SKILLEMALL.ai

AC narra-memory-system

NARRA — Архитектура повествования для рекурсивного осознания агента. Система памяти из 5 файлов, которая обеспечивает агентам преемственность личности через тщательно подобранное повествование вместо фрагментированных запросов к базе данных. Используйте, когда: (1) у агента нет четкой истории происхождения, (2) память переполнена историческими данными, (3) агент испытывает трудности с ответом на вопрос «кто я», не выполняя поиск, (4) настраивается архитектура памяти нового агента, (5) ежедневные журналы агента фрагментированы по многим файлам.

машинный переводПоказать оригиналСкрыть оригинал«NARRA — Narrative Architecture for Recursive Agent Awareness. A 5-file…»

NARRA — Narrative Architecture for Recursive Agent Awareness. A 5-file memory system that gives agents identity continuity through curated narrative instead of fragmented database lookups. Use when: (1) agent has no clear origin story, (2) memory is bloated with historical data, (3) agent struggles to answer 'who am I' without searching, (4) setting up a new agent's memory architecture, (5) agent's daily logs are fragmented across many files.

ClawHub Agent Skills автор: di5cip1e v1.0.0 MIT-0 5 файлов тело ≈ 1 353 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

NARRA — Архитектура повествования для рекурсивного осознания агента.

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

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
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
Ошибки и развилки вес 10
0
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: 0. 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
    • 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
    • 30Повторный запуск. Изменяющих операций: 7, без проверки текущего состояния
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 46
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1353 токенов

    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
    • -43 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 446 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 16 заголовков
    • +3Пошаговые инструкции: 46 пунктов
    • +4Есть примеры (1 блоков кода)

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

    Внешние проверки

    ClawHub: clean
    This is a markdown-only memory-organization skill that intentionally changes agent memory files, with no hidden execution, network use, or malware indicators found.
    LLM: benign (high) · VirusTotal: · 18 июн. 2026 г.