SKILLEMALL.ai
GitHub ↗ EN Войти

BD shared-memory-stack

Полное руководство по архитектуре общей памяти, связывающей суб-агентов Claude Code, OpenClaw/Kimi и LM Studio через хранилище Obsidian + MemPalace (ChromaDB). Загрузите этот навык, чтобы понять, как читать, записывать и искать в общей памяти, фиксировать идеи и общаться между агентами. Охватывает: структуру хранилища, настройку mempalace, конвейер захвата идей, мост openclaw и меж-агентное взаимодействие.

машинный переводПоказать оригиналСкрыть оригинал«Complete reference for the shared memory architecture connecting Claud…»

Complete reference for the shared memory architecture connecting Claude Code, OpenClaw/Kimi, and LM Studio subagents through Obsidian vault + MemPalace (ChromaDB). Load this skill to understand how to read, write and search shared memory, capture ideas, and communicate between agents. Covers: vault structure, mempalace setup, capture-idea pipeline, openclaw-bridge, and inter-agent communication.

ClawHub Agent Skills автор: nerua1 v1.0.0 MIT-0 3 файла тело ≈ 1 675 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Полное руководство по архитектуре общей памяти, связывающей суб-агентов Claude Code, OpenClaw/Kimi и LM Studio через хранилище Obsidian + MemPalace (ChromaDB).

Как процесс D 45/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникObsidianИИ и агентыИнфраструктуратип 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
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
D
45/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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: 3. 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 "compatible-with"

Процессный рейтинг: все десять параметров 45/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 75Шаги. Шагов: 3
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1675 токенов

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
  • +2Инструкции на одном языке
  • +3Длина description 398 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 19 заголовков
  • +3Пошаговые инструкции: 3 пунктов
  • +4Есть примеры (13 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: suspicious
This is mostly a visible shared-memory reference, but it also normalizes broad persistent memory sharing and public GitHub publishing with preconfigured credentials without enough safety boundaries.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.