SKILLEMALL.ai

BD memory-booster

Система улучшения памяти диалогов ИИ (v6). Решает проблемы потери памяти между диалогами и потери контекста в рамках одного диалога. Три основные команды: !memory_warmup (запуск поиска по истории) → !memory_compress (сохранение снимка состояния) → !find_memory (семантический поиск по истории). В v6 добавлена команда !forge, позволяющая в один клик создавать кастомные навыки памяти для отрасли. Технологии: Python + векторная база данных chromadb + семантический поиск sentence-transformers.

машинный переводПоказать оригиналСкрыть оригинал«AI对话记忆增强系统(v6)。解决AI跨对话失忆和同对话上下文丢失问题。三个核心命令:!记忆热身(启动检索历史)→ !记忆压缩(保存状态快照…»

AI对话记忆增强系统(v6)。解决AI跨对话失忆和同对话上下文丢失问题。三个核心命令:!记忆热身(启动检索历史)→ !记忆压缩(保存状态快照)→ !找记忆(语义搜索历史)。v6新增 !forge 命令,支持一键生成行业定制记忆Skill。技术栈:Python + chromadb向量数据库 + sentence-transformers语义搜索。

ClawHub Agent Skills автор: mikeliang2000 v6.0.3 MIT-0 10 файлов · 1 скрипт тело ≈ 3 034 токенов Открыть источникclawhub.ai проанализирован 25 ч назад

Система улучшения памяти диалогов ИИ (v6).

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторДанные и аналитикаЛюди и наймИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
Прогон на моделях
не было
Процессный рейтинг
D
43/100
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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 10. 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 "display_name"
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

Процессный рейтинг: все десять параметров 43/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 56
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 3034 токенов
  • low Разделов верхнего уровня: 14. 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
  • -221 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 174 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 53 заголовков
  • +3Пошаговые инструкции: 56 пунктов
  • +4Есть примеры (25 блоков кода)
  • +3Все 5 скриптов описаны в инструкциях

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

Внешние проверки

ClawHub: suspicious
This memory skill is mostly coherent, but it asks for broad access to past conversations and local memory files, can automatically surface that history, and includes analytics tracking without enough user control.
LLM: suspicious (high) · VirusTotal: · 1 июн. 2026 г.