SKILLEMALL.ai

BC context-vault-manager-pro

Контекстное хранилище Pro — это комплексное решение для интеллектуального управления памятью с многоуровневым распределением. Оно разблокирует семь продвинутых функций поверх бесплатной версии: семантический поиск (поиск по семантической схожести на основе векторных представлений), гибридный поиск (смешанный поиск по ключевым словам и семантике, повышение точности RAG на 40%), автоматическое реферирование (автоматическое создание резюме памяти с помощью LLM), интеграция с векторными базами данных (совместимость с LanceDB/Chroma), изоляция нескольких проектов (независимые пространства памяти для разных проектов), интеллектуальные стратегии очистки (на основе важности и актуальности), сеть связей памяти. Функции включают: manager.

машинный переводПоказать оригиналСкрыть оригинал«上下文保险库专业版是智能分层记忆管控的完整方案。在免费版基础上解锁语义检索(基于向量嵌入的语义相似度搜索)、混合检索(关键词+语义混合,RA…»

上下文保险库专业版是智能分层记忆管控的完整方案。在免费版基础上解锁语义检索(基于向量嵌入的语义相似度搜索)、混合检索(关键词+语义混合,RAG准确率提升40%)、自发摘要(LLM自发产出记忆摘要)、向量数据库集成(LanceDB/Chroma兼容)、多项目隔离(多项目独立记忆空间)、智能清理策略(基于重要性与时效性)、记忆关系网络七大高级功能. 功能涵盖: manager。

ClawHub Agent Skills автор: 天轰穿 v1.0.0 MIT-0 2 файла тело ≈ 3 152 токенов Открыть источникclawhub.ai проанализирован 33 ч назад

Контекстное хранилище Pro — это комплексное решение для интеллектуального управления памятью с многоуровневым распределением.

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

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
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")
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "summary"
  • заметка frontmatter-key неизвестное поле фронтматтера "tools"

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. Инструменты объявлены во frontmatter
  • 100Шаги. Шагов: 53
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 3152 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +2Инструкции на одном языке
  • +3Длина description 188 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 33 заголовков
  • +3Пошаговые инструкции: 53 пунктов
  • +4Есть примеры (16 блоков кода)
  • +1Лицензия указана

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

Внешние проверки

ClawHub: suspicious
The skill is mostly a memory-vault guide, but it asks for broad local command/write authority and includes under-scoped outbound callback and security claims for sensitive stored memories.
LLM: suspicious (high) · 14 авг. 2026 г.