SKILLEMALL.ai

AC changshen-agent-memory

Восстановление памяти между сессиями для ИИ-агентов — ваш агент больше никогда не начнет работу с нуля. Всегда загруженная личность и задачи, условные чтения с хеш-индексацией снижают затраты на восстановление примерно на 70% (примерно 55-75% совокупного эффекта, если хост уже внедряет личность). Полностью локально, без зависимостей. Используйте, когда: (1) В новом чате спрашивают «на чем мы остановились?», а у вас нет контекста (2) Контекст заполняется, и вы вот-вот достигнете лимита посреди задачи (3) Пользователь говорит «Я тебе это уже говорил» (4) Вы перечитываете одни и те же файлы личности/правил/задач при каждом запуске сессии (5) Начало сессии сжигает десятки тысяч токенов до начала реальной работы (6) Вам нужно передать долгую задачу в новую сессию без потери прогресса

машинный переводПоказать оригиналСкрыть оригинал«Cross-session memory recovery for AI agents — your agent never cold-st…»

Cross-session memory recovery for AI agents — your agent never cold-starts again. Always-loaded identity & todos, hash-indexed conditional reads cut recovery cost ~70% (~55-75% cumulative when the host already injects identity). Pure local, zero deps. Use when: (1) A new chat asks "where did we leave off?" and you have no context (2) Context is filling up and you're about to hit the limit mid-task (3) User says "I already told you this" (4) You re-read the same identity/rules/todos files at every session start (5) Session start burns tens of thousands of tokens before real work begins (6) You need to hand a long task to a fresh session without losing progress 中文触发:新对话"接着上次" / 上下文快满 / 用户说"我说过了" / 每轮重读同样的规则待办 / 开场烧掉几万 token / 长任务交接

ClawHub Hermes автор: ccy123abcd v0.5.0 MIT-0 10 файлов тело ≈ 4 246 токенов Открыть источникclawhub.ai проанализирован 19 ч назад

Восстановление памяти между сессиями для ИИ-агентов — ваш агент больше никогда не начнет работу с нуля.

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

ПроцедураИИ и агентыРазработкаЛичная продуктивностьтип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Hermes Agent
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
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Для Hermes description должен быть одним предложением до 60 символов; условия применения вынесите в раздел «When to Use».
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: 10. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-long-hermes description 740 символов, а стандарт Hermes требует ≤ 60 (одно предложение, с точкой)

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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 60Согласованность. Диалект Hermes требует category и tags
  • 70Стоимость исполнения. Тело инструкции 4246 токенов
  • 100Шаги. Шагов: 34
  • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
  • 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -5В тексте остались TODO / заглушки
  • -217 эмодзи в инструкциях: шум для модели
  • +2Инструкции на одном языке
  • +5В description 3 примера фраз-триггеров в кавычках
  • +3Длина description 740 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 34 пунктов
  • +4Есть примеры (3 блоков кода)
  • +3Все 2 скриптов описаны в инструкциях
  • +1Лицензия указана

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

Внешние проверки

ClawHub: suspicious
This local memory skill does not show data exfiltration, but it can automatically persist workspace instructions as future agent rules and optional action blockers without enough trust or approval boundaries.
LLM: suspicious (high) · 15 сент. 2026 г.