SKILLEMALL.ai

AC agent-history

Искать и читать прошлые истории переписки с AI coding-agent (OpenCode, Claude Code, …) через CLI `ochist`. Используйте это ДО проведения нового исследования, поиска в Интернете или изучения кодовой базы, когда пользователь ссылается на предыдущую работу — например, «что я делал раньше», «我之前», «上次», «earlier session», «we already discussed/configured/decided», «recall», «find that command/error/decision from a previous chat». Находит предыдущие сессии во всех установленных агентах, ищет их содержимое и читает полный текст сообщений по запросу, используя инструменты командной строки для предотвращения раздувания контекста.

машинный переводПоказать оригиналСкрыть оригинал«Search and read past AI coding-agent conversation history (OpenCode, C…»

Search and read past AI coding-agent conversation history (OpenCode, Claude Code, …) via the `ochist` CLI. Use this BEFORE doing fresh research, web searches, or codebase exploration when the user references earlier work — e.g. "what did I do before", "我之前", "上次", "earlier session", "we already discussed/configured/decided", "recall", "find that command/error/decision from a previous chat". Locates prior sessions across all installed agents, greps their content, and reads full message text on demand, paging with shell tools to avoid context bloat.

ClawHub Agent Skills автор: ZheNing Hu v0.1.0 MIT-0 2 файла тело ≈ 1 152 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Искать и читать прошлые истории переписки с AI coding-agent (OpenCode, Claude Code, …) через CLI ochist.

Как процесс C 57/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, отчётность по ходу

ПроцедураИИ и агентыРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
C
57/100
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 57/100

    • 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
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (bash, node), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 15
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1152 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • low Ответ описан самодельной разметкой (4 тегов): типизированный вызов надёжнее

    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
    • +2Инструкции на одном языке
    • +5В description 5 примера фраз-триггеров в кавычках
    • +3Длина description 553 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 15 пунктов
    • +4Есть примеры (4 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.

    Внешние проверки

    ClawHub: clean
    This skill is a read-only helper for searching past local coding-agent conversations, but users should understand it can expose sensitive prior chat content.
    LLM: benign (high) · VirusTotal: · 7 июл. 2026 г.