SKILLEMALL.ai

AC structured-vector-memory

Структурированная векторная память (SVM) / Трехуровневый эффективный метод хранения памяти. Интеграция векторного движка LanceDB Pro + трехуровневое структурированное управление, охватывающее: ежедневную организацию памяти (Micro Sync + Daily Wrapup), сжатие/дистилляцию памяти (Weekly Compound), обнаружение дубликатов, изоляцию области действия, архивный механизм. Триггерные слова: система памяти, memory system, установка памяти, управление памятью, micro sync, daily wrapup, weekly compound, lancedb, организация памяти, обслуживание памяти, дистилляция памяти, сжатие контекста, оптимизация памяти, context瘦身, consolidate memory.

машинный переводПоказать оригиналСкрыть оригинал«Structured Vector Memory (SVM) / 三层高效记忆存储法。整合 LanceDB Pro 向量引擎 + 三层结构化…»

Structured Vector Memory (SVM) / 三层高效记忆存储法。整合 LanceDB Pro 向量引擎 + 三层结构化管理,涵盖:每日记忆整理(Micro Sync + Daily Wrapup)、记忆蒸馏压缩(Weekly Compound)、去重检测、scope 隔离、archive 机制。触发词:记忆系统、memory system、安装记忆、记忆管理、micro sync、daily wrapup、weekly compound、lancedb、整理记忆、记忆维护、记忆蒸馏、压缩上下文、精简记忆、context瘦身、consolidate memory。

ClawHub Agent Skills автор: kylin19860916 v3.1.0 MIT-0 6 файлов · 3 скрипта тело ≈ 1 285 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Структурированная векторная память (SVM) / Трехуровневый эффективный метод хранения памяти.

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
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
  • 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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • низкая Опасные команды cmd-cron-mention SKILL.md:93
    Упоминание редактирования crontab
    crontab -e

Просканировано файлов: 6. 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")

Процессный рейтинг: все десять параметров 51/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 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: 1, без проверки текущего состояния
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 28
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1285 токенов
  • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле
  • low Скилл сам сортирует и ранжирует выдачу: это работа системы на той стороне, а не модели

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 295 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 30 заголовков
  • +3Пошаговые инструкции: 28 пунктов
  • +4Есть примеры (11 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +3Все 3 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.

Внешние проверки

ClawHub: suspicious
This is a disclosed memory-automation skill, but it can repeatedly review conversations and change persistent agent memory without clear per-action approval.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.