BD memory-distiller
Дистиллятор памяти — это интеллектуальная система сжатия журналов ИИ-агентов, разработанная для решения четырех основных проблем: «среднесуточное раздувание журналов на 2500 слов, потеря ключевой информации после сжатия, сложность отслеживания деталей сжатых результатов, необходимость разных стратегий сжатия для разного контента». Заимствуя философию сжатия древних текстов (удаление повторов, сохранение поворотов, удаление процессов, сохранение пробелов), он сжимает длинные исходные журналы в высокоплотные структурированные резюме, достигая коэффициента сжатия в 4-8 раз без потери ключевых событий. Основные возможности: трехуровневая архитектура памяти (уровень идентификации/уровень выбора/исходный уровень), гибридный движок извлечения (сопоставление по ключевым словам + резервное извлечение + смешанный режим), распознавание 40+ китайских и английских ключевых слов, дифференцированные стратегии сжатия по типам, пакетное сжатие и интеграция с проверкой работоспособности, цепочка отслеживания сжатия (резюме можно отследить до исходного абзаца), обработка смешанных многоязычных журналов. Сценарии использования: архивирование ежедневных журналов агентов, сжатие контекста длинных диалогов, анализ и обобщение результатов проектов, дистилляция рассуждений при принятии решений, пакетное архивирование журналов за несколько дней, задачи проверки работоспособности для обслуживания памяти. Отличия: по сравнению с поверхностным сжатием, которое просто делает «резюме короче», этот навык добавляет (1) дифференцированные стратегии сжатия по типам, применяя разную гранулярность сжатия к событиям/урокам/задачам/росту; (2) цепочку отслеживания сжатия, где каждый элемент резюме содержит маркер исходного абзаца для однократного отслеживания; (3) интеллектуальное резервное извлечение, которое при несоответствии ключевых слов автоматически извлекает верхние элементы каждой главы, гарантируя отсутствие потери данных; (4) смешанную многоязычную обработку, где смешанные китайские и английские журналы автоматически определяют язык по абзацу и применяют соответствующие правила сжатия; (5) оценщик качества сжатия, количественно оценивающий коэффициент сжатия, информативность и читаемость. Ключевые слова для активации: сжатие журнала, сжатие памяти, дистилляция памяти, архивирование журнала, сжатие контекста, memory compress, log distillation, memory distiller
машинный переводПоказать оригиналСкрыть оригинал«记忆蒸馏器是面向 AI Agent 日志的智能压缩系统,针对"日志日均膨胀 2500 词、压缩后关键信息丢失、压缩结果难以回溯细节、不同内容…»
记忆蒸馏器是面向 AI Agent 日志的智能压缩系统,针对"日志日均膨胀 2500 词、压缩后关键信息丢失、压缩结果难以回溯细节、不同内容需不同压缩策略"四大高频痛点而设计。它借鉴古文压缩哲学(去重复、留转折、去过程、留白),把冗长的原始日志蒸馏为高密度结构化摘要,实现 4-8 倍压缩比且零关键事件损失。 核心能力:三层记忆架构(身份层/精选层/原始层)、混合提取引擎(关键词匹配+兜底提取+混合模式)、40+ 中英文关键词模式识别、分类型差异化压缩策略、批量压缩与心跳集成、压缩溯源链(摘要可回溯到原始段落)、多语言混合日志处理。 适用场景:Agent 每日日志归档、长会话上下文压缩、项目复盘提炼、决策推理蒸馏、多日日志批量归档、记忆维护心跳任务。 差异化:相比仅做"摘要变短"的浅层压缩,本技能新增 (1) 分类型差异化压缩策略,针对事件/教训/待办/成长四类内容采用不同压缩粒度;(2) 压缩溯源链,每个摘要条目保留原始段落定位标记,可一键回溯;(3) 智能兜底提取,当关键词不匹配时自动提取各章节顶部条目,确保零数据丢失;(4) 多语言混合处理,中英文混杂日志按段落自动识别语言并应用对应压缩规则;(5) 压缩质量评估器,量化压缩比、信息保留率、可读性三维度。 触发关键词:日志压缩、记忆压缩、记忆蒸馏、日志归档、上下文压缩、memory compress、log distillation、memory distiller
Дистиллятор памяти — это интеллектуальная система сжатия журналов ИИ-агентов, разработанная для решения четырех основных проблем: «среднесуточное раздувание…
Как процесс D 49/100 · Процесс не доведён — 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: 2. 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 49/100
- 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
- 40Согласованность. Имя во frontmatter (memory-distiller) не совпадает с папкой (memory-distiller-v2)
- 100Инструменты и файлы. Инструменты объявлены во frontmatter
- 100Шаги. Шагов: 9
- 100Стоимость исполнения. Тело инструкции 1568 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 17. 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
- -5В тексте остались TODO / заглушки
- +2Инструкции на одном языке
- +3Длина description 623 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 30 заголовков
- +3Пошаговые инструкции: 9 пунктов
- +4Есть примеры (12 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.