SKILLEMALL.ai
GitHub ↗ EN Войти

BD continuous-learning

Пакет непрерывного обучения — рабочий процесс управления ИИ-памятью: автоматическое распознавание новых задач, запись диалогов в MemPalace, регулярный анализ снов, извлечение сути в документы, самокоррекция и улучшение. Триггерные слова: «непрерывное обучение», «управление памятью», «самосовершенствование», «система обучения».

машинный переводПоказать оригиналСкрыть оригинал«持续学习套件 - AI自主记忆管理工作流：自动识别新任务、记录对话到MemPalace、定期做梦分析、提取精华到文档、自我纠错改进。触发词：…»

持续学习套件 - AI自主记忆管理工作流：自动识别新任务、记录对话到MemPalace、定期做梦分析、提取精华到文档、自我纠错改进。触发词："持续学习"、"记忆管理"、"自我改进"、"学习体系"。

ClawHub Agent Skills автор: long57777 v1.1.1 MIT-0 12 файлов тело ≈ 1 668 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Пакет непрерывного обучения — рабочий процесс управления ИИ-памятью: автоматическое распознавание новых задач, запись диалогов в MemPalace, регулярный анализ…

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникИнфраструктуратип 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%
98
Качество 40%
66
Прогон на моделях
не было
Процессный рейтинг
D
41/100
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
Это копия скилла из другого каталога, в рейтинге считается основная: continuous-learning (ClawHub)

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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • низкая Опасные команды cmd-cron-mention README.md:274
    Упоминание редактирования crontab
    crontab -l
  • низкая Опасные команды cmd-cron-mention SKILL.md:416
    Упоминание редактирования crontab
    crontab -l | grep openclaw

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")
  • заметка frontmatter-key неизвестное поле фронтматтера "dependencies"
  • заметка frontmatter-key неизвестное поле фронтматтера "changelog"

Процессный рейтинг: все десять параметров 41/100

  • 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
  • 40Согласованность. Имя во frontmatter (continuous-learning) не совпадает с папкой (long57777-continuous-learning)
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 62
  • 100Стоимость исполнения. Тело инструкции 1668 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 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)
  • +3Длина description 98: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -224 эмодзи в инструкциях: шум для модели
  • +2Инструкции на одном языке
  • +4Структура: 39 заголовков
  • +3Пошаговые инструкции: 62 пунктов
  • +4Есть примеры (23 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.

Внешние проверки

ClawHub: suspicious
This skill is a disclosed continuous-memory system, but it can run in the background, send remembered content to external services, and rewrite files that shape future agent behavior.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.