SKILLEMALL.ai

AB agent-memory-design

Разрабатывает архитектуру постоянной памяти для ИИ-агентов, которая сохраняется при выходе за пределы контекстного окна и сбросе сеанса. Используйте при создании долгоживущих агентов, персональных ассистентов или любых систем, которым необходимо запоминать информацию между разговорами. Триггеры: "agent memory", "persistent memory", "remember across sessions", "memory architecture", "context window", "long-term memory for AI".

машинный переводПоказать оригиналСкрыть оригинал«Design a persistent memory architecture for AI agents that survives co…»

Design a persistent memory architecture for AI agents that survives context windows and session resets. Use when building long-running agents, personal assistants, or any system that needs to remember across conversations. Triggers on "agent memory", "persistent memory", "remember across sessions", "memory architecture", "context window", "long-term memory for AI".

ClawHub Agent Skills автор: SARAI Defence v1.0.0 MIT-0 2 файла тело ≈ 1 546 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Разрабатывает архитектуру постоянной памяти для ИИ-агентов, которая сохраняется при выходе за пределы контекстного окна и сбросе сеанса.

Как процесс B 75/100 · Почти готов — слабые места: входы и предусловия, повторный запуск, отчётность по ходу

ГенераторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
B
75/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
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: 2. 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 75/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 7, без проверки текущего состояния
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 62
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1546 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 6 примера фраз-триггеров в кавычках
    • +3Длина description 367 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 16 заголовков
    • +3Пошаговые инструкции: 62 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.

    Внешние проверки

    ClawHub: clean
    This skill is an instruction-only guide for designing AI-agent memory, and its persistence advice is disclosed and aligned with that purpose.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.