SKILLEMALL.ai
GitHub ↗ EN Войти

AF memory-anchor

Долгосрочная память для агентов OpenClaw — гибридное извлечение данных из SQLite (FTS5 + ключевые слова + ассоциативное расширение + опциональные эмбеддинги LLM), необработанные/обработанные якоря, сводки сессий и явный конвейер INDEX/REINDEX. Используйте, когда пользователь хочет сохранить память между сессиями, использовать постоянное извлечение в стиле Sage или запоминать/искать факты, предпочтения и прошлые разговоры.

машинный переводПоказать оригиналСкрыть оригинал«Long-term memory for OpenClaw agents — SQLite hybrid recall (FTS5 + ke…»

Long-term memory for OpenClaw agents — SQLite hybrid recall (FTS5 + keyword + associative expansion + optional LLM embeddings), raw/curated anchors, session briefings, and an explicit INDEX/REINDEX pipeline. Use when the user wants durable memory across sessions, Persistent Sage-style recall, or to remember/ search facts, preferences, and past conversations.

ClawHub Agent Skills автор: g00sifer Development Lab v0.1.0 MIT-0 2 файла тело ≈ 1 551 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Долгосрочная память для агентов OpenClaw — гибридное извлечение данных из SQLite (FTS5 + ключевые слова + ассоциативное расширение + опциональные эмбеддинги…

Как процесс F 44/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/DESIGN.md

ПроцедураИИ 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
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
F
44/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: references/DESIGN.md
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. 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: 0. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: references/DESIGN.md

Процессный рейтинг: все десять параметров 44/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/DESIGN.md
  • 0Инструменты и файлы. Не хватает 1 файла(ов): references/DESIGN.md
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 40Согласованность. Имя во frontmatter (memory-anchor) не совпадает с папкой (memory-anchor-openclaw-2)
  • 55Ошибки и развилки. Развилок: 1
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Шаги. Шагов: 15
  • 100Стоимость исполнения. Тело инструкции 1551 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 360 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 15 пунктов
  • +4Есть примеры (8 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: suspicious
This is a coherent long-term memory skill, but it asks agents to silently retain and index conversation-derived facts with broad scope and limited user control.
LLM: suspicious (high) · 17 июл. 2026 г.