SKILLEMALL.ai
GitHub ↗ EN Войти

AD memphis-brain

Интегрируйте локальную базу данных Memphis в качестве долговременной памяти для агентов OpenClaw. Используйте, когда: (1) агенту нужна постоянная память между сессиями, (2) нужно вести журнал идей/решений, (3) нужно извлекать прошлый контекст с помощью семантического поиска, (4) нужно анализировать закономерности, (5) нужно синхронизировать память между агентами (Watra ↔ Style), (6) нужно управлять идентификацией агента и изоляцией рабочей области. Автоматически запускается по запросам «запомни это», «что я говорил о», «мои предпочтения», «журнал», «вспомнить», «проанализировать».

машинный переводПоказать оригиналСкрыть оригинал«Integrate Memphis local-first brain as long-term memory for OpenClaw a…»

Integrate Memphis local-first brain as long-term memory for OpenClaw agents. Use when: (1) Agent needs persistent memory across sessions, (2) Journaling insights/decisions, (3) Recalling past context with semantic search, (4) Reflecting on patterns, (5) Syncing memory between agents (Watra ↔ Style), (6) Managing agent identity and workspace isolation. Auto-triggers on 'remember this', 'what did I say about', 'my preferences', 'journal', 'recall', 'reflect'.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 10 файлов · 4 скрипта тело ≈ 2 657 токенов Открыть источникgithub.com↗ проанализирован 3 дн назад

Интегрируйте локальную базу данных Memphis в качестве долговременной памяти для агентов OpenClaw.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ИнтеграцияИИ 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
A
90/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
83
Прогон на моделях
не было
Процессный рейтинг
D
49/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
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.

Рискованное назначение средняя серьёзность

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

Если установить

Назначение скилла само по себе рискованное: работа с кошельками, паролями браузера, наступательная безопасность. Даже честная реализация даёт агенту доступ к тому, что стоит денег.

Автору

Объясните в description, зачем нужен доступ и как он ограничен; добавьте тесты, которые показывают отказ на опасных запросах.

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 Рискованное назначение intent-wallet-secrets references/api.md:467
      Работает с секретами криптокошелька (сид-фраза / приватный ключ) — классическая цель стилеров
      **Output:** Mnemonic phrase

    Просканировано файлов: 10. 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 49/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 62
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2657 токенов

    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
    • -214 эмодзи в инструкциях: шум для модели
    • -31 из 4 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 461 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 32 заголовков
    • +3Пошаговые инструкции: 62 пунктов
    • +4Есть примеры (44 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.