SKILLEMALL.ai

AB graph-memory-zero

Руководство по оптимизации графовой памяти OpenClaw с управлением извлечением данных, выровненным по mem0. Используйте, когда пользователи просят: (1) обобщить текущее состояние графовой памяти, (2) воспроизвести тот же эффект оптимизации в другом рабочем пространстве, (3) настроить порог/вывод/тип памяти/лексикон предпочтений для точности по сравнению с полнотой, (4) устранить проблемы с качеством извлечения данных или (5) применить/откатить исправления безопасной конфигурации в разделе plugins.entries.graph-memory.config.

машинный переводПоказать оригиналСкрыть оригинал«Production playbook for OpenClaw graph-memory optimization with mem0-a…»

Production playbook for OpenClaw graph-memory optimization with mem0-aligned recall governance. Use when users ask to (1) summarize current graph-memory status, (2) reproduce the same optimization effect on another workspace, (3) tune threshold/infer/memoryType/preferenceLexicon for precision vs recall, (4) troubleshoot recall quality drift, or (5) apply/rollback safe config patches under plugins.entries.graph-memory.config.

ClawHub Agent Skills автор: wangyangwjy v1.0.2 MIT-0 7 файлов тело ≈ 1 326 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Руководство по оптимизации графовой памяти OpenClaw с управлением извлечением данных, выровненным по mem0.

Как процесс B 73/100 · Почти готов — слабые места: входы и предусловия, повторный запуск, отчётность по ходу

ПроцедураИнфраструктураТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
73/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
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: 7. 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 73/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 2, 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: 67
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Ошибки и развилки. Развилок: 7, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1326 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)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 428 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 17 заголовков
    • +3Пошаговые инструкции: 67 пунктов
    • +3Формат ответа описан явно
    • +4Справочные файлы упоминаются в инструкциях (5 из 5)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This markdown-only skill is a disclosed playbook for tuning OpenClaw graph-memory recall settings, with scoped configuration changes and rollback guidance.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.