SKILLEMALL.ai

AC session-recall

Искать в стенограммах прошлых сессий, чтобы восстановить контекст утерянного разговора. ИСПОЛЬЗОВАТЬ, КОГДА: (1) текущая сессия новая или содержит очень мало сообщений, И сообщение пользователя предполагает общий контекст, которого у вас нет (ссылки на людей, события, решения или темы, отсутствующие в текущем контексте), (2) пользователь явно ссылается на предыдущий разговор («продолжим с того места, где остановились», «как мы обсуждали», «помнишь, когда…»), (3) вам нужно найти конкретное прошлое обсуждение по ключевому слову или временному диапазону. Ключевой сигнал: если вы собираетесь ответить «У меня нет контекста» или «О какой теме вы говорите», сначала используйте этот навык, прежде чем просить пользователя повторить.

машинный переводПоказать оригиналСкрыть оригинал«Search past session transcripts to recover lost conversation context.…»

Search past session transcripts to recover lost conversation context. MUST use when: (1) the current session is new or has very few messages AND the user's message assumes shared context you don't have (they reference people, events, decisions, or topics not present in your current context), (2) user explicitly refers to a previous conversation ('continue where we left off', 'as we discussed', 'remember when...'), (3) you need to find a specific past discussion by keyword or time range. Key signal: if you find yourself about to reply 'I don't have context' or 'which topic are you referring to' — use this skill FIRST before asking the user to repeat themselves.

ClawHub Agent Skills автор: Ethan Chen v1.0.0 MIT-0 4 файла тело ≈ 1 079 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Искать в стенограммах прошлых сессий, чтобы восстановить контекст утерянного разговора.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
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
Отчётность по ходу вес 2
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: 4. 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 53/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 40Согласованность. Имя во frontmatter (session-recall) не совпадает с папкой (openclaw-session-recall)
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 20
    • 100Стоимость исполнения. Тело инструкции 1079 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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 668 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 20 пунктов
    • +4Есть примеры (6 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: suspicious
    This is a legitimate session-recall tool, but it can expose sensitive past conversations across local agents without clear consent or scope controls.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.