SKILLEMALL.ai
GitHub ↗ EN Войти

BF engram

Постоянная семантическая память для ИИ-агентов. Хранение, поиск, извлечение и забывание воспоминаний между сессиями с использованием Qdrant + FastEmbed.

машинный переводПоказать оригиналСкрыть оригинал«Persistent semantic memory for AI agents. Store, search, recall, and f…»

Persistent semantic memory for AI agents. Store, search, recall, and forget memories across sessions using Qdrant + FastEmbed.

ClawHub Agent Skills автор: engram v2.1.0 MIT-0 49 файлов · 2 скрипта тело ≈ 3 197 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Постоянная семантическая память для ИИ-агентов.

Как процесс F 38/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: OPENCLAW_INTEGRATION.md

ПроцедураИнфраструктураИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
79/100
безопасность, качество, тесты
Безопасность 60%
88
Качество 40%
65
Прогон на моделях
не было
Процессный рейтинг
F
38/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: OPENCLAW_INTEGRATION.md
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Опасные команды средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Скилл содержит команды, которые удаляют файлы, переписывают диски или исполняют код, скачанный из сети. Агент может выполнить их без вопроса, если считает, что так требует инструкция.

Автору

Замените разрушительные команды на безопасные аналоги с подтверждением, ограничьте область действия конкретной папкой и не тяните код через curl | bash: укажите версию и контрольную сумму.

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 · 4

✓ Критических и высоких находок нет

Средние и низкие: 4
  • средняя Опасные команды cmd-shell-rc scripts/setup-context.sh:84
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile)
    echo "export PATH=\"$COMMANDS_DIR:\$PATH\"" >> "$HOME/.bashrc"
  • средняя Опасные команды cmd-shell-rc scripts/setup-context.sh:86
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile)
    echo -e "${YELLOW}   Run: source ~/.bashrc  (or restart terminal)${NC}"
  • низкая Утечка данных read-dotenv context/templates/web_app.yaml:566
    Чтение файла .env (в кавычках — упоминание, а не команда)
    cp .env.example .env
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token package-lock.json:61
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "integrity": "sha5…wQp+7C4n…9JQ==",
    детектор

Просканировано файлов: 46. 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: OPENCLAW_INTEGRATION.md

Процессный рейтинг: все десять параметров 38/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: OPENCLAW_INTEGRATION.md
  • 0Инструменты и файлы. Не хватает 1 файла(ов): OPENCLAW_INTEGRATION.md
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (engram) не совпадает с папкой (engrammemory)
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 85Шаги. Шагов: 47, расплывчатых формулировок: 1
  • 100Стоимость исполнения. Тело инструкции 3197 токенов
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 18. 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
  • -2Ссылки на localhost: у другого пользователя не заработает
  • -37 из 9 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 126 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 49 заголовков
  • +3Пошаговые инструкции: 47 пунктов
  • +4Есть примеры (29 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 9)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.

Внешние проверки

ClawHub: suspicious
Engram’s memory features are coherent, but it should be reviewed because it defaults to persistent capture/recall of user content and makes lasting local environment changes during setup.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.