BC memory-distiller
Memory Distiller — это интеллектуальная система сжатия логов для AI-агентов, разработанная для решения четырех основных проблем: раздувание логов, потеря ключевой информации, трудность отслеживания после сжатия и необходимость различных стратегий для разного контента. Основные возможности включают: дифференцированные стратегии сжатия по категориям (четыре категории: события/уроки/задачи/рост с разной детализацией), цепочка отслеживания сжатия (каждый элемент резюме сохраняет маркер исходного абзаца для однократного отслеживания), гибридный движок извлечения (сопоставление по ключевым словам + резервное извлечение + гибридный режим), оценщик качества сжатия (четыре метрики: коэффициент сжатия/коэффициент сохранения информации/читаемость/покрытие отслеживания), четыре принципа сжатия древних текстов, многоязычная гибридная обработка. Заимствуя философию сжатия древних текстов, длинные исходные логи сжимаются до плотных структурированных резюме, обеспечивая сжатие в 4-8 раз без потери ключевых событий. Применим для ежедневного архивирования логов агента, сжатия контекста длинных сеансов, извлечения результатов анализа проектов, дистилляции рассуждений при принятии решений и т. д.
машинный переводПоказать оригиналСкрыть оригинал«记忆蒸馏器是面向 AI Agent 日志的智能压缩系统，针对日志膨胀、关键信息丢失、压缩后难回溯、 不同内容需不同策略四大痛点而设计。核心能…»
记忆蒸馏器是面向 AI Agent 日志的智能压缩系统，针对日志膨胀、关键信息丢失、压缩后难回溯、 不同内容需不同策略四大痛点而设计。核心能力包括：分类型差异化压缩策略（事件/教训/待办/成长四类不同粒度）、 压缩溯源链（每个摘要条目保留原始段落定位标记，可一键回溯）、混合提取引擎（关键词匹配+兜底提取+混合模式）、 压缩质量评估器（压缩比/信息保留率/可读性/溯源覆盖率四维指标）、古文压缩四原则、多语言混合处理. 借鉴古文压缩哲学，把冗长原始日志蒸馏为高密度结构化摘要，实现 4-8 倍压缩比且零关键事件损失. 适用于 Agent 每日日志归档、长会话上下文压缩、项目复盘提炼、决策推理蒸馏等场景.
Memory Distiller — это интеллектуальная система сжатия логов для AI-агентов, разработанная для решения четырех основных проблем: раздувание логов, потеря…
Как процесс C 53/100 · Есть пробелы — 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: 2. 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") - заметка
frontmatter-keyнеизвестное поле фронтматтера "slug" - заметка
frontmatter-keyнеизвестное поле фронтматтера "displayName" - заметка
frontmatter-keyнеизвестное поле фронтматтера "summary" - заметка
frontmatter-keyнеизвестное поле фронтматтера "tools" - заметка
frontmatter-keyнеизвестное поле фронтматтера "homepage" - заметка
frontmatter-keyнеизвестное поле фронтматтера "suggested_price" - заметка
frontmatter-keyнеизвестное поле фронтматтера "pricing_tier" - заметка
frontmatter-keyнеизвестное поле фронтматтера "pricing_model"
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: 32
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2123 токенов
- 100Повторный запуск. Изменяющих операций нет
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
- -5В тексте остались TODO / заглушки
- +2Инструкции на одном языке
- +3Длина description 302 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 36 заголовков
- +3Пошаговые инструкции: 32 пунктов
- +4Есть примеры (8 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.