BC localmemo-pro
Локальная система векторной памяти для конфиденциальных и офлайн-сценариев. На основе LanceDB + полностью локального встраивания (Ollama/nomic-embed-text), реализует семантический поиск по памяти без внешних вызовов API, без утечки данных и полностью в автономном режиме. Основные возможности включают локальный движок встраивания (Ollama nomic-embed-text, задержка в миллисекунды), векторную базу данных LanceDB (локальное хранилище SQLite), кэширование результатов встраивания (для предотвращения повторных вычислений), журнал предзаписи WAL, трехслойное холодное/горячее хранение, контроль использования ресурсов (ограничение памяти/сжатие/очистка), команды инициализации и обслуживания в один клик. Применимые сценарии: отрасли с повышенными требованиями к конфиденциальности (медицина/финансы/юриспруденция), офлайн/слаботочные среды, личные базы знаний, корпоративные агенты, которым требуется, чтобы данные не покидали локальную сеть в соответствии с требованиями соответствия, и независимые разработчики, которые хотят работать без затрат на API. Отличия: по сравнению с облачными решениями для встраивания, эта система полностью работает локально без затрат на API, данные никогда не покидают устройство, доступна в автономном режиме; по сравнению с простым файловым хранилищем, обеспечивает более точный семантический поиск по векторам; добавлены кэширование встраивания для предотвращения повторных вычислений, контроль использования ресурсов для предотвращения раздувания памяти, руководство по выбору модели для баланса качества и скорости. Команды упрощены и структурированы для снижения потребления токенов. Ключевые слова для активации: локальная память, векторная память, офлайн-память, конфиденциальная память, embedding, LanceDB, Ollama, nomic, локальный вектор, local memory
машинный переводПоказать оригиналСкрыть оригинал«面向隐私敏感与离线场景的本地向量记忆系统。基于 LanceDB + 纯本地 embedding（Ollama/nomic-embed-tex…»
面向隐私敏感与离线场景的本地向量记忆系统。基于 LanceDB + 纯本地 embedding（Ollama/nomic-embed-text），实现零外部 API 调用、零数据出域、完全离线可用的语义记忆检索。 核心能力包括本地 embedding 引擎（Ollama nomic-embed-text，毫秒级延迟）、LanceDB 向量库（本地 SQLite 存储）、embedding 结果缓存（避免重复计算）、WAL 写前日志、三层冷热分层、资源占用控制（内存上限/压缩/清理）、一键初始化与维护命令。 适用场景：隐私敏感行业（医疗/金融/法律）、离线/弱网环境、个人知识库、合规要求数据不出域的企业 Agent、希望零 API 成本运行的独立开发者。 差异化：相比云端 embedding 方案，本系统完全本地运行零 API 费用、数据永不离开本机、离线可用；相比简单文件记忆，提供向量语义检索召回更准；新增 embedding 缓存避免重复计算、资源占用控制防止内存膨胀、模型选择指南平衡质量与速度。指令精简分层，降低 token 消耗。 触发关键词：本地记忆、向量记忆、离线记忆、隐私记忆、embedding、LanceDB、Ollama、nomic、本地向量、local memory
Локальная система векторной памяти для конфиденциальных и офлайн-сценариев.
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 0. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - заметка
frontmatter-keyнеизвестное поле фронтматтера "slug" - заметка
frontmatter-keyнеизвестное поле фронтматтера "displayName" - заметка
frontmatter-keyнеизвестное поле фронтматтера "summary" - заметка
frontmatter-keyнеизвестное поле фронтматтера "tools"
Процессный рейтинг: все десять параметров 53/100
- 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
- 100Инструменты и файлы. Инструменты объявлены во frontmatter
- 100Шаги. Шагов: 24
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2001 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 15. 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
- +2Инструкции на одном языке
- +3Длина description 554 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 32 заголовков
- +3Пошаговые инструкции: 24 пунктов
- +4Есть примеры (12 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.