Rocket-Store Skill for Python

Formato por defecto: Markdown | Default format: Markdown

English | Español

---

English Description

This project provides an integration of the Rocket-Store package as an AI Skill, allowing AI agents to use the filesystem as a local, persistent, and searchable database using Markdown files (by default, JSON also supported).

What is it for?

It's designed for lightweight data storage where a full database server is overkill. It allows storing and retrieving records organized in collections using unique keys.

Why is it good?

• High Performance: Optimized for fast record retrieval.
• Low Footprint: No external dependencies or server required—just the filesystem.
• Searchable: Supports wildcard searches (*, ?) in both keys and collections.
• Simple: Uses standard Markdown format for easy inspection and manual editing (JSON also supported).

Use Cases

• Local Storage: Store structured data locally like a mini-SQL database.
• Agent Memory: Save persistent memories or context for AI agents between sessions.
• Listings & Catalogs: Manage simple product catalogs, user lists, or configuration settings.
• Activity Logs: Record events or logs that need to be queried later.

Usage Example (English)

from Rocketstore import Rocketstore
rs = Rocketstore()

# Configure local storage (Markdown by default)
rs.options(data_storage_area="./my_db", data_format=Rocketstore._FORMAT_MARKDOWN)

# Store a memory
rs.post("memory", "last_interaction", {"action": "greet", "timestamp": "2024-03-09"}, Rocketstore._FORMAT_MARKDOWN)

# Retrieve all memories
memories = rs.get("memory")
print(memories['result'])

Adding to AI Editors (Cursor, Gemini, Windsurf, Trae, etc.)

This is the primary way to use this skill. To add it to your favorite AI assistant or editor (Cursor, Gemini, Windsurf, Trae, etc.), run the following command in your terminal:

npx skills add klich3/rocket-store-lcoal-memories-python --skill rocket-store

---

Descripción en Español

Este proyecto proporciona una integración del paquete Rocket-Store como un Skill, permitiendo a los agentes de IA utilizar el sistema de archivos como una base de datos local, persistente y buscable mediante archivos Markdown (por defecto, JSON también soportado).

¿Para qué sirve?

Está diseñado para el almacenamiento ligero de datos donde un servidor de base de datos completo es excesivo. Permite guardar y recuperar registros organizados en colecciones mediante claves únicas.

¿En qué es bueno?

• Alto Rendimiento: Optimizado para la recuperación rápida de registros.
• Bajo Impacto: Sin dependencias externas ni servidores, solo usa el sistema de archivos.
• Buscable: Soporta búsquedas con comodines (*, ?) tanto en claves como en colecciones.
• Simple: Utiliza el formato Markdown estándar para facilitar la inspección y edición manual (JSON también soportado).

Casos de Uso

• Almacenamiento Local: Guarda datos estructurados localmente tipo mini-SQL.
• Memoria de Agentes: Guarda memorias persistentes o contexto para agentes de IA entre sesiones.
• Listados y Catálogos: Gestiona catálogos de productos, listas de usuarios o configuraciones.
• Logs de Actividad: Registra eventos que necesiten ser consultados posteriormente.

Ejemplo de Uso (Español)

from Rocketstore import Rocketstore
rs = Rocketstore()

# Configuración de área de almacenamiento (Markdown por defecto)
rs.options(data_storage_area="./mi_base_de_datos", data_format=Rocketstore._FORMAT_MARKDOWN)

# Guardar un registro
rs.post("usuarios", "u1", {"nombre": "Ana", "puntos": 100}, Rocketstore._FORMAT_MARKDOWN)

# Recuperar con comodín
resultado = rs.get("usuarios", "u*")
print(resultado['result'])

Añadir a Editores de IA (Cursor, Gemini, Windsurf, Trae, etc.)

Este es el uso principal de este skill. Para añadirlo a tu asistente o editor de IA favorito (Cursor, Gemini, Windsurf, Trae, etc.), ejecuta el siguiente comando en tu terminal:

npx skills add klich3/rocket-store-lcoal-memories-python --skill rocket-store

---

Instalación / Installation

pip install Rocket-Store