SKILLEMALL.ai

BC context-memory

Решает проблему путаницы в памяти ИИ — "сегодня говорю, завтра забываю". Реализует долговременную память через файловую систему и процедурные потоки, гарантируя автоматический обзор контекста при начале новой задачи, а не полагаясь на "воспоминания". Основной механизм: определение начала задачи → чтение памяти → выполнение → сохранение. Подходит для сценариев совместной работы ИИ, где часто меняются темы или задачи.

машинный переводПоказать оригиналСкрыть оригинал«解决AI记忆混乱问题——"今天讲明天忘"。通过文件系统和规则流程实现持久记忆,确保新任务开始时自动回顾上下文,而不是靠"想"。核心机制:任务…»

解决AI记忆混乱问题——"今天讲明天忘"。通过文件系统和规则流程实现持久记忆,确保新任务开始时自动回顾上下文,而不是靠"想"。核心机制:任务开始判断→读取记忆→执行→保存。适用于频繁切换话题或任务的AI协作场景。

ClawHub Agent Skills автор: long57777 v1.0.1 MIT-0 2 файла тело ≈ 735 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Решает проблему путаницы в памяти ИИ — "сегодня говорю, завтра забываю".

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
67
Прогон на моделях
не было
Процессный рейтинг
C
53/100
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

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: 2. 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")

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 32
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 735 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)
  • +3Длина description 106: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -212 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 32 пунктов
  • +4Есть примеры (5 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.

Внешние проверки

ClawHub: clean
This is an instruction-only memory workflow that openly saves workspace context, but it does not contain code, network access, credential use, or hidden behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.