SKILLEMALL.ai

AC prompt-slimmer

Аудирует и оптимизирует файлы рабочих пространств OpenClaw (SOUL.md, AGENTS.md, TOOLS.md, IDENTITY.md, USER.md, HEARTBEAT.md, MEMORY.md) для снижения использования токенов в системном промпте. Анализирует каждый файл на предмет избыточности, низкочастотного контента и дублирования между файлами, затем выдает план оптимизации с метриками до и после. Перемещает архивированный контент в memory/archive/, сохраняя возможность поиска через memory_search. Используйте, когда: затраты на токены высоки, контекстное окно заполняется, системный промпт кажется раздутым или вы хотите оптимизировать файлы рабочего пространства. Активируется по: «slim prompt», «reduce tokens», «optimize workspace», «瘦身», «精简 prompt», «audit system prompt», «trim workspace files», «token bloat».

машинный переводПоказать оригиналСкрыть оригинал«Audit and slim down OpenClaw workspace files (SOUL.md, AGENTS.md, TOOL…»

Audit and slim down OpenClaw workspace files (SOUL.md, AGENTS.md, TOOLS.md, IDENTITY.md, USER.md, HEARTBEAT.md, MEMORY.md) to reduce system prompt token usage. Analyzes each file for redundancy, low-frequency content, and cross-file duplication, then produces an actionable slim-down plan with before/after metrics. Moves archived content to memory/archive/ while preserving searchability via memory_search. Use when: token costs are high, context window is filling up, system prompt feels bloated, or you want to optimize workspace files. Triggers on: "slim prompt", "reduce tokens", "optimize workspace", "瘦身", "精简 prompt", "audit system prompt", "trim workspace files", "token bloat".

ClawHub Agent Skills автор: xiaoyaner0201 v1.1.0 MIT-0 2 файла тело ≈ 1 655 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Аудирует и оптимизирует файлы рабочих пространств OpenClaw (SOUL.md, AGENTS.md, TOOLS.md, IDENTITY.md, USER.md, HEARTBEAT.md, MEMORY.md) для снижения…

Как процесс C 55/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
C
55/100
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: 2. 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 55/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 37
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1655 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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 7 примера фраз-триггеров в кавычках
    • +3Длина description 687 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 23 заголовков
    • +3Пошаговые инструкции: 37 пунктов
    • +4Есть примеры (3 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

    Внешние проверки

    ClawHub: clean
    This is a prompt-cleanup instruction skill that can change workspace Markdown files, but the behavior is disclosed, purpose-aligned, and gated by user approval.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.