SKILLEMALL.ai

BC benxiang-memory

Shadow Memory — постоянное сохранение истории чата в состоянии мира, мгновенное восстановление новых сессий. MCP Server (stdio, без зависимостей): состояние проекта сохраняется в пакете .origin, ИИ больше ничего не «помнит», перед началом работы берется проекция origin_state, при завершении работы origin_commit фиксирует семантические транзакции. Транзакции проходят проверку детерминированности перед записью, состояние не искажается из-за ошибок модели; каждое поле может ответить на вопрос «почему такое значение». Используйте, когда новая сессия теряет контекст, состояние при совместной работе нескольких агентов дрейфует, требуется сохранение и отслеживание прогресса проекта.

машинный переводПоказать оригиналСкрыть оригинал«Shadow Memory —— 把聊天历史持续提交为世界状态,新会话秒恢复。MCP Server(stdio,零依赖):项目状态持久化在…»

Shadow Memory —— 把聊天历史持续提交为世界状态,新会话秒恢复。MCP Server(stdio,零依赖):项目状态持久化在 .origin 包里,AI 不再「记住」什么,开工前 origin_state 取投影,收工时 origin_commit 提交语义事务。事务过确定性门禁才落盘,状态不会因模型记错而腐坏;每个字段都能回答「凭什么是这个值」。当新会话丢失上下文、多 agent 协作状态漂移、项目进度需要持久化与追责时使用。

ClawHub Agent Skills автор: dongsheng123132 v1.1.1 MIT-0 3 файла тело ≈ 455 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Shadow Memory — постоянное сохранение истории чата в состоянии мира, мгновенное восстановление новых сессий.

Как процесс C 53/100 · 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
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
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
Ошибки и развилки вес 10
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.
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: 3. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "summary"

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
  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 8
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 455 токенов
  • 100Повторный запуск. Изменяющих операций нет

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
  • +2Инструкции на одном языке
  • +3Длина description 223 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 8 пунктов
  • +4Есть примеры (4 блоков кода)
  • +1Лицензия указана

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

Внешние проверки

ClawHub: clean
This skill is a disclosed project-state memory helper that stores structured project facts in a user-selected .origin package, with no artifact evidence of hidden or unrelated behavior.
LLM: benign (high) · VirusTotal: · 2 сент. 2026 г.