CC memory-health
Полный конвейер управления памятью для агентов OpenClaw — извлечение, архивирование, оценка, консолидация, мониторинг состояния, обслуживание и онтология. По умолчанию локальный (Ollama через локальный HTTP). Используйте для проверки состояния памяти, гибридного поиска, арбитража фактов, уплотнения холодного хранилища и обслуживания конвейера памяти.
машинный переводПоказать оригиналСкрыть оригинал«Complete memory management pipeline for OpenClaw agents — extraction,…»
Complete memory management pipeline for OpenClaw agents — extraction, archiving, scoring, consolidation, health monitoring, hygiene, and ontology. Local by default (Ollama over local HTTP). Use for memory health checks, hybrid search, fact arbitration, cold-storage compaction, and memory pipeline maintenance.
Полный конвейер управления памятью для агентов OpenClaw — извлечение, архивирование, оценка, консолидация, мониторинг состояния, обслуживание и онтология.
Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, согласованность
Как улучшить
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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 Рискованное назначение
intent-offensive-securitydocs/SECURITY-AUDIT-NOTES.md:186Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (определение детектора / чёрного списка)**Scanner class:** Privilege Escalation / Credential Access
детектор
Просканировано файлов: 35. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
body-longтело SKILL.md ≈ 5122 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 54/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 40Согласованность. Имя во frontmatter (memory-health) не совпадает с папкой (memory-toolkit)
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 70Стоимость исполнения. Тело инструкции 5122 токенов
- 100Шаги. Шагов: 36
- 100Повторный запуск. Изменяющие операции проверяют текущее состояние
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
- low Разделов верхнего уровня: 10. 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
- -2Ссылки на localhost: у другого пользователя не заработает
- -223 эмодзи в инструкциях: шум для модели
- -31 из 2 скриптов не упомянуты в SKILL.md
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 310 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 20 заголовков
- +3Пошаговые инструкции: 36 пунктов
- +4Есть примеры (15 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 3)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.