Memory Management

memory-safety-patterns aide les agents à appliquer RAII, la propriété, les smart pointers et le nettoyage des ressources dans des projets en C, C++ et Rust. Utilisez-le pour relire du code backend ou système, réduire les fuites et les pointeurs pendants, et orienter des refactorings plus sûrs autour des fichiers, sockets, buffers et frontières FFI.

python-performance-optimization aide à diagnostiquer le code Python lent ou gourmand en mémoire avec une approche centrée sur le profiling, en couvrant les goulets d’étranglement CPU, mémoire et I/O, ainsi que le caching, la vectorisation, l’async et les workflows de benchmarking.

python-resource-management aide les agents à générer du code Python pour les context managers, le nettoyage sûr en cas d’exception, les cycles de vie asynchrones des ressources et les modèles de streaming. À utiliser pour les fichiers, les connexions DB, les sockets et le code backend qui exige une libération déterministe des ressources.

memory-management aide Claude à conserver le contexte d’un projet d’une session à l’autre grâce à un workflow de fichiers HOT/WARM/COLD. Utilisez-la pour maintenir `CLAUDE.md`, les dossiers `memory/`, les entrées de glossaire et les mises à jour déclenchées par événements pour les audits, classements, concurrents et rapports dans des workflows SEO ou de Context Engineering.

mnemos est une compétence de mémoire centrée sur la tâche pour les agents qui ont besoin d’un contexte durable malgré les compactions. Elle s’appuie sur un MnemoGraph typé pour conserver les objectifs et contraintes, compresser les résultats et préserver des points de reprise. Utile pour l’ingénierie du contexte, le débogage, la maintenance de dépôt et les passations.

continual-learning est une compétence destinée aux agents de codage IA qui doivent retenir des enseignements utiles d’une session à l’autre. Elle prend en charge les hooks, une mémoire à deux niveaux et la réflexion, afin que les agents puissent réutiliser les conventions d’un projet, éviter de répéter les mêmes erreurs et améliorer leur Agent Orchestration au fil du temps.

self-improving-agent est une méta-skill d’orchestration d’agents qui capture les résultats des tâches, extrait des schémas réutilisables et fait transiter les mises à jour via la mémoire, des templates, des hooks et, si besoin, une revue de PR.