Memory Keeper (Proactive Context Maintenance)
について
このスキルは、新しいコミットやタスク完了などの重要な変更が発生した時や、コンテキストが古くなったことを自動的に検知することで、Claudeのコンテキストを積極的に維持します。受動的な警告に代わり、ユーザーの確認を得て、メモリ同期操作を提案・実行します。開発者は、明示的に同期を要求する場合や、コンテキストの鮮度が重要な長時間実行タスクに取り組む際に、このスキルを使用すべきです。
クイックインストール
Claude Code
推奨npx skills add mattnigh/skills_collection -a claude-code/plugin add https://github.com/mattnigh/skills_collectiongit clone https://github.com/mattnigh/skills_collection.git ~/.claude/skills/Memory Keeper (Proactive Context Maintenance)このコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします
GitHub リポジトリ
よくある質問
Memory Keeper (Proactive Context Maintenance) Skillとは何ですか?
Memory Keeper (Proactive Context Maintenance) はmattnigh が作成した Claude Skillです。Skillは、Claudeが必要に応じて読み込む指示とリソースをまとめ、追加の指示なしで Memory Keeper (Proactive Context Maintenance) に関連するタスクを実行できるようにします。
Memory Keeper (Proactive Context Maintenance) をインストールするには?
このページのインストールコマンドを使用してください。Memory Keeper (Proactive Context Maintenance) をプラグインとして Claude Code に追加するか、リポジトリを skills ディレクトリにクローンし、Claudeを再起動してSkillを読み込みます。
Memory Keeper (Proactive Context Maintenance) はどのカテゴリに属しますか?
Memory Keeper (Proactive Context Maintenance) は メタ カテゴリに属します。
Memory Keeper (Proactive Context Maintenance) は無料で利用できますか?
はい。Memory Keeper (Proactive Context Maintenance) は AIMCP に掲載されており、無料でインストールできます。
関連スキル
このスキルは、Content Collections(Markdown/MDXファイルを型安全なデータコレクションに変換するTypeScriptファーストのツール)の本番環境でテストされた設定を提供します。Zodバリデーションによる型安全性を実現し、ブログ、ドキュメントサイト、コンテンツ重視のVite + Reactアプリケーション構築時にご利用ください。Viteプラグインの設定、MDXコンパイルから、デプロイ最適化、スキーマバリデーションまで、すべてを網羅しています。
このスキルは、開発者がPolymarket予測市場プラットフォームを活用したアプリケーション構築を可能にします。API統合による取引や市場データの取得に加え、WebSocketを介したリアルタイムデータストリーミングにより、ライブ取引や市場活動を監視できます。取引戦略の実装や、ライブ市場更新を処理するツールの作成にご利用ください。
このスキルは、開発者がコマンド、ファイル、LSP操作など25種類以上のイベントタイプにフックするOpenCodeプラグインを作成することを支援します。JavaScript/TypeScriptモジュール向けに、プラグイン構造、イベントAPI仕様、および実装パターンを提供します。カスタムイベント駆動ロジックでOpenCode AIアシスタントのライフサイクルをインターセプト、監視、または拡張する必要がある場合にご利用ください。
SGLangは、高性能なLLMサービングフレームワークであり、RadixAttentionプレフィックスキャッシュを活用したJSON、正規表現、エージェントワークフロー向けの高速で構造化された生成を特長とします。特にプレフィックスが繰り返されるタスクにおいて、大幅に高速な推論を実現し、複雑な構造化出力やマルチターン対話に最適です。制約付きデコードが必要な場合や、広範なプレフィックス共有を伴うアプリケーションを構築する場合は、vLLMなどの代替案ではなくSGLangを選択してください。
