SKILLEMALL.ai

AB shared-memory-governor

Управление файловым уровнем общей памяти для многоагентных и субагентных систем OpenClaw. Сохраняет частную память каждого агента, добавляя отдельный, проверяемый общий слой для стабильных пользовательских предпочтений, общих правил и долгосрочных меж-агентных фактов. Используйте при проектировании, инициализации, регистрации, подключении, обслуживании или проверке системы общей памяти со строгой изоляцией идентификаторов, явным локальным руководством и консервативным продвижением общего доступа.

машинный переводПоказать оригиналСкрыть оригинал«Govern a file-based shared-memory layer for OpenClaw multi-agent and s…»

Govern a file-based shared-memory layer for OpenClaw multi-agent and subagent systems. Preserve each agent’s private memory while adding a separate, reviewable shared layer for stable user preferences, shared rules, and durable cross-agent facts. Use when designing, initializing, registering, attaching, maintaining, or reviewing a shared-memory system with strict identity isolation, explicit local guidance, and conservative shared promotion.

ClawHub Agent Skills автор: jiy29104983 v1.0.2 MIT-0 7 файлов тело ≈ 1 905 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Управление файловым уровнем общей памяти для многоагентных и субагентных систем OpenClaw.

Как процесс B 67/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
Результат и критерий готовности вес 14
40
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: 7. 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 67/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 7, без проверки текущего состояния
    • 40Результат и критерий готовности. Не сказано, что считать результатом
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 125
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1905 токенов
    • 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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 445 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 17 заголовков
    • +3Пошаговые инструкции: 125 пунктов
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (4 из 4)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.

    Внешние проверки

    ClawHub: clean
    This instruction-only skill openly manages a reviewable shared-memory layer and does not include executable code, hidden data collection, or automatic background behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.