SKILLEMALL.ai

AC nova-self-improver

Комплексная система самосовершенствования для ИИ-агентов. Реализует четырехслойную архитектуру памяти с непрерывным обучением, экспериментами и автономным обслуживанием файлов. Используйте, когда: (1) Создается агент, который учится на основе собственной производительности, (2) Создаются самосовершенствующиеся ИИ-системы, (3) Реализуются слои памяти для контекста агента, (4) Автоматизируется самообслуживание агента без подсказок человека. Вдохновлено архитектурами Hermes Agent, AutoAgent и ClawChief.

машинный переводПоказать оригиналСкрыть оригинал«Complete self-improvement system for AI agents. Implements a four-laye…»

Complete self-improvement system for AI agents. Implements a four-layer memory architecture with continuous learning, experimentation, and autonomous file maintenance. Use when: (1) Building an agent that learns from its own performance, (2) Creating self-improving AI systems, (3) Implementing memory layers for agent context, (4) Automating agent self-maintenance without human prompts. Inspired by Hermes Agent, AutoAgent, and ClawChief architectures.

ClawHub Agent Skills автор: j3m2b v1.0.0 MIT-0 3 файла тело ≈ 1 449 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Комплексная система самосовершенствования для ИИ-агентов.

Как процесс C 58/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторИИ 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
58/100
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: 3. 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 58/100

    • 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: 3, без проверки текущего состояния
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 40
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1449 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 454 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 20 заголовков
    • +3Пошаговые инструкции: 40 пунктов
    • +4Есть примеры (10 блоков кода)

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

    Внешние проверки

    ClawHub: suspicious
    This skill is instruction-only and purpose-aligned, but it asks agents to keep long-term memory, learn user preferences, create skills, and run recurring maintenance without clear user controls.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.