SKILLEMALL.ai

BC longmemo-elite

В сценариях разработки, требующих навыков LongMemo Elite, предоставляются стандартные процессы и инструкции по настройке. Этот инструмент был дифференцирован и улучшен с учетом реальных проблем использования. Используйте, когда требуется вызов моделей ИИ, интеллектуальные диалоги, оркестрация агентов, приложения LLM. Не подходит для критически важных решений, требующих 100% определенности. Подходит для независимых разработчиков, корпоративных команд и сценариев автоматизированных рабочих процессов.

машинный переводПоказать оригиналСкрыть оригинал«|-. 在需要longmemo elite相关能力的开发场景,提供规范流程和配置说明. 该工具经过差异化增强,结合实际使用痛点进行了优化。U…»

|-. 在需要longmemo elite相关能力的开发场景,提供规范流程和配置说明. 该工具经过差异化增强,结合实际使用痛点进行了优化。Use。Use when 需要AI模型调用、智能对话、Agent编排、LLM应用时使用。不适用于需要100%确定性的关键决策。适用于独立开发者、企业团队和自动化工作流场景。

ClawHub Hermes автор: 天轰穿 v1.0.4 MIT-0 2 файла тело ≈ 2 020 токенов Открыть источникclawhub.ai проанализирован 29 ч назад

В сценариях разработки, требующих навыков LongMemo Elite, предоставляются стандартные процессы и инструкции по настройке.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураMySQLDockerИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Hermes Agent
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
66
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Для Hermes description должен быть одним предложением до 60 символов; условия применения вынесите в раздел «When to Use».
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

  • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Block scalar header includes extra characters: |-. at line 8, column 16: description: |-. 在需要longmemo elite相关能力的开发场景,提供规范流程和配置说明. 该工具经过差异化增强,结合实际使用痛点进行了… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении
  • предупреждение description-long-hermes description 155 символов, а стандарт Hermes требует ≤ 60 (одно предложение, с точкой)
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "summary"
  • заметка frontmatter-key неизвестное поле фронтматтера "tools"
  • заметка frontmatter-key неизвестное поле фронтматтера "pricing_tier"

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: 43
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2020 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 12. 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
  • +2Инструкции на одном языке
  • +3Длина description 155 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 28 заголовков
  • +3Пошаговые инструкции: 43 пунктов
  • +4Есть примеры (2 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.

Внешние проверки

ClawHub: suspicious
This memory skill is coherent but asks agents to persist and reload broad conversation context across sessions, with optional cloud services, without strong opt-in or scoping controls.
LLM: suspicious (high) · 22 авг. 2026 г.