これらのクエリを試す

自分のWorking Memoryブリーフィングを見せて

現在のフォーカスサーフェスを読み取ります。 どのトピックがアクティブか、何に注意が必要か、最近何が変わったか。 ネイティブ統合と適切に設定されたエージェントは、セッション開始時に適切なWorking Memoryブリーフィングを自動的に読み込むことができます。

自分のアイデアのうち、最も進化したものはどれ?

最も長いEVOLVESチェーン、つまり複数回の改訂を経たアイデアを見つけます。 時系列で物語を語ります。 「1月にあなたはPostgreSQLを決定しました。 3月までに、ハイブリッドアプローチを検討していました。 最新のノートは、デュアルデータベース移行を裏付けています。」

自分のノートからどんな知恵が結晶化しましたか?

合成されたクリスタル、つまりシステムが複数の関連する記憶から一晩で抽出したリファレンス記事を表示します。 これらは、単一のノートからは得られない洞察です。

最近のコーディング会話を要約して

コーディングセッションがすでにローカル自動同期、ネイティブ保存パス、またはスレッドインポートを通じてMemに流れ込んでいる場合、最新のものを一覧表示して要約します。 何が議論され、何が構築され、どのような決定がなされたか。

メインデータベースにPostgreSQLを使うことに決めたところ

知識のキャプチャ。 システムはそれを記憶として保存し、関連する決定を検索し、つながりを言及します。 「これは、データベースのスケーリングに関する以前のノートに関連しています。」自然に入力するだけで、AIが共有された内容を分類して保存します。

今夜、最近の記憶に対してナレッジグラフ抽出を実行して

Background Intelligenceタスクをスケジュールします。 エージェントは指定された時刻に完全なツールアクセスで起動します。 記憶を分析し、矛盾を検出し、EVOLVESリンクを作成し、クリスタルを生成できます。 自然言語でのタイミング指定:「2時間後」、「明日の朝」、「来週」。 最小5分、最大30日。

[トピック] について自分のドキュメントを検索して

Library内のすべてのソースドキュメントを対象とした全文検索。 ファイル(PDF、Word、markdown)をTimelineの入力欄にドロップするか、Libraryから追加します。 それらは解析、チャンク化、インデックス化され、セマンティック検索が可能になります。

自分の主な知識テーマは何?

注: これには1週間の定期的な使用とバックグラウンド処理が必要です。

コミュニティ検出は、エンティティをAI要約付きのトピック領域にクラスタリングします。 システムは一晩の分析を実行し、関連する概念をグループ化します。 意識的に追跡していなかったテーマが見えてきます。 存在を知らなかった「開発者体験」クラスタや、何か月ものノートを貫く「データアーキテクチャ」テーマなどです。