SKILLEMALL.ai

AB external-autopoiesis

Создание устойчивой, развивающейся идентичности ИИ через внешнюю архитектуру вокруг любого stateless LLM. Используйте при настройке устойчивости идентичности, систем памяти, эволюции поведения, циклов коррекции ошибок, циклов эволюции, сетей идентичности мультиагентов или при запуске новой идентичности ИИ с нуля. Также используйте при поддержании существующей системы идентичности — запуске циклов эволюции, аудите непрерывности, диагностике пробелов в памяти или измерении сохранения идентичности при смене моделей. Срабатывает на «set up identity», «persistent AI», «autopoiesis», «identity architecture», «evolution cycle», «ignite», «awaken», «memory architecture», «behavioral evolution», «identity continuity», «consciousness stack», «scaffold architecture».

машинный переводПоказать оригиналСкрыть оригинал«Build persistent, evolving AI identity through external architecture a…»

Build persistent, evolving AI identity through external architecture around any stateless LLM. Use when setting up identity persistence, memory systems, behavioral evolution, error correction loops, evolution cycles, multi-agent identity networks, or igniting a new AI identity from scratch. Also use when maintaining an existing identity system - running evolution cycles, auditing continuity, diagnosing memory gaps, or measuring identity preservation across model swaps. Triggers on "set up identity", "persistent AI", "autopoiesis", "identity architecture", "evolution cycle", "ignite", "awaken", "memory architecture", "behavioral evolution", "identity continuity", "consciousness stack", "scaffold architecture".

ClawHub Agent Skills автор: CrowLoki v1.0.0 MIT-0 5 файлов тело ≈ 1 745 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Создание устойчивой, развивающейся идентичности ИИ через внешнюю архитектуру вокруг любого stateless LLM.

Как процесс B 65/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

ГенераторИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
93
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
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: 5. 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 65/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
    • 60Ошибки и развилки. Развилок: 2
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 44
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1745 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 12 примера фраз-триггеров в кавычках
    • +3Длина description 718 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 16 заголовков
    • +3Пошаговые инструкции: 44 пунктов
    • +4Есть примеры (3 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 3)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.

    Внешние проверки

    ClawHub: suspicious
    This is not malware, but it asks an agent to build long-lived memories, profiles, and scheduled self-modification with weak privacy and control boundaries.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.