SKILLEMALL.ai

AD lucid-dreamer

Система ночного ИИ-анализа памяти. Lucid работает каждую ночь, пока вы спите — он читает ваши ежедневные заметки и файлы памяти, обнаруживает устаревшие факты, нерешенные задачи, повторяющиеся проблемы, забытые решения и может выполнять агрессивную очистку и проверку на противоречия. Включает необязательный разбор сессии для быстрого захвата памяти в конце дня. Нулевые зависимости, без базы данных, без эмбеддингов. Просто запланированная задача и markdown-файлы. Используйте, когда вы хотите, чтобы ваш ИИ-агент автоматически поддерживал и улучшал свою долговременную память с течением времени. Триггеры: "memory dreamer", "nightly memory review", "lucid", "auto memory", "memory cleanup", "memory hygiene".

машинный переводПоказать оригиналСкрыть оригинал«Nightly AI memory reasoning system. Lucid runs every night while you s…»

Nightly AI memory reasoning system. Lucid runs every night while you sleep - it reads your daily notes and memory files, detects stale facts, unresolved todos, recurring problems, forgotten decisions, and can optionally perform aggressive cleanup and contradiction detection. Includes optional session debrief for quick end-of-day memory capture. Zero dependencies, no database, no embeddings. Just a scheduled job and markdown files. Use when you want your AI agent to automatically maintain and improve its long-term memory over time. Triggers on "memory dreamer", "nightly memory review", "lucid", "auto memory", "memory cleanup", "memory hygiene".

ClawHub Agent Skills автор: Robby v0.8.0 MIT-0 16 файлов тело ≈ 1 153 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Система ночного ИИ-анализа памяти.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

АнализаторGitHubИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
86
Прогон на моделях
не было
Процессный рейтинг
D
49/100
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

    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

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 49/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (git), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 27
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1153 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -32 из 2 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 5 примера фраз-триггеров в кавычках
    • +3Длина description 651 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Пошаговые инструкции: 27 пунктов
    • +4Есть примеры (3 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 86.

    Внешние проверки

    ClawHub: suspicious
    This skill is a disclosed memory-maintenance tool, but its nightly prompt can directly edit and commit long-term memory despite documentation saying auto-apply is off by default.
    LLM: suspicious (high) · 31 авг. 2026 г.