SKILLEMALL.ai
GitHub ↗ EN Войти

CC engram

Локальная графовая ассоциативная память для рабочей области OpenClaw, поставляется в виде набора CLI-скриптов: engram.py (хранение/извлечение/контекст сообщений/журнал задач через SQLite+FTS+embeddings), engram-migrate.py (преобразование markdown в узлы), engram-serve.py и bq.py (опциональный фоновый демон через Unix-сокет), embeddings.py (векторы ONNX e5), engram-backup.py (ежедневное резервное копирование SQLite с хранением версий), engram-sleep.py (ежедневная консолидация, опциональное локальное дистиллирование Ollama), engram-maintenance.py и engram-hygiene.py (дедупликация/удаление сирот/архивация), engram-aliases.py (управление псевдонимами), engram-rewire.py (опционально: оптимизирует MEMORY.md, добавляет отмеченные строки cron, спрашивает сначала), engram-uninstall.py (полный откат). Строки свидетельств задач обрабатываются оболочкой. Сетевые вызовы отсутствуют, кроме как к локальному Ollama, и только если вы его включите.

машинный переводПоказать оригиналСкрыть оригинал«Local associative memory graph for an OpenClaw workspace, shipped as a…»

Local associative memory graph for an OpenClaw workspace, shipped as a set of CLI scripts: engram.py (store/recall/msgctx/task ledger over SQLite+FTS+embeddings), engram-migrate.py (markdown to nodes), engram-serve.py and bq.py (optional warm daemon over a Unix socket), embeddings.py (ONNX e5 vectors), engram-backup.py (nightly SQLite backup with retention), engram-sleep.py (nightly consolidation, optional local-Ollama distillation), engram-maintenance.py and engram-hygiene.py (dedupe/orphan/archive tiering), engram-aliases.py (alias curation), engram-rewire.py (opt-in: slims MEMORY.md, adds marked cron lines, asks first), engram-uninstall.py (full revert). Task evidence strings run through the shell. No network calls except to localhost Ollama, and only if you enable it.

ClawHub Agent Skills автор: Wietse Stienstra v1.2.2 MIT-0 24 файла · 16 скриптов тело ≈ 2 735 токенов Открыть источникclawhub.ai↗ проанализирован 6 дн назад

Локальная графовая ассоциативная память для рабочей области OpenClaw, поставляется в виде набора CLI-скриптов: engram.py (хранение/извлечение/контекст…

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
C
87/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • низкая Опасные команды cmd-background-process install.sh:159
    Запуск фонового / автозапускаемого процесса
    nohup python3 "$ENGRAM_DIR/engram-serve.py" > "$WORKSPACE/logs/engram-serve.log" 2>&1 &

Просканировано файлов: 24. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 51/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (bash, python, node), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 10
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2735 токенов
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • low Разделов верхнего уровня: 14. Похоже на несколько доменов в одном скилле
  • low Скилл сам сортирует и ранжирует выдачу: это работа системы на той стороне, а не модели
  • low Ответ описан самодельной разметкой (4 тегов): типизированный вызов надёжнее

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
  • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +2Инструкции на одном языке
  • +3Длина description 782 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 17 заголовков
  • +3Пошаговые инструкции: 10 пунктов
  • +4Есть примеры (8 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: suspicious
Engram is a disclosed local memory tool, but it grants persistent workspace influence and shell/file access broad enough that users should review it carefully before installing.
LLM: suspicious (medium) · 22 сент. 2026 г.