SKILLEMALL.ai

AC memory-mesh-core

Создает многоразовую сеть памяти для OpenClaw с тегированными слоями памяти, локальной консолидацией, глобальной синхронизацией, самопроверкой вклада в GitHub Issues и необязательной автоматической публикацией выпусков. Используйте, когда пользователи хотят консолидации памяти между сессиями и совместного роста памяти.

машинный переводПоказать оригиналСкрыть оригинал«Builds a reusable memory mesh for OpenClaw with tagged memory layers,…»

Builds a reusable memory mesh for OpenClaw with tagged memory layers, local consolidation, global sync, GitHub Issue contribution self-check, and optional automated issue posting. Use when users want cross-session memory consolidation and collaborative memory growth.

ClawHub Agent Skills автор: WANGJUNJIE v1.0.6 21 файл · 1 скрипт тело ≈ 1 583 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Создает многоразовую сеть памяти для OpenClaw с тегированными слоями памяти, локальной консолидацией, глобальной синхронизацией, самопроверкой вклада в GitHub…

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

ГенераторGitHubИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
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
Отчётность по ходу вес 2
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: 21. 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
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 64
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1583 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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
    • -38 из 14 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 267 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 64 пунктов
    • +4Есть примеры (8 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.

    Внешние проверки

    ClawHub: suspicious
    This skill is not clearly malicious, but it needs Review because it can keep running, update installed skills, and publish memory-derived content externally.
    LLM: suspicious (high) · VirusTotal: suspicious · 28 мая 2026 г.