SKILLEMALL.ai

BF mempalace-openclaw

Система памяти MemPalace для OpenClaw/XClaw/WorkBuddy. Архивирование разговоров ИИ в локальное долговременное хранилище с семантическим поиском. Команды: /mem-arc (архивировать), /mem-sea (искать), /mem-asave (автосохранение ежедневно). Основано на https://github.com/milla-jovovich/mempalace. Триггеры: пользователь хочет сохранить, найти или создать резервную копию воспоминаний разговоров ИИ.

машинный переводПоказать оригиналСкрыть оригинал«MemPalace memory system for OpenClaw/XClaw/WorkBuddy. Archive AI conve…»

MemPalace memory system for OpenClaw/XClaw/WorkBuddy. Archive AI conversations to local long-term storage with semantic search. Commands: /mem-arc (archive), /mem-sea (search), /mem-asave (auto-save daily). Based on https://github.com/milla-jovovich/mempalace. Triggers: user wants to save, search or back up AI conversation memories.

ClawHub Agent Skills автор: Deveuper v1.6.0 MIT-0 30 файлов · 2 скрипта тело ≈ 1 232 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Система памяти MemPalace для OpenClaw/XClaw/WorkBuddy.

Как процесс F 35/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/archive.ps1

ПроцедураGitHubИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
85/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
62
Прогон на моделях
не было
Процессный рейтинг
F
35/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/archive.ps1
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 30. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/archive.ps1

Процессный рейтинг: все десять параметров 35/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/archive.ps1
  • 0Инструменты и файлы. Не хватает 1 файла(ов): scripts/archive.ps1
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Шаги. Шагов: 17
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1232 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 11. 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
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 334 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 17 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 62.

Внешние проверки

ClawHub: suspicious
This appears to be a real local memory/search skill, but it needs Review because it can persist broad conversation and project data, modify the Python environment, auto-save sessions, and make Wikipedia lookups despite local-only messaging.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.