SKILLEMALL.ai

AC memory-management

Восстанавливает и записывает память рабочей области для агентов OpenClaw, используя MEMORY.md, memory/YYYY-MM-DD.md, memory_search и memory_get. Используйте, когда пользователь спрашивает о предыдущей работе, решениях, датах, людях, предпочтениях, задачах или просит что-то запомнить; также используйте, когда вам нужно сохранить постоянные заметки или объяснить, как работает память OpenClaw.

машинный переводПоказать оригиналСкрыть оригинал«Recall and write workspace memory for OpenClaw agents using MEMORY.md,…»

Recall and write workspace memory for OpenClaw agents using MEMORY.md, memory/YYYY-MM-DD.md, memory_search, and memory_get. Use when the user asks about prior work, decisions, dates, people, preferences, todos, or says to remember something; also use when you need to store durable notes or explain how OpenClaw memory works.

ClawHub Agent Skills автор: omaression v1.0.0-alpha MIT-0 2 файла тело ≈ 378 токенов Открыть источникclawhub.ai проанализирован 4 дн назад

Восстанавливает и записывает память рабочей области для агентов OpenClaw, используя MEMORY.md, memory/YYYY-MM-DD.md, memorysearch и memoryget. Используйте…

Как процесс C 61/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность

ГенераторИИ и агентыИнфраструктураЛичная продуктивностьтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
C
61/100
Есть пробелы
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

    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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 61/100

    • 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
    • 40Согласованность. Имя во frontmatter (memory-management) не совпадает с папкой (atomic-memory-manager)
    • 60Ошибки и развилки. Развилок: 2
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 16
    • 100Стоимость исполнения. Тело инструкции 378 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
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 325 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Пошаговые инструкции: 16 пунктов

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.

    Внешние проверки

    ClawHub: clean
    This is a simple memory-management skill that clearly tells the agent how to read and write OpenClaw workspace memory, with no hidden code or install behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.