SKILLEMALL.ai
EN Войти

BF memory-optimization

Комплексная оптимизация управления памятью для ИИ-агентов. Используйте, когда: (1) Агент испытывает амнезию из-за сжатия контекста, (2) Необходимо быстро восстановить контекст после перезапуска сессии, (3) Требуется структурированная система памяти с краткими сводками TL;DR, (4) Необходима автоматизированная ежедневная поддержка памяти, (5) Требуется реализовать граф знаний для управления сущностями, или (6) Создается система памяти агента с нуля. Предоставляет: систему сводок TL;DR, шаблон из трех файлов (task_plan/findings/progress), систему фиксированных тегов, автоматизацию ежедневной очистки, интеграцию HEARTBEAT, шаблон скользящей сводки, фреймворк тестирования и интеграцию графа знаний.

машинный переводПоказать оригиналСкрыть оригинал«Comprehensive memory management optimization for AI agents. Use when:…»

Comprehensive memory management optimization for AI agents. Use when: (1) Agent experiences context compression amnesia, (2) Need to rebuild context quickly after session restart, (3) Want structured memory system with TL;DR summaries, (4) Need automated daily memory maintenance, (5) Want to implement knowledge graph for entity management, or (6) Building agent memory system from scratch. Provides: TL;DR summary system, Three-file pattern (task_plan/findings/progress), Fixed tags system, Daily cleanup automation, HEARTBEAT integration, Rolling summary template, Testing framework, and Knowledge Graph integration.

ClawHub Agent Skills автор: richardiitse v1.0.4 MIT-0 70 файлов · 2 скрипта тело ≈ 2 104 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Комплексная оптимизация управления памятью для ИИ-агентов.

Как процесс F 40/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/implementation.md, references/templates.md, references/knowledge-graph.md

ИнтеграцияИИ 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
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
Прогон на моделях
не было
Процессный рейтинг
F
40/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: references/implementation.md, references/templates.md, references/knowledge-graph.md
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 54. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: references/implementation.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/templates.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/knowledge-graph.md

Процессный рейтинг: все десять параметров 40/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/implementation.md, references/templates.md, references/knowledge-graph.md
  • 0Инструменты и файлы. Не хватает 3 файла(ов): references/implementation.md, references/templates.md, references/knowledge-graph.md
  • 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: 2, без проверки текущего состояния
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 100Шаги. Шагов: 50
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2104 токенов
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 14. 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -33 из 18 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 620 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 26 заголовков
  • +3Пошаговые инструкции: 50 пунктов
  • +4Есть примеры (13 блоков кода)
  • +1Лицензия указана

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

Внешние проверки

ClawHub: suspicious
This memory skill is not clearly malicious, but it needs Review because it can read past agent sessions, send memory content to external model APIs, and persist or mutate memory data with under-scoped controls.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.