AC memory-lancedb-pro
Этот навык следует использовать при работе с memory-lancedb-pro, плагином MCP для долговременной памяти производственного уровня для AI-агентов OpenClaw. Используйте при установке, настройке или использовании любой функции memory-lancedb-pro, включая Smart Extraction, гибридный поиск, управление жизненным циклом памяти, многоуровневую изоляцию, управление самосовершенствованием или любые инструменты памяти MCP (memory_recall, memory_store, memory_forget, memory_update, memory_stats, memory_list, self_improvement_log, self_improvement_extract_skill, self_improvement_review).
машинный переводПоказать оригиналСкрыть оригинал«This skill should be used when working with memory-lancedb-pro, a prod…»
This skill should be used when working with memory-lancedb-pro, a production-grade long-term memory MCP plugin for OpenClaw AI agents. Use when installing, configuring, or using any feature of memory-lancedb-pro including Smart Extraction, hybrid retrieval, memory lifecycle management, multi-scope isolation, self-improvement governance, or any MCP memory tools (memory_recall, memory_store, memory_forget, memory_update, memory_stats, memory_list, self_improvement_log, self_improvement_extract_skill, self_improvement_review).
Этот навык следует использовать при работе с memory-lancedb-pro, плагином MCP для долговременной памяти производственного уровня для AI-агентов OpenClaw.
Как процесс C 61/100 · Есть пробелы — слабые места: результат и критерий готовности, согласованность, стоимость исполнения
Как улучшить
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
body-longтело SKILL.md ≈ 14361 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 61/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 40Согласованность. Имя во frontmatter (memory-lancedb-pro) не совпадает с папкой (memory-lancedb-pro-skill-main)
- 40Стоимость исполнения. Тело инструкции 14361 токенов: вытесняет саму задачу из окна
- 60Инструменты и файлы. Используются инструменты (bash, git, node), но во frontmatter они не объявлены
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 85Шаги. Шагов: 101, расплывчатых формулировок: 1
- 100Ошибки и развилки. Развилок: 9, 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: 19. Похоже на несколько доменов в одном скилле
- low Скилл сам сортирует и ранжирует выдачу: это работа системы на той стороне, а не модели
- low Ответ описан самодельной разметкой (3 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
- +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
- -2Ссылки на localhost: у другого пользователя не заработает
- -217 эмодзи в инструкциях: шум для модели
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 529 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 61 заголовков
- +3Пошаговые инструкции: 101 пунктов
- +4Есть примеры (46 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.