AC agent-memory
Проектируйте, внедряйте и отлаживайте системы памяти для постоянных автономных AI-агентов. Используйте при создании агентов, которым необходимо выживать при ротации контекстного окна, сохранять идентичность и состояние между сеансами, реализовывать временные графы знаний, выбирать между архитектурами памяти (CMA, RAG, KG), структурировать файлы памяти для надежного извлечения или диагностировать проблемы с дрейфом памяти и непрерывностью. Активируется по запросам: "agent memory", "persistent agent", "context window", "memory architecture", "how to remember across sessions", "knowledge graph for agents", "memory files", "continuity", "temporal memory", или любая задача, связанная с долгосрочным состоянием для AI-агентов.
машинный переводПоказать оригиналСкрыть оригинал«Design, implement, and debug memory systems for persistent autonomous…»
Design, implement, and debug memory systems for persistent autonomous AI agents. Use when building agents that need to survive context window rotation, preserve identity and state across sessions, implement temporal knowledge graphs, choose between memory architectures (CMA, RAG, KG), structure memory files for durable recall, or diagnose memory drift and continuity failures. Triggers on: "agent memory", "persistent agent", "context window", "memory architecture", "how to remember across sessions", "knowledge graph for agents", "memory files", "continuity", "temporal memory", or any task involving durable state for AI agents.
Проектируйте, внедряйте и отлаживайте системы памяти для постоянных автономных AI-агентов.
Как процесс C 57/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность
Как улучшить
- 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 · 1
✓ Критических и высоких находок нет
Средние и низкие: 1
-
низкая Сокрытие от пользователя
en-hide-from-userreferences/temporal-discipline.md:45Инструкция скрыть действия от пользователя (с отрицанием — текст это запрещает)Do NOT silently delete the old entry if it was significant. This preserves the audit trail.
с отрицанием
Просканировано файлов: 4. 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 57/100
- 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
- 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (agent-memory) не совпадает с папкой (morrow-agent-memory)
- 55Ошибки и развилки. Развилок: 1
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 28
- 100Стоимость исполнения. Тело инструкции 1393 токенов
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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- -214 эмодзи в инструкциях: шум для модели
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 9 примера фраз-триггеров в кавычках
- +3Длина description 633 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 13 заголовков
- +3Пошаговые инструкции: 28 пунктов
- +4Есть примеры (3 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 2)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.