SKILLEMALL.ai
GitHub ↗ EN Войти

BC managing-actingweb-memory

Хранит и извлекает личные предпочтения, решения и контекст между разговорами с помощью ActingWeb Personal AI Memory через MCP. Активируется, когда пользователь упоминает о запоминании вещей, вспоминании прошлых решений, сохранении информации на потом, персонализированных рекомендациях, общем контексте с другими людьми, управлении подключенными устройствами или чем-либо, что выигрывает от долговременной памяти. Также активируется, когда личный контекст улучшит ответ, включая планирование поездок, подготовку к встречам, решения о покупке, темы диеты и здоровья или любой запрос, где важны история и предпочтения пользователя.

машинный переводПоказать оригиналСкрыть оригинал«Stores and retrieves personal preferences, decisions, and context acro…»

Stores and retrieves personal preferences, decisions, and context across conversations using ActingWeb Personal AI Memory via MCP. Activates when the user mentions remembering things, recalling past decisions, saving information for later, personalized recommendations, shared context with other people, controlling connected devices, or anything benefiting from long-term memory. Also activates when personal context would improve the response including trip planning, meeting prep, purchase decisions, diet and health topics, or any request where knowing user history and preferences matters.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 9 файлов · 1 скрипт тело ≈ 1 906 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Хранит и извлекает личные предпочтения, решения и контекст между разговорами с помощью ActingWeb Personal AI Memory через MCP.

Как процесс C 63/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

ПроцедураИИ 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
B
89/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
C
63/100
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

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Утечка данных средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».

Автору

Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.

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 · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • средняя Утечка данных net-credential-use scripts/manual-oauth.sh:95
      Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
      TOKEN_RESPONSE=$(curl -sf -X POST "$TOKEN_URL" \

    Просканировано файлов: 9. 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 63/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 11, без проверки текущего состояния
    • 60Ошибки и развилки. Развилок: 2
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 52
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1906 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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
    • -31 из 1 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 594 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 52 пунктов
    • +4Справочные файлы упоминаются в инструкциях (6 из 6)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.