SKILLEMALL.ai
GitHub ↗ EN Войти

BC memento

Локальная постоянная память для агентов OpenClaw. Захватывает разговоры, извлекает структурированные факты с помощью LLM и автоматически вспоминает релевантные знания перед каждым ходом. Приватность прежде всего, все хранимые данные остаются локально в SQLite.

машинный переводПоказать оригиналСкрыть оригинал«Local persistent memory for OpenClaw agents. Captures conversations, e…»

Local persistent memory for OpenClaw agents. Captures conversations, extracts structured facts via LLM, and auto-recalls relevant knowledge before each turn. Privacy-first, all stored data stays local in SQLite.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 44 файла тело ≈ 1 776 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Локальная постоянная память для агентов OpenClaw.

Как процесс C 61/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, 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
81/100
безопасность, качество, тесты
Безопасность 60%
90
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
C
61/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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 · 6

✓ Критических и высоких находок нет

Средние и низкие: 6
  • средняя Утечка данных net-redirectable-api-key src/extraction/extractor.ts:168
    Скрипт отправляет API-ключ на хост из переменной окружения — ключ можно перенаправить на другой сервер
    API key + configurable base URL from environment
  • низкая Секреты в коде secret-high-entropy-token package-lock.json:35
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "integrity": "sha5…asG+Fkr6…2vM+P9eO…k5W+1WL8w==",
    детектор
  • низкая Секреты в коде secret-high-entropy-token package-lock.json:85
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "integrity": "sha5…FSj+bWLt…2sH/Kn8E…h6w==",
    детектор
  • низкая Секреты в коде secret-high-entropy-token package-lock.json:189
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "integrity": "sha5…wHD+vkj3…wBQ/hCAQ…tUp/3Qh6…OOw==",
    детектор
  • низкая Секреты в коде secret-high-entropy-token package-lock.json:195
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "integrity": "sha5…CpK+FtMRQVdIMN6/Df5j…tIC+7KYK…qaA==",
    детектор
  • низкая Секреты в коде secret-high-entropy-token package-lock.json:248
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "integrity": "sha5…RFW+TK4J…oUr/txX3…6Ns/A==",
    детектор

Просканировано файлов: 44. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 61/100

  • 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: 2, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 21
  • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1776 токенов
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 10. 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
  • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 211 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 21 пунктов
  • +4Есть примеры (6 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.