Synthèse automatique
Atlas ingère la documentation et le code dans une mémoire sémantique persistante avec Qdrant et Voyage pour une recherche contextuelle inter-sessions.
Points forts
- Recherche sémantique rapide et précise dans de grands volumes de fichiers
- Double indexation temporelle et sémantique pour une récupération flexible
- Intégration native avec Claude Code via MCP
- Ingestion récursive de répertoires avec filtrage intelligent
Limites
- Nécessite un serveur Qdrant local et une clé API Voyage
- Consommation mémoire et disque non négligeable avec beaucoup de vecteurs
- Pas de prise en charge des images ou fichiers binaires
Utilisez Atlas lorsque vous avez besoin de conserver et d'interroger du contexte de projet sur plusieurs sessions sans perdre d'informations.
Évitez Atlas pour des tâches ponctuelles avec du contexte minimal ou si vous ne pouvez pas maintenir l'infrastructure requise.
Analyse de sécurité
SûrThe skill uses specific bun commands for document ingestion and semantic search via an external embedding API without destructive or exfiltrating patterns. It does not contain malicious payloads, obfuscated code, or instructions to disable safety.
Aucun point d'attention détecté
Comment cette analyse est faiteExemples
Remember the API architecture we discussed last week.Find all mentions of authentication patterns in our codebase.Ingest all the .atlas research files from the research directory.name: atlas description: Ingest project documentation and code into persistent semantic memory (Qdrant + Voyage embeddings). Use when user wants to remember context across sessions, ingest docs, or search previous work. Requires Qdrant running locally and VOYAGE_API_KEY set. allowed-tools: Bash(bun:*)
Atlas - Persistent Semantic Memory
Atlas provides automatic context ingestion and retrieval using Voyage embeddings + Qdrant vector database. Solves the context overflow problem by storing knowledge persistently across sessions.
Quick Start
Prerequisites
- Qdrant running locally:
docker run -d -p 6333:6333 qdrant/qdrant
- VOYAGE_API_KEY set (get from https://voyageai.com):
export VOYAGE_API_KEY="your-key-here"
- Verify setup:
curl http://localhost:6333/health
Ingesting Context
Store files in Atlas memory for persistent retrieval:
Ingest Single File
cd ~/production/atlas
bun run --filter @inherent.design/atlas atlas ingest /path/to/file.md
Ingest Directory (Recursive)
cd ~/production/atlas
bun run --filter @inherent.design/atlas atlas ingest /path/to/docs/ --recursive
Ingest Multiple Paths
cd ~/production/atlas
bun run --filter @inherent.design/atlas atlas ingest README.md src/index.ts docs/ -r
What gets ingested:
- Supported:
.md,.ts,.tsx,.js,.jsx,.json,.yaml,.qntm,.rs,.go,.py,.sh,.css,.html - Ignored:
node_modules,.git,dist,build,coverage,.atlas
Processing:
- Chunks text (768 tokens, 13% overlap) for semantic coherence
- Embeds with Voyage-3-large (1024-dim)
- Stores in Qdrant with dual-indexing (semantic QNTM keys + temporal timestamps)
- Preserves original text for future consolidation
Searching Context
Retrieve relevant context semantically:
Basic Search
cd ~/production/atlas
bun run --filter @inherent.design/atlas atlas search "typescript patterns"
Limited Results
cd ~/production/atlas
bun run --filter @inherent.design/atlas atlas search "memory consolidation" --limit 10
Temporal Filtering (Since Date)
cd ~/production/atlas
bun run --filter @inherent.design/atlas atlas search "sleep patterns" --since "2025-12-25"
Chronological Timeline
cd ~/production/atlas
bun run --filter @inherent.design/atlas atlas timeline --since "2025-12-01"
When to Use This Skill
Use Atlas when:
- User asks to "remember this across sessions"
- Project context is too large for single session
- User wants to search previous work/decisions
- Documentation needs to be queryable
- Building on previous research or code
Examples:
- "Remember the API architecture we discussed"
- "What did we decide about the database schema?"
- "Find all mentions of authentication patterns"
- "Ingest all the .atlas research files"
Architecture
Built on .atlas research (Steps 1-4 + Sleep Patterns):
Stack:
- Voyage-3-large embeddings (1024-dim, 9.74% better than OpenAI)
- Qdrant HNSW index (M=16, int8 quantization, 4x compression)
- RecursiveCharacterTextSplitter (semantic boundaries)
- Dual-indexing (QNTM semantic keys + RFC 3339 timestamps)
Production Config (from Step 3 research):
- Recall@10: >0.98
- Latency: 10-50ms (p95)
- Memory: 1.4GB RAM + 5GB disk per 1M vectors
Technical Details
For implementation details, see:
- docs/architecture.md - Complete technical architecture
Packages:
@inherent.design/atlas-core- Core library (embeddings, storage, search)@inherent.design/atlas- Command-line interface@inherent.design/atlas-mcp- MCP server for Claude Code integration
Du fichier au premier essai
Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.
Consulter la source et ses fichiers annexesCe téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.
1. Télécharger le fichier
Télécharger SKILL.mdDepuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/atlas-persistent-semantic-memory-mm5t8apq/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.
Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.
mkdir -p '.skill-downloads/atlas-persistent-semantic-memory-mm5t8apq' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/atlas-persistent-semantic-memory-mm5t8apq/download' --output '.skill-downloads/atlas-persistent-semantic-memory-mm5t8apq/SKILL.md.part' && mv '.skill-downloads/atlas-persistent-semantic-memory-mm5t8apq/SKILL.md.part' '.skill-downloads/atlas-persistent-semantic-memory-mm5t8apq/SKILL.md'2. Vérifier les prérequis
Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.
Outils déclarés par l’auteur (à vérifier dans votre agent) : Bash(bun:*)
Extrait original : Prerequisites
- Qdrant running locally:
docker run -d -p 6333:6333 qdrant/qdrant
- VOYAGE_API_KEY set (get from https://voyageai.com):
export VOYAGE_API_KEY="your-key-here"
- Verify setup:
curl http://localhost:6333/health
Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.
3. Charger la skill
Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.
Claude Code
test -f '.skill-downloads/atlas-persistent-semantic-memory-mm5t8apq/SKILL.md' && test -s '.skill-downloads/atlas-persistent-semantic-memory-mm5t8apq/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/atlas' && cp -R '.skill-downloads/atlas-persistent-semantic-memory-mm5t8apq' '.claude/skills/atlas'OpenSkills
OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.
Installation officielle d’OpenSkillsopenskills install './.skill-downloads/atlas-persistent-semantic-memory-mm5t8apq'openskills read 'atlas-persistent-semantic-memory-mm5t8apq'La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.
Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.
openskills syncMode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.
4. Faire un premier essai
Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :
Lis .skill-downloads/atlas-persistent-semantic-memory-mm5t8apq/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.
Lecteur PDF
Productivite
Lit et extrait le texte de fichiers PDF (rapports, contrats, tableurs). Gère les fichiers locaux, les URL et les pièces jointes WhatsApp. Utilisez-le dès qu'un contenu PDF est nécessaire, même sans demande explicite.
Workflows de messagerie Discord
Productivite
Utilisez l'outil message pour envoyer, modifier et modérer des messages Discord avec des composants interactifs.
Aperçu interactif des verdicts
Productivite
Générer un aperçu HTML interactif des verdicts (garder/supprimer) pour la revue par le mainteneur, puis traiter le JSON de retour.