BD memory-auto-manager
Автоматическое проактивное управление памятью: каждые 15 минут автоматически сканирует диалоги, автоматически записывает важную информацию в ежедневную память. Решает проблему «проактивное восприятие по самосознанию часто не работает». Сценарии использования: - Автоматически проверяет наличие пропущенной важной информации после каждого диалога - Автоматически записывает выполненные задачи, принятые решения, извлеченные уроки, изменения конфигурации - Инкрементальное сканирование истории диалогов, без пропусков и повторений - Читает сообщения пользователя и ассистента, чтобы гарантировать, что выводы из ответов ИИ не будут пропущены Основные компоненты: - memory-scan.py: скрипт инкрементального сканирования - два cron: автоматическая проверка памяти (каждые 15 минут) + объединение памяти по субботам Применимые версии: OpenClaw
машинный переводПоказать оригиналСкрыть оригинал«记忆自动主动管理：每15分钟自动扫描对话，发现重要信息自动写入每日memory。解决"主动感知靠自觉经常失效"的问题。 使用场景： - 每…»
记忆自动主动管理：每15分钟自动扫描对话，发现重要信息自动写入每日memory。解决"主动感知靠自觉经常失效"的问题。 使用场景： - 每次对话结束后自动检查是否有遗漏的重要信息 - 自动记录完成的任务、决策、教训、配置变更 - 增量扫描对话历史，不遗漏不重复 - user + assistant 消息双读，确保不漏AI回复中的结论 核心组件： - memory-scan.py：增量扫描脚本 - 两个 cron：Memory自动检查（每15分钟）+ 每周六记忆合并 适用版本：OpenClaw
Автоматическое проактивное управление памятью: каждые 15 минут автоматически сканирует диалоги, автоматически записывает важную информацию в ежедневную память.
Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 49/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 40Согласованность. Имя во frontmatter (memory-auto-manager) не совпадает с папкой (xiazun-memory-auto)
- 100Инструменты и файлы. Инструменты объявлены во frontmatter
- 100Шаги. Шагов: 14
- 100Стоимость исполнения. Тело инструкции 754 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- -31 из 2 скриптов не упомянуты в SKILL.md
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 251 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 15 заголовков
- +3Пошаговые инструкции: 14 пунктов
- +4Есть примеры (9 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.