SKILLEMALL.ai

BC agent-memory-keeper

Система восстановления памяти ИИ-агента. Решает проблему потери памяти после каждого сеанса — автоматически анализирует диалог, извлекает ключевую информацию для долговременной памяти, автоматически загружает ее в следующем сеансе. Применяется ко всем агентам OpenClaw, позволяя агенту запоминать предпочтения пользователя, ход проекта, технические решения, важную информацию. Триггеры: память, забыл, говорил ранее, запиши, запомни, ты помнишь.

машинный переводПоказать оригиналСкрыть оригинал«AI Agent记忆修复系统。解决每次会话失忆问题——自动复盘对话、提炼关键信息存入长期记忆、下次会话自动加载。 适用于所有OpenClaw…»

AI Agent记忆修复系统。解决每次会话失忆问题——自动复盘对话、提炼关键信息存入长期记忆、下次会话自动加载。 适用于所有OpenClaw Agent,让Agent记住用户偏好、项目进展、技术决策、重要信息。 触发词:记忆、忘了、之前说过、记录一下、帮我记、你还记得

ClawHub Agent Skills автор: li-jin-xuan v1.0.1 MIT-0 6 файлов · 2 скрипта тело ≈ 398 токенов Открыть источникclawhub.ai проанализирован 27 ч назад

Система восстановления памяти ИИ-агента.

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

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
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
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 · 0

✓ Критических и высоких находок нет

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 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 14
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 398 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
  • -32 из 2 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 134 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 16 заголовков
  • +3Пошаговые инструкции: 14 пунктов
  • +4Есть примеры (7 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: suspicious
This is a local memory helper, but it tells agents to automatically preserve personal and project details without clear consent, sensitivity limits, or deletion controls.
LLM: suspicious (medium) · 28 мая 2026 г.