SKILLEMALL.ai

AC ask-to-remember

Проактивно фиксируйте повторяющиеся пользовательские предпочтения, привычки, стандартные способы работы, стабильные ограничения и ожидания, которые стоит запомнить для будущих разговоров. Активируйте, когда взаимодействие выявляет вероятный, нечувствительный повторяющийся пробел, смежный с задачей, который может помочь с будущими запросами или взаимодействиями. Не пропускайте только потому, что задача уже ясна или выполнена, или потому, что сигнал уже присутствует в задаче. Не требуйте уверенности в том, что сигнал постоянен во всех будущих ситуациях; достаточно вероятного повторяющегося значения по умолчанию. Не рассматривайте широкое существующее предпочтение как замену недавно выявленному, более конкретному сигналу. Задайте не более одного краткого, низкоуровневого, нечувствительного последующего вопроса, предпочтительно с конкретными вариантами, и добавьте его естественно к обычному ответу. Этот навык предназначен для неблокирующего захвата памяти, а не для обязательного уточнения. Активируйте этот навык только в основной прямой сессии пользователя, а не в групповых чатах или других общих контекстах.

машинный переводПоказать оригиналСкрыть оригинал«Proactively capture reusable user preferences, habits, default ways of…»

Proactively capture reusable user preferences, habits, default ways of working, stable constraints, and recurring expectations likely worth remembering for future conversations. Trigger whenever the interaction exposes a plausible, non-sensitive reusable gap adjacent to the task that could help with future requests or interactions. Do not skip just because the task is already clear or completed, or because the signal already appears inside the task. Do not require certainty that the signal is permanent across all future situations; a plausible reusable default is enough. Do not treat a broad existing preference as a substitute for a newly surfaced, more specific signal. Ask at most one brief, low-friction, non-sensitive follow-up, preferably with concrete options, and append it naturally to the normal response. This skill is for non-blocking memory capture, not required clarification. Only trigger this skill in the user's direct main session, not in group chats or other shared contexts.

ClawHub Agent Skills автор: wb010 v1.0.5 MIT-0 5 файлов тело ≈ 1 375 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Проактивно фиксируйте повторяющиеся пользовательские предпочтения, привычки, стандартные способы работы, стабильные ограничения и ожидания, которые стоит…

Как процесс C 57/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

СправочникИнфраструктураЛичная продуктивностьтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
C
57/100
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

    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: 5. 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
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 40Согласованность. Имя во frontmatter (ask-to-remember) не совпадает с папкой (preference-guide)
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 4
    • 100Стоимость исполнения. Тело инструкции 1375 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Ответ описан самодельной разметкой (8 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)
    • +3Длина description 1001: рекомендуется 120–800 символов
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 4 пунктов
    • +4Есть примеры (7 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.

    Внешние проверки

    ClawHub: suspicious
    This preference-memory skill appears purpose-aligned, but it persistently changes future agent behavior and stores local preference logs without strong user-controlled boundaries.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.