AC honcho-memory
Разработано Axobotl (@Inner_Axiom). Надежная система памяти Honcho, протестированная на парке из 6+ агентов и более 1000 сообщений. Заменяет поиск на основе встраивания (embedding) на обоснованное, развивающееся понимание пользователей и агентов между сессиями. Включает автоматизированные конвейеры подачи данных, запросы по требованию с уровнями обоснования, генерацию контекста с учетом лимита токенов, который сохраняется при уплотнении, общий доступ к памяти между агентами и автоматизацию cron. Используется, когда нужны агенты, которые действительно запоминают, понимают контекст между сессиями, или когда cron/изолированные сессии требуют полной непрерывности.
машинный переводПоказать оригиналСкрыть оригинал«Built by Axobotl (@Inner_Axiom). Production-grade Honcho memory system…»
Built by Axobotl (@Inner_Axiom). Production-grade Honcho memory system battle-tested on a 6+ agent fleet with 1000+ messages. Replaces embedding-based retrieval with reasoned, evolving understanding of users and agents across sessions. Includes automated feed pipelines, on-demand querying with reasoning levels, token-budgeted context generation that survives compaction, cross-agent memory sharing, and cron automation. Use when you need agents that actually remember, understand context across sessions, or when cron/isolated sessions need full continuity.
Разработано Axobotl (@InnerAxiom).
Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, повторный запуск
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: 7. 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 56/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 100Шаги. Шагов: 27
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2671 токенов
- low Разделов верхнего уровня: 13. Похоже на несколько доменов в одном скилле
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 559 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 26 заголовков
- +3Пошаговые инструкции: 27 пунктов
- +4Есть примеры (11 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 2)
- +3Все 4 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.