AC openclaw-memory-engine
Постоянная память в стиле MemGPT с пассивным автоматическим захватом — ваш агент запоминает все автоматически. 20 инструментов + 2 хука. Пятиуровневая архитектура: ядро личности, архивные факты с гибридным семантическим поиском, граф знаний, извлечение эпизодических разговоров и поведенческое отражение. Ручные вызовы инструментов не требуются — хуки захватывают каждое сообщение. Активировать, когда: агенту нужно вспомнить прошлые разговоры, ответить на фактические вопросы о пользователе, выполнить поиск по памяти, управлять основным профилем, сгенерировать панель мониторинга или выполнить проверку качества. НЕ АКТИВИРОВАТЬ для: контекста в рамках сеанса или задач, не связанных с памятью.
машинный переводПоказать оригиналСкрыть оригинал«MemGPT-style persistent memory with passive auto-capture — your agent…»
MemGPT-style persistent memory with passive auto-capture — your agent remembers everything automatically. 20 tools + 2 hooks. Five-layer architecture: core identity, archival facts with hybrid semantic search, knowledge graph, episodic conversation recall, and behavioral reflection. No manual tool calls needed — hooks capture every message. TRIGGER when: agent needs to recall past conversations, answer factual questions about the user, search memory, manage core identity, generate dashboard, or run quality pass. DO NOT TRIGGER for: in-session context, or tasks unrelated to memory.
Постоянная память в стиле MemGPT с пассивным автоматическим захватом — ваш агент запоминает все автоматически.
Как процесс C 55/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки
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 · 0
✓ Критических и высоких находок нет
Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- заметка
frontmatter-keyнеизвестное поле фронтматтера "requires"
Процессный рейтинг: все десять параметров 55/100
- 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
- 40Согласованность. Имя во frontmatter (openclaw-memory-engine) не совпадает с папкой (memory-engine-guide)
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 7
- 100Стоимость исполнения. Тело инструкции 614 токенов
- 100Повторный запуск. Изменяющих операций нет
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
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 587 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 9 заголовков
- +3Пошаговые инструкции: 7 пунктов
- +4Есть примеры (3 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.