SKILLEMALL.ai

AC memory-ebbinghaus

Менеджер жизненного цикла памяти на основе кривой забывания Эббингауза для AI-агентов. Автоматически рассчитывает затухание силы памяти, поддерживает усиление повторения, архивирование и удаление. Используйте при управлении файлами памяти агента, очистке устаревших знаний или реализации интервального повторения для долговременной памяти. Активируется по запросам «memory management», «forgetting curve», «clean up memory», «which memories are fading», «review memory», «add memory item», «记忆管理», «遗忘曲线», «清理记忆», «哪些记忆快忘了», «复习记忆».

машинный переводПоказать оригиналСкрыть оригинал«Ebbinghaus forgetting curve memory lifecycle manager for AI agents. Au…»

Ebbinghaus forgetting curve memory lifecycle manager for AI agents. Automatically calculates memory strength decay, supports review reinforcement, archiving, and deletion. Use when managing agent memory files, cleaning up stale knowledge, or implementing spaced repetition for long-term memory. Triggers on "memory management", "forgetting curve", "clean up memory", "which memories are fading", "review memory", "add memory item", "记忆管理", "遗忘曲线", "清理记忆", "哪些记忆快忘了", "复习记忆".

ClawHub Agent Skills автор: Yuhao Zhang v1.0.0 MIT-0 3 файла тело ≈ 670 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Менеджер жизненного цикла памяти на основе кривой забывания Эббингауза для AI-агентов.

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

АнализаторИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
C
51/100
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

    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 51/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 10
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 670 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

    • +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
    • +5В description 7 примера фраз-триггеров в кавычках
    • +3Длина description 474 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 10 пунктов
    • +4Есть примеры (4 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.

    Внешние проверки

    ClawHub: clean
    This is a disclosed local memory manager that can save, archive, and delete its own memory records, with no evidence of hidden network, credential, or destructive system behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.