SKILLEMALL.ai

AC memory-optimizer

Генератор планов эффективного обучения и оптимизации памяти на основе кривой забывания и интервального повторения (реализация на Node.js, с визуальными диаграммами, из той же серии, что и sleep-optimizer). Пользователь вызывает его, вводя memory-optimizer (или /memory-optimizer), или он автоматически запускается при любом вопросе, связанном с обучением/памятью (план повторения, заучивание, забывание, подготовка к экзаменам, план обучения, память, предэкзаменационный рывок и т. д.): сначала собирает информацию об этапе подготовки и целях задачи на основе структуры вопроса, затем генерирует выполнимый план оптимизации памяти, включающий график кривой забывания, диаграмму Ганта для расписания повторений и ежедневный план обучения.

машинный переводПоказать оригиналСкрыть оригинал«基于遗忘曲线与间隔复习科学的高效学习与记忆优化计划生成器(Node.js 实现,含可视化图表,与 sleep-optimizer 同系列)。…»

基于遗忘曲线与间隔复习科学的高效学习与记忆优化计划生成器(Node.js 实现,含可视化图表,与 sleep-optimizer 同系列)。用户输入 memory-optimizer(或 /memory-optimizer)主动调用,或询问任何学习/记忆相关问题(复习计划、背书、遗忘、备考、学习计划、记忆力、考前冲刺等)时自动触发:先按问题框架收集备考阶段与任务目标,再生成含遗忘曲线图、复习调度甘特图和每日学习计划的可执行记忆优化方案

ClawHub Agent Skills автор: 55zhang v1.0.0 MIT-0 5 файлов тело ≈ 1 156 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Генератор планов эффективного обучения и оптимизации памяти на основе кривой забывания и интервального повторения (реализация на Node.js, с визуальными…

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

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
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: 5. 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")

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: 49
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1156 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
  • +2Инструкции на одном языке
  • +3Длина description 219 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 20 заголовков
  • +3Пошаговые инструкции: 49 пунктов
  • +4Есть примеры (6 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +3Все 1 скриптов описаны в инструкциях
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.

Внешние проверки

ClawHub: clean
This skill locally generates study plans and charts with disclosed command and file use, with no evidence of hidden network, credential, or destructive behavior.
LLM: benign (high) · VirusTotal: · 30 авг. 2026 г.