BD mem0-memory-layer
Слой долгосрочной памяти Mem0: обеспечивает агентам LLM / чат-ботам память на уровне фактов — извлечение, встраивание, дедупликация, хранение + гибридный поиск (семантический + BM25 + взвешивание сущностей), охватывающий 17 основных сценариев использования. Двойная форма: самостоятельный Memory и размещенный MemoryClient. Русский: Слой долгосрочной памяти Mem0 для агентов LLM и чат-ботов: извлечение, встраивание, дедупликация, хранение и гибридный поиск (семантический + BM25 + взвешивание сущностей). Поставляется как самостоятельный Memory, так и размещенный MemoryClient.
машинный переводПоказать оригиналСкрыть оригинал«Mem0 长期记忆层：为 LLM agent / chatbot 提供事实级记忆——抽取、嵌入、去重、存储 + 混合检索（语义 + BM25…»
Mem0 长期记忆层：为 LLM agent / chatbot 提供事实级记忆——抽取、嵌入、去重、存储 + 混合检索（语义 + BM25 + 实体加权），覆盖 17 个核心用例。自托管 Memory 与托管 MemoryClient 双形态。 Mem0 long-term memory layer for LLM agents and chatbots: extract, embed, dedup, store, and hybrid-retrieve (semantic + BM25 + entity boost). Ships both self-hosted Memory and hosted MemoryClient.
Слой долгосрочной памяти Mem0: обеспечивает агентам LLM / чат-ботам память на уровне фактов — извлечение, встраивание, дедупликация, хранение + гибридный…
Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 43/100
- 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
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 7
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 336 токенов
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
- +4Нет примеров входа/выхода
- +2Инструкции на одном языке
- +3Длина description 319 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 8 заголовков
- +3Пошаговые инструкции: 7 пунктов
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.