SKILLEMALL.ai
GitHub ↗ EN Войти

BD clawmem

Легкая система управления памятью для OpenClaw с 3-уровневым поиском (L0/L1/L2), автоматическим мониторингом жизненного цикла и расширенным поиском. Экономит 60-80% затрат на токены, обеспечивая эффективное хранение и поиск в памяти.

машинный переводПоказать оригиналСкрыть оригинал«Lightweight memory management system for OpenClaw with 3-tier retrieva…»

Lightweight memory management system for OpenClaw with 3-tier retrieval (L0/L1/L2), automatic lifecycle monitoring, and advanced search. Saves 60-80% on token costs while providing efficient memory storage and retrieval.

ClawHub Agent Skills автор: ClawMem.com v0.1.0 MIT-0 12 файлов тело ≈ 1 092 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Легкая система управления памятью для OpenClaw с 3-уровневым поиском (L0/L1/L2), автоматическим мониторингом жизненного цикла и расширенным поиском.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип 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
B
85/100
безопасность, качество, тесты
Безопасность 60%
97
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
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 · 3

✓ Критических и высоких находок нет

Средние и низкие: 3
  • низкая Утечка данных read-dotenv README-CN.md:81
    Чтение файла .env
    cp .env.example .env
  • низкая Утечка данных read-dotenv README.md:81
    Чтение файла .env
    cp .env.example .env
  • низкая Утечка данных read-dotenv SKILL.md:32
    Чтение файла .env
    cp .env.example .env

Просканировано файлов: 12. 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 46/100

  • 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
  • 40Согласованность. Имя во frontmatter (clawmem) не совпадает с папкой (claw-mem)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 21
  • 100Стоимость исполнения. Тело инструкции 1092 токенов
  • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле

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
  • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 220 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 23 заголовков
  • +3Пошаговые инструкции: 21 пунктов
  • +4Есть примеры (9 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: suspicious
ClawMem appears to be a real memory tool, but it automatically records and keeps detailed agent activity locally without enough user control or privacy safeguards.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.