SKILLEMALL.ai

AC self-improving

Глобальная, пространственно-именованная память обучения для OpenClaw. Используйте, когда пользователи исправляют вывод, устанавливают стабильные предпочтения, спрашивают, что было усвоено, запрашивают статистику памяти или просят забыть усвоенные закономерности. Сохраняйте память между сессиями, избегайте смешивания контекста и соблюдайте строгие границы конфиденциальности.

машинный переводПоказать оригиналСкрыть оригинал«Global, namespaced learning memory for OpenClaw. Use when users correc…»

Global, namespaced learning memory for OpenClaw. Use when users correct output, set stable preferences, ask what was learned, ask for memory stats, or request forgetting learned patterns. Keep memory cross-session, avoid context mixing, and enforce strict privacy boundaries.

ClawHub Agent Skills автор: Mark Lee v0.1.0 5 файлов тело ≈ 642 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Глобальная, пространственно-именованная память обучения для OpenClaw.

Как процесс C 61/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, согласованность

ПроцедураРазработкаТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
61/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 5. 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

    • 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
    • 40Согласованность. Имя во frontmatter (self-improving) не совпадает с папкой (self-improving-global-safe)
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 65Ошибки и развилки. Развилок: 3
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 23
    • 100Стоимость исполнения. Тело инструкции 642 токенов
    • 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
    • low Ответ описан самодельной разметкой (6 тегов): типизированный вызов надёжнее

    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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 275 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 23 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This skill is a disclosed local memory helper that stores and manages user-approved preferences in a named folder, with no executable code or network behavior found.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.