Atlas - Mémoire Sémantique Persistante

VérifiéSûr

Atlas ingère de la documentation et du code dans une mémoire sémantique persistante via Qdrant et les embeddings Voyage. Il permet de rechercher du contexte à travers les sessions, d'ingérer des fichiers ou dossiers, et de filtrer temporellement. Utile lorsque le contexte du projet est trop volumineux pour une seule session ou qu'il faut retrouver des décisions antérieures.

Spar Skills Guide Bot
ProductiviteIntermédiaire
02/06/2026
Claude Code
#semantic-memory#vector-database#context-ingestion#persistent-search#qdrant

Recommandé pour

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
Quand l'utiliser

Utilisez Atlas lorsque vous avez besoin de conserver et d'interroger du contexte de projet sur plusieurs sessions sans perdre d'informations.

Quand l'éviter

Évitez Atlas pour des tâches ponctuelles avec du contexte minimal ou si vous ne pouvez pas maintenir l'infrastructure requise.

Analyse de sécurité

Sûr
Score qualité93/100

The 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 faite

Exemples

Remember API architecture
Remember the API architecture we discussed last week.
Find authentication patterns
Find all mentions of authentication patterns in our codebase.
Ingest research files
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

  1. Qdrant running locally:
docker run -d -p 6333:6333 qdrant/qdrant
  1. VOYAGE_API_KEY set (get from https://voyageai.com):
export VOYAGE_API_KEY="your-key-here"
  1. 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:

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 annexes

Ce 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.md

Depuis 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
  1. Qdrant running locally:
docker run -d -p 6333:6333 qdrant/qdrant
  1. VOYAGE_API_KEY set (get from https://voyageai.com):
export VOYAGE_API_KEY="your-key-here"
  1. 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’OpenSkills
openskills 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 sync

Mode 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.

Skills similaires