SKILLEMALL.ai

AC para-memory

Настройте и поддерживайте 3-уровневую PARA-систему памяти для агентов OpenClaw. Обеспечивает надежное сохранение знаний между сессиями с помощью ежедневных заметок, структурированного графа знаний и извлечения неявных знаний. Используйте при настройке памяти агента, улучшении памяти/воспроизведения, организации знаний агента или когда агенту нужно что-то запоминать между сессиями. Также обрабатывает ночные рабочие процессы консолидации.

машинный переводПоказать оригиналСкрыть оригинал«Set up and maintain a 3-layer PARA memory system for OpenClaw agents.…»

Set up and maintain a 3-layer PARA memory system for OpenClaw agents. Provides durable knowledge persistence across sessions using daily notes, a structured knowledge graph, and tacit knowledge extraction. Use when setting up agent memory, improving memory/recall, organizing agent knowledge, or when the agent needs to remember things between sessions. Also handles nightly consolidation workflows.

ClawHub Agent Skills автор: aisoftgg v1.0.0 MIT-0 5 файлов тело ≈ 864 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Настройте и поддерживайте 3-уровневую PARA-систему памяти для агентов OpenClaw.

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

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 · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 5. 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 59/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
    • 60Ошибки и развилки. Развилок: 2
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 31
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 864 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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 399 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 31 пунктов
    • +4Есть примеры (2 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: suspicious
    This is a real local memory skill, but it asks agents to automatically store and reread personal context across sessions without enough user controls.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.