SKILLEMALL.ai

BC self-evolving-memory

Менторский навык для развертывания многоуровневой саморазвивающейся системы памяти для AI Agent. Основное состояние сохраняется в локальных файлах; семантический поиск и периодический триггер являются необязательными возможностями хоста. Охватывает три уровня хранения (немедленное ≤20KB / ближнесрочное / долгосрочное извлечение), транзакционное закрепление и откат, многофакторное повышение, граф причинно-следственных связей событий, тематический индекс, планировщик воспоминаний и реестр доказательств. Активируется, когда пользователь хочет инициализировать или исправить память агента, выполнить легкую запись, запустить закрепление, оценить повышение, проверить откат, построить индекс или спланировать извлечение.

машинный переводПоказать оригиналСкрыть оригинал«为 AI Agent 部署分层自进化记忆系统的 mentor skill。核心状态保存在本地文件;语义检索和定时触发是可选 Host 能力。…»

为 AI Agent 部署分层自进化记忆系统的 mentor skill。核心状态保存在本地文件;语义检索和定时触发是可选 Host 能力。覆盖三层存储(即时 ≤20KB / 近中期 / 长期检索)、事务化巩固与回滚、多因子晋升、事件因果图谱、主题索引、回忆规划器和证据账本。当用户要初始化或修复 Agent 记忆、轻量记录、跑巩固、评估晋升、回滚校验、建索引或规划检索时触发。

ClawHub Agent Skills автор: 大痴小乙 v0.1.1 MIT-0 37 файлов тело ≈ 1 236 токенов Открыть источникclawhub.ai проанализирован 5 ч назад

Менторский навык для развертывания многоуровневой саморазвивающейся системы памяти для AI Agent.

Как процесс C 59/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, ошибки и развилки

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
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
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • низкая Секреты в коде secret-high-entropy-token references/03-consolidation-guard.md:37
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    "run_id": "2026…3d4",
    в кавычках

Просканировано файлов: 35. 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 "archetype"

Процессный рейтинг: все десять параметров 59/100

  • 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: 4, без проверки текущего состояния
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 34
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1236 токенов
  • low Среди тестов нет случая на инъекцию через данные

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)
  • -34 из 4 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 189 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 9 заголовков
  • +3Пошаговые инструкции: 34 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (18 из 18)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: clean
This is a local-first AI memory management skill whose file access, persistence, secret-handling helpers, and optional retrieval/scheduling are disclosed and mostly bounded to the stated memory-system purpose.
LLM: benign (high) · VirusTotal: · 8 авг. 2026 г.