/forge-memory — FORGE Vector Memory

Outil de diagnostic pour l'index vectoriel de la mémoire FORGE. Les commandes FORGE utilisent automatiquement la recherche vectorielle ; ce skill est pour le diagnostic et la maintenance.

Prérequis

Le système doit être installé :

bash ~/.claude/skills/forge/scripts/forge-memory/setup.sh

Commandes

Synchroniser l'index

Synchronise les fichiers Markdown vers la base SQLite :

forge-memory sync [--force] [--verbose]

• Sans --force : réindexe uniquement les fichiers modifiés (basé sur le hash SHA-256)
• Avec --force : réindexe tous les fichiers
• Avec --verbose : affiche le détail de chaque fichier traité

Rechercher

Recherche hybride (vectorielle + texte) dans la mémoire :

forge-memory search "query" [--namespace all|project|session|agent] [--agent NAME] [--limit 5] [--threshold 0.3] [--pretty]

• --namespace : filtrer par type (project = MEMORY.md, session = logs, agent = mémoires d'agent)
• --agent : filtrer par nom d'agent (pm, architect, dev, qa)
• --limit : nombre max de résultats (défaut: 5)
• --threshold : score minimum (défaut: 0.3)
• --pretty : affichage formaté (sinon JSON)

Statut

Affiche les statistiques de l'index :

forge-memory status [--json]

Journaliser

Ajoute une entrée dans le fichier session du jour (.forge/memory/sessions/YYYY-MM-DD.md) :

forge-memory log "message" [--agent NAME] [--story STORY-ID]

• --agent : nom de l'agent (dev, qa, lead, etc.)
• --story : identifiant de la story (STORY-001, etc.)
• Crée le répertoire sessions/ et le fichier avec header automatiquement

Consolider

Agrège les entrées des session logs dans MEMORY.md, groupées par story :

forge-memory consolidate [--verbose]

• Lit les sessions depuis la dernière consolidation (marqueur ### Consolidation — YYYY-MM-DD)
• Ajoute une section récapitulative à la fin de MEMORY.md
• Pure Python, aucune dépendance LLM

Réinitialiser

Supprime et recrée la base de données :

forge-memory reset --confirm

Architecture

.forge/memory/
  MEMORY.md              <- source de vérité (écrit par les agents)
  sessions/YYYY-MM-DD.md <- source de vérité (écrit par les agents)
  agents/{agent}.md      <- source de vérité (écrit par les agents)
  index.sqlite           <- index dérivé (synchronisé depuis les .md)

• Synchronisation unidirectionnelle : Markdown -> SQLite
• Scope de sync élargi : .forge/memory/ + docs/ (stories, architecture, PRD)
• Auto-sync avant chaque recherche (vérifie les changements dans les deux répertoires)
• Recherche hybride : similarité vectorielle (70%) + FTS5 BM25 (30%)
• Embeddings locaux : sentence-transformers all-MiniLM-L6-v2 (384 dimensions)
• Chunking markdown-aware : ~400 tokens/chunk, 80 tokens overlap

Output Examples

forge-memory status

FORGE Memory — Status
──────────────────────
Database  : .forge/memory/index.sqlite
Documents : 42 indexed (12 project, 18 session, 12 agent)
Chunks    : 187 total
Last sync : 2026-03-08 14:23:01
Model     : all-MiniLM-L6-v2 (384 dims)

forge-memory search "auth" --pretty

[0.87] .forge/memory/sessions/2026-03-07.md:12
  "JWT auth implemented with refresh tokens, 15min expiry..."

[0.72] docs/architecture.md:45
  "Authentication uses bcrypt + JWT. Session management via..."

[0.65] .forge/memory/agents/dev.md:8
  "STORY-002 auth: learned that httpOnly cookies are required..."