa indexación vectorial HNSW para búsquedas 150x-12.500x más rápidas. - Migra datos existentes de SQLite y Markdown a AgentDB generando embeddings. - Integra el almacenamiento de patrones de aprendizaje SONA en la memoria unificada. ## Cuándo usarla - Vas a consolidar múltiples sistemas de memoria en un backend único. - Necesitas migrar datos de SQLite o Markdown a AgentDB con embeddings. - Quieres integrar patrones de aprendizaje SONA en la memoria del sistema. ## Qué la activa - "Diseña la estrategia de unificación de memoria con AgentDB" - "Migra los datos de SQLite a AgentDB generando embeddings" - "Configura el índice HNSW con 1536 dimensiones" ## Archivos - SKILL.md — 5 KB ## SKILL.md Reproducido tal cual desde ruvnet/ruflo bajo MIT. Esta sección es el documento original y está en inglés. # V3 Memory Unification ## What This Skill Does Consolidates disparate memory systems into unified AgentDB backend with HNSW vector search, achieving 150x-12,500x search performance improvements while maintaining backward compatibility. ## Quick Start ```bash # Initialize memory unification Task("Memory architecture", "Design AgentDB unification strategy", "v3-memory-specialist") # AgentDB integration Task("AgentDB setup", "Configure HNSW indexing and vector search", "v3-memory-specialist") # Data migration Task("Memory migration", "Migrate SQLite/Markdown to AgentDB", "v3-memory-specialist") ``` ## Systems to Unify ### Legacy Systems → AgentDB ``` ┌─────────────────────────────────────────┐ │ • MemoryManager (basic operations) │ │ • DistributedMemorySystem (clustering) │ │ • SwarmMemory (agent-specific) │ │ • AdvancedMemoryManager (features) │ │ • SQLiteBackend (structured) │ │ • MarkdownBackend (file-based) │ │ • HybridBackend (combination) │ └─────────────────────────────────────────┘ ↓ ┌─────────────────────────────────────────┐ │ 🚀 AgentDB with HNSW │ │ • 150x-12,500x faster search │ │ • Unified query interface │ │ • Cross-agent memory sharing │ │ • SONA learning integration │ └─────────────────────────────────────────┘ ``` ## Implementation Architecture ### Unified Memory Service ```typescript class UnifiedMemoryService implements IMemoryBackend { constructor( private agentdb: AgentDBAdapter, private indexer: HNSWIndexer, private migrator: DataMigrator ) {} async store(entry: MemoryEntry): Promise { await this.agentdb.store(entry); await this.indexer.index(entry); } async query(query: MemoryQuery): Promise { if (query.semantic) { return this.indexer.search(query); // 150x-12,500x faster } return this.agentdb.query(query); } } ``` ### HNSW Vector Search ```typescript class HNSWIndexer { constructor(dimensions: number = 1536) { this.index = new HNSWIndex({ dimensions, efConstruction: 200, M: 16, speedupTarget: '150x-12500x' }); } async search(query: MemoryQuery): Promise { const embedding = await this.embedContent(query.content); const results = this.index.search(embedding, query.limit || 10); return this.retrieveEntries(results); } } ``` ## Migration Strategy ### Phase 1: Foundation ```typescript // AgentDB adapter setup const agentdb = new AgentDBAdapter({ dimensions: 1536, indexType: 'HNSW', speedupTarget: '150x-12500x' }); ``` ### Phase 2: Data Migration ```typescript // SQLite → AgentDB const migrateFromSQLite = async () => { const entries = await sqlite.getAll(); for (const entry of entries) { const embedding = await generateEmbedding(entry.content); await agentdb.store({ ...entry, embedding }); } }; // Markdown → AgentDB const migrateFromMarkdown = async () => { const files = await glob('**/*.md'); for (const file of files) { const content = await fs.readFile(file, 'utf-8'); await agentdb.store({ id: generateId(), content, embedding: await generateEmbedding(content), metadata: { originalFile: file } }); } }; ``` ## SONA Integration ### Learning Pattern Storage ```typescript class SONAMemoryIntegration { async storePattern(pattern: LearningPattern): Promise { await this.memory.store({ id: pattern.id, content: pattern.data, metadata: { sonaMode: pattern.mode, reward: pattern.reward, adaptationTime: pattern.adaptationTime }, embedding: await this.generateEmbedding(pattern.data) }); } async retrieveSimilarPatterns(query: string): Promise { return this.memory.query({ type: 'semantic', content: query, filters: { type: 'learning_pattern' } }); } } ``` ## Performance Targets - **Search Speed**: 150x-12,500x improvement via HNSW - **Memory Usage**: 50-75% reduction through optimization - **Query Latency**: <100ms for 1M+ entries - **Cross-Agent Sharing**: Real-time memory synchronization - **SONA Integration**: <0.05ms adaptation time ## Success Metrics - [ ] All 7 legacy memory systems migrated to AgentDB - [ ] 150x-12,500x search performance validated - [ ] 50-75% memory usage reduction achieved - [ ] Backward compatibility maintained - [ ] SONA learning patterns integrated - [ ] Cross-agent memory sharing operational ## Dónde encaja - Categoría: [Bases de datos](https://skillsagentes.com/categorias/bases-de-datos.md) — Diseño de esquemas, migraciones y optimización de consultas. - Creador: [ruvnet](https://skillsagentes.com/creators/ruvnet.md) — 275 skills en el directorio - [Todas las skills](https://skillsagentes.com/skills.md) - [Ranking de instalaciones](https://skillsagentes.com/ranking.md) ## Otras skills del mismo repositorio - [Harness Gepa](https://skillsagentes.com/skills/ruvnet/ruflo/harness-gepa.md): Inspecciona y audita genomas GEPA: carga y valida un genoma, renderiza el system prompt que compila, o clasifica los modos de fallo de una transcripción de ejecución. - [Deepseek Reason](https://skillsagentes.com/skills/ruvnet/ruflo/deepseek-reason.md): Completion en modo razonamiento contra deepseek-reasoner (R1) de DeepSeek. Devuelve el chain-of-thought por separado de la respuesta final. Lee DEEPSEEK_API_KEY y degrada si falta o la API no responde. - [Deepseek Chat](https://skillsagentes.com/skills/ruvnet/ruflo/deepseek-chat.md): Completion de un solo turno contra el modelo deepseek-chat de DeepSeek vía /v1/chat/completions. Lee DEEPSEEK_API_KEY y degrada con status:degraded si falta o la API no responde. Para tareas sin razonamiento. - [Adr Index](https://skillsagentes.com/skills/ruvnet/ruflo/adr-index.md): Construye o reconstruye el índice de ADRs y su grafo de dependencias ejecutando scripts/import.mjs, en vez de cientos de llamadas MCP. - [Agntcy Status](https://skillsagentes.com/skills/ruvnet/ruflo/agntcy-status.md): Muestra el estado de la integración AGNTCY/SLIM/CASA: si los paquetes están instalados, qué transporte está activo y si el enforcement de CASA está habilitado. --- Skills Agentes · [Índice de páginas en markdown](https://skillsagentes.com/sitemap.md) · [Inicio](https://skillsagentes.com/index.md)