SKILLEMALL.ai
EN Войти

AC mem0

Интеллектуальный слой памяти для Clawdbot с использованием Mem0. Обеспечивает семантический поиск и автоматическое хранение предпочтений пользователя, шаблонов и контекста в разговорах. Используйте, когда (1) пользователь явно говорит «запомни это», (2) изучение предпочтений или шаблонов пользователя во время разговора, (3) поиск прошлого контекста о выборе/предпочтениях пользователя, (4) создание адаптивных ответов на основе изученного поведения пользователя. Дополняет MEMORY.md (структурированные факты) динамической, разговорной памятью (изученные предпочтения, шаблоны, адаптивный контекст).

машинный переводПоказать оригиналСкрыть оригинал«Intelligent memory layer for Clawdbot using Mem0. Provides semantic se…»

Intelligent memory layer for Clawdbot using Mem0. Provides semantic search and automatic storage of user preferences, patterns, and context across conversations. Use when (1) User explicitly says "remember this", (2) Learning user preferences or patterns during conversation, (3) Searching for past context about user's choices/preferences, (4) Building adaptive responses based on learned user behavior. Complements MEMORY.md (structured facts) with dynamic, conversational memory (learned preferences, patterns, adaptive context).

ClawHub Agent Skills автор: Abhay Bhat v1.0.0 10 файлов тело ≈ 1 024 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Интеллектуальный слой памяти для Clawdbot с использованием Mem0.

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Такой же скилл встречается ещё в 1 месте: ClawHub

Как улучшить

    Для прогона на моделях — необязательно
    • 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 · 5

    ✓ Критических и высоких находок нет

    Средние и низкие: 5
    • низкая Секреты в коде secret-high-entropy-token package-lock.json:18
      Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
      "integrity": "sha5…9Lk/MSFL+V+ugF7…gjL+tpJ3VuOGJNG+4R83…v8w==",
      детектор
    • низкая Секреты в коде secret-high-entropy-token package-lock.json:109
      Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
      "integrity": "sha5…Hym+wOi8…4Wa++CsCp…Nrg==",
      детектор
    • низкая Секреты в коде secret-high-entropy-token package-lock.json:193
      Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
      "integrity": "sha5…qLm+vwKf…2LR/9xJV…TpA==",
      детектор
    • низкая Секреты в коде secret-high-entropy-token package-lock.json:253
      Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
      "integrity": "sha5…aEn+m3Pf…w8j/8LBJ…VNJ+Q==",
      детектор
    • низкая Секреты в коде secret-high-entropy-token package-lock.json:506
      Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
      "integrity": "sha5…i37+ByIr…fmV/N05z…3UO+K5aqBQOIHw==",
      детектор

    Просканировано файлов: 10. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 51/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 32
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1024 токенов

    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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 532 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 20 заголовков
    • +3Пошаговые инструкции: 32 пунктов
    • +4Есть примеры (9 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)
    • +3Все 5 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: clean
    This is a coherent Mem0 memory skill, but it can persist conversation-derived personal context and process it through OpenAI using the user's API key.
    LLM: benign (high) · VirusTotal: benign · 28 мая 2026 г.