Skill cortex-setup-project
✓ VerificadoArranca Cortex para nuevos proyectos o importa el historial de sesiones existentes para construir perfiles cognitivos y sembrar memorias del codebase.
- Estrellas en GitHub
- 76
- Archivos
- 1
- Último commit
- 12 nov 2026
- Licencia
- MIT
- Herramientas permitidas
- —
¿Qué hace la skill cortex-setup-project?
Arranca Cortex para nuevos proyectos o importa el historial de sesiones existentes para construir perfiles cognitivos y sembrar memorias del codebase.
Resumen generado a partir del SKILL.md de la skill.
Sobre la skill cortex-setup-project
Esta SKILL permite inicializar perfiles cognitivos y sembrar memorias del codebase para nuevos proyectos. Los desarrolladores la utilizan para arrancar el sistema Cortex, ya sea empezando desde cero o importando el historial de sesiones existentes para construir una base de conocimientos. El proceso es totalmente autónomo y avanza a través de la verificación de infraestructura, la construcción de perfiles y la siembra del codebase sin necesidad de ejecutar comandos manualmente o tomar decisiones de usuario.
Un agente debe cargar esta SKILL cuando un usuario solicite configurar Cortex, sembrar un proyecto o rellenar memorias. Se apoya en herramientas como cortex:memory_stats para comprobaciones de conectividad y cortex:rebuild_profiles para crear hubs de dominio. Si el servidor ai-architect-mcp-codebase está disponible, la SKILL puede realizar un análisis más profundo a nivel de símbolos para ingerir las estructuras del codebase. El proceso concluye consolidando las memorias mediante decaimiento y compresión, proporcionando un resumen final de dominios, entidades y brechas de conocimiento.
Lo que un agente puede hacer con ella
- 1Arrancar la memoria de un nuevo proyectoInicializa el entorno Cortex para un codebase nuevo y comienza a construir perfiles cognitivos específicos del dominio.
- 2Importar historial de conversaciones previasRellena el almacén de memoria con hasta 500 archivos de sesiones existentes para mantener la continuidad del conocimiento del proyecto.
- 3Realizar un análisis profundo del codebaseHabilita la memoria a nivel de símbolos y el análisis estructurado para codebases grandes integrando el servidor ai-architect-mcp-codebase.
- 4Verificar y reparar la infraestructura de memoriaDiagnostica y soluciona automáticamente problemas de conectividad con los backends de memoria SQLite o PostgreSQL.
Escrito a partir del SKILL.md de la skill. Cada caso de uso se verifica con una cita del mismo.
Cómo instalar la skill cortex-setup-project
Cada comando copia la carpeta de la skill al directorio de skills del cliente. Reinicia el cliente o inicia una nueva sesión para cargarla.Instalar la skill cortex-setup-project en Plugin
/plugin marketplace add cdeust/Cortex /plugin install hypermnesia-mcp@cortex-plugins
Instalar la skill cortex-setup-project en Claude Code
~/.claude/skills/cortex-setup-project/SKILL.md
$ npx degit cdeust/Cortex/skills/cortex-setup-project ~/.claude/skills/cortex-setup-projectInstalar la skill cortex-setup-project en Claude Code (project)
.claude/skills/cortex-setup-project/SKILL.md
$ npx degit cdeust/Cortex/skills/cortex-setup-project .claude/skills/cortex-setup-projectInstalar la skill cortex-setup-project en Codex
~/.agents/skills/cortex-setup-project/SKILL.md
$ npx degit cdeust/Cortex/skills/cortex-setup-project ~/.agents/skills/cortex-setup-projectInstalar la skill cortex-setup-project en Gemini CLI
~/.gemini/skills/cortex-setup-project/SKILL.md
$ npx degit cdeust/Cortex/skills/cortex-setup-project ~/.gemini/skills/cortex-setup-projectInstalar la skill cortex-setup-project en Claude.ai
npx degit cdeust/Cortex/skills/cortex-setup-project cortex-setup-project && zip -r cortex-setup-project.zip cortex-setup-project # claude.ai → Customize → Skills → + → Create skill → Upload a skill → cortex-setup-project.zip
Verificaciones automáticas
Ejecutado 14 nov 2026Informe completo →Superó nuestras comprobaciones automáticas. No es una auditoría de seguridad: lee los scripts antes de dejar que un agente los ejecute. Cómo funcionan las verificaciones
- Repositorio de origen vinculado y accesiblecdeust/cortex/skills/cortex-setup-project is public and reachablegithub.com/cdeust/cortex/tree/HEAD/skills/cortex-setup-proje ↗Aprobado
- Licencia de código abierto (OSI)MITspdx.org/licenses/MIT.html ↗Aprobado
- Commit o lanzamiento en el último añoLast commit 2026-11-12github.com/cdeust/cortex/commits ↗Aprobado
- Sin descargar y ejecutar ni robo de credenciales en los scriptsNo scripts in the skill folderAprobado
- Sin instrucciones ocultas en SKILL.mdNo override phrases, safeguard switches, credential requests or hidden charactersgithub.com/cdeust/cortex/blob/HEAD/skills/cortex-setup-proje ↗Aprobado
- Las herramientas preaprobadas están acotadasNo pre-approved tools; the agent asks before using onegithub.com/cdeust/cortex/blob/HEAD/skills/cortex-setup-proje ↗Aprobado
- SKILL.md sigue el formato de Agent SkillsValid name and description; says when to use it; 67 linesgithub.com/cdeust/cortex/blob/HEAD/skills/cortex-setup-proje ↗Aprobado
SKILL.md
Ver en GitHubSetup Project — Fully Autonomous Bootstrap
Execute all four phases sequentially without asking the user any questions. If a phase fails, attempt automatic recovery before reporting the error. Never ask the user to run commands manually or choose between options.
Phase 1: Infrastructure Verification
- Call
cortex:memory_stats({})to verify store connectivity. If it succeeds, the store is healthy — this covers both backends (the zero-config SQLite default needs no PostgreSQL, so do NOT runpg_isreadyor any PostgreSQL setup when this passes). Proceed to Phase 2. - Only if
memory_statsfails: callcortex:check_setup({})(backend-aware diagnostics) to identify the failure.- SQLite backend reported: fix per the check output (usually
~/.claude/methodologypermissions or a corruptmemory.db); do NOT install PostgreSQL. - PostgreSQL backend reported: run
pg_isreadyvia bash, thenbash "${CLAUDE_PLUGIN_ROOT}/scripts/setup.sh"automatically. Do not ask for permission. After setup.sh completes, callcortex:memory_stats({})again to verify. - If it still fails, report the error output and stop. Do not continue to later phases.
- SQLite backend reported: fix per the check output (usually
Phase 2: Build Methodology Profiles
- Call
cortex:rebuild_profiles({"force": true})to scan all session history and build cognitive profiles per domain. - This creates the domain hubs that memories, entities, and discussions link to. It must run before seeding.
- Record the domain count for the final summary.
Phase 3: Codebase Seeding
- Call
cortex:seed_project({"directory": "<cwd>"})where<cwd>is the current working directory. - Record the count of discoveries for the final summary.
Phase 3b: Pipeline Codebase Analysis (Optional)
The ai-architect-mcp-codebase MCP server provides structured codebase analysis (symbol graph, processes, communities, cross-file impact). It is optional — Cortex core memory/recall works without it. Enable only if the user asks for "deeper code understanding", "symbol-level memory", or the codebase is large (>5k files) where substring-based hooks underperform.
- Detection: attempt
cortex:ingest_codebase({"project_path": "<cwd>"}). If it succeeds, record the counts (wiki pages, memory entities, KG edges) for the summary and skip to Phase 4. - If
ingest_codebasefails withMcpConnectionError(pipeline not installed/configured):- Check if the sibling checkout exists at
../anthropic/ai-architect-mcp-codebase/Cargo.toml(or equivalent). If so, runbash -c 'cd ../anthropic/ai-architect-mcp-codebase && cargo install --path . 2>&1 | tail -20'(accepts ~1-2 min compile) and re-run the ingest. - If the source checkout is missing or cargo is unavailable, skip Phase 3b silently and proceed to Phase 4. Do NOT block setup on this.
- Check if the sibling checkout exists at
- The pipeline's auto-wire happens on every SessionStart via
pipeline_discovery, so once the binary exists on PATH (or sibling source is built), future sessions pick it up automatically. No manual mcp-connections.json editing needed.
Phase 4: History Import
- Call
cortex:backfill_memories({"dry_run": true, "max_files": 500})to preview available session files. - If files are available, call
cortex:backfill_memories({"max_files": 500, "min_importance": 0.35})to import. - Record the count of imported memories for the final summary.
Phase 5: Consolidation and Verification
- Call
cortex:consolidate({})to run decay, compression, CLS, and causal discovery on all memories. - Call
cortex:memory_stats({})to get the final system state. - Call
cortex:detect_gaps({})to identify knowledge gaps.
Final Summary
After all phases complete, print a single summary block:
Cortex Setup Complete
---------------------
Domains: <count from rebuild_profiles>
Memories stored: <total from memory_stats>
Entities: <count from memory_stats>
Relationships: <count from memory_stats>
Pipeline: <"active — N wiki pages, M memories" | "skipped (not installed)">
Gaps found: <count and brief description from detect_gaps>
Do not print intermediate status updates between phases beyond what the tool calls themselves return. One summary at the end.
Archivos de esta skill
1Preguntas sobre la skill cortex-setup-project
¿Cómo instalo la skill cortex-setup-project en Claude Code?
Ejecuta npx degit cdeust/Cortex/skills/cortex-setup-project ~/.claude/skills/cortex-setup-project. Claude Code carga las skills desde ~/.claude/skills (todos los proyectos) o .claude/skills (un proyecto) y usa una skill cuando su descripción coincide con la tarea.
¿Qué clientes pueden usar la skill cortex-setup-project?
Cualquier cliente que lea el formato Agent Skills: Claude Code, Codex, Gemini CLI y claude.ai (subir como ZIP). Los scripts de la skill se ejecutan solo donde el cliente permite la ejecución de código.
¿Qué sucede si la conexión a la base de datos falla durante la configuración?
El sistema intenta una recuperación automática ejecutando diagnósticos conscientes del backend. Para SQLite, verifica permisos o corrupción; para PostgreSQL, intenta ejecutar un script de configuración vía bash.
¿Puedo obtener una comprensión más profunda de mi codebase durante la configuración?
Sí, puedes habilitar el análisis de codebase mediante pipeline opcional para obtener memoria a nivel de símbolos y análisis estructurado si se solicita o si el codebase es grande.
¿Requiere el proceso de configuración intervención manual del usuario?
No, la configuración está diseñada para ser totalmente autónoma, ejecutando todas las fases de forma secuencial sin hacer preguntas ni requerir la ejecución manual de comandos.