SKILLEMALL.ai

AC fractal-memory

Автоматизированная система иерархического сжатия памяти, предотвращающая переполнение контекста путем ежедневного → еженедельного → ежемесячного → основного сжатия. Используйте, когда вам нужно (1) долгосрочное управление памятью без ручной настройки, (2) загрузка контекста с эффективным использованием токенов с иерархией, оптимизированной для внимания, (3) предотвращение раздувания сеанса накопленной историей, (4) автоматическое сворачивание памяти через cron или (5) миграция из плоских ежедневных файлов в структурированную память. Активируется для вопросов по архитектуре памяти, проблем с переполнением контекста или настройки постоянной памяти агента.

машинный переводПоказать оригиналСкрыть оригинал«Automated hierarchical memory compression system that prevents context…»

Automated hierarchical memory compression system that prevents context overflow through daily→weekly→monthly→core compression. Use when you need (1) long-term memory management without manual curation, (2) token-efficient context loading with attention-optimized hierarchy, (3) preventing session bloat from accumulated history, (4) automated memory rollups via cron, or (5) migrating from flat daily files to structured memory. Activates for memory architecture questions, context overflow issues, or setting up persistent agent memory.

ClawHub Agent Skills автор: Baiyuan Chiu v1.0.0 13 файлов тело ≈ 1 510 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Автоматизированная система иерархического сжатия памяти, предотвращающая переполнение контекста путем ежедневного → еженедельного → ежемесячного → основного…

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

ПроцедураИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
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
Когда включается вес 12
20
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: 13. 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
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 85Шаги. Шагов: 20, расплывчатых формулировок: 1
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1510 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле

    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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 537 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 40 заголовков
    • +3Пошаговые инструкции: 20 пунктов
    • +4Есть примеры (15 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)
    • +3Все 6 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: suspicious
    This appears to be a legitimate memory organizer, but it needs review because it persistently stores chat-derived data, runs scheduled background rollups, and sends daily logs to an LLM by default.
    LLM: suspicious (high) · VirusTotal: suspicious · 27 мая 2026 г.