SKILLEMALL.ai
EN Войти

BD auto-memory

Интеллектуальная система памяти: поддерживает пользовательские категории памяти, автоматический анализ триггеров ИИ, разрешение конфликтов памяти. Используйте этот навык, когда пользователю нужно сохранить информацию между сессиями, установить правила памяти, автоматически запоминать важный контент или разрешать конфликты памяти. Поддерживает три уровня памяти L1/L2/L3, быстрый поиск по JSON-индексу, пользовательские категории памяти, автоматический анализ триггеров, приоритет пользователя при конфликтах. Подробная документация в README.md

машинный переводПоказать оригиналСкрыть оригинал«智能记忆系统：支持用户自定义记忆类别、AI自动分析触发、记忆冲突解决。 当用户需要持久记忆跨会话信息、设定记忆规则、自动记忆重要内容、或解决…»

智能记忆系统：支持用户自定义记忆类别、AI自动分析触发、记忆冲突解决。 当用户需要持久记忆跨会话信息、设定记忆规则、自动记忆重要内容、或解决记忆冲突时使用此技能。 支持L1/L2/L3三层记忆分层、JSON快速索引搜索、用户自定义记忆类别、自动分析触发、冲突时以用户为准。 详细文档见 README.md

ClawHub Agent Skills автор: 白露 v1.0.0 MIT-0 16 файлов · 1 скрипт тело ≈ 633 токенов Открыть источникclawhub.ai↗ проанализирован 36 ч назад

Интеллектуальная система памяти: поддерживает пользовательские категории памяти, автоматический анализ триггеров ИИ, разрешение конфликтов памяти.

Как процесс D 45/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентыТексты и документытип 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
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
65
Прогон на моделях
не было
Процессный рейтинг
D
45/100
Процесс не доведён
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

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 16. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "readme"

Процессный рейтинг: все десять параметров 45/100

  • 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 (auto-memory) не совпадает с папкой (mnemosyne)
  • 75Шаги. Шагов: 3
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Стоимость исполнения. Тело инструкции 633 токенов
  • 100Повторный запуск. Изменяющих операций нет

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
  • -42 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • -36 из 7 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 152 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 3 пунктов
  • +4Есть примеры (4 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.

Внешние проверки

ClawHub: suspicious
This is a disclosed local memory tool, but it asks to automatically persist broad conversation details and inferred personal traits across sessions without enough user control.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.