AC z1-matrix-memory-palace
Создавайте и управляйте файловой Дворцом Памяти для мультиагентных систем, объединяя пространственную оболочку памяти с постоянно поддерживаемым слоем рефлексии LLM Wiki. Используйте при проектировании или развертывании долговременной архитектуры памяти для команд агентов, особенно для (1) проектных комнат + коридоров задач + крыльев рефлексии, (2) файловых шин координации с низким количеством токенов, (3) преобразования рабочих артефактов в принципы, ядра промптов, паттерны сбоев и пути мышления, (4) создания тихого агента-библиотекаря/архивариуса или (5) миграции разрозненных файлов протоколов/истории в структурированную операционную систему памяти. Включает атрибуцию источника и руководство по слиянию из идеи llm-wiki Карпати и подхода memory-palace Джеффа Пирса.
машинный переводПоказать оригиналСкрыть оригинал«Build and operate a file-driven Memory Palace for multi-agent systems,…»
Build and operate a file-driven Memory Palace for multi-agent systems, combining a spatial memory shell with a continuously maintained LLM Wiki reflection layer. Use when designing or deploying long-term memory architecture for agent teams, especially for (1) project rooms + task corridors + reflection wings, (2) low-token file-based coordination buses, (3) converting work artifacts into principles, prompt kernels, failure patterns, and thinking paths, (4) building a silent librarian/archivist agent, or (5) migrating scattered protocol/history files into a structured memory operating system. Includes source attribution and fusion guidance from Karpathy's llm-wiki idea and Jeff Pierce's memory-palace approach.
Создавайте и управляйте файловой Дворцом Памяти для мультиагентных систем, объединяя пространственную оболочку памяти с постоянно поддерживаемым слоем…
Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
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: 8. 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 51/100
- 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
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 98
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 895 токенов
- low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле
- low Ответ описан самодельной разметкой (10 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
- +4Нет примеров входа/выхода
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 718 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 35 заголовков
- +3Пошаговые инструкции: 98 пунктов
- +4Справочные файлы упоминаются в инструкциях (5 из 6)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.