SKILLEMALL.ai
GitHub ↗ EN Войти

BC openclaw-memories

Память агента с метаобучением ALMA, извлечением фактов из LLM и полнотекстовым поиском. Observer вызывает удаленные API LLM (OpenAI/Anthropic/Gemini). ALMA и Indexer работают офлайн.

машинный переводПоказать оригиналСкрыть оригинал«Agent memory with ALMA meta-learning, LLM fact extraction, and full-te…»

Agent memory with ALMA meta-learning, LLM fact extraction, and full-text search. Observer calls remote LLM APIs (OpenAI/Anthropic/Gemini). ALMA and Indexer work offline.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 12 файлов тело ≈ 495 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Память агента с метаобучением ALMA, извлечением фактов из LLM и полнотекстовым поиском.

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

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
86/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
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

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 · 5

✓ Критических и высоких находок нет

Средние и низкие: 5
  • низкая Секреты в коде secret-high-entropy-token pnpm-lock.yaml:66
    Строка, похожая на токен (может быть id, хеш или секрет)
    resolution: {integrity: sha5…QYA+ISs0/2l3T9/kj42…aQT/dfNXWX/ZZCQ==}
  • низкая Секреты в коде secret-high-entropy-token pnpm-lock.yaml:138
    Строка, похожая на токен (может быть id, хеш или секрет)
    resolution: {integrity: sha512-6+gjmF…uh8+uw3mnrvgs+dSPQ…dZG+D4garKg==}
  • низкая Секреты в коде secret-high-entropy-token pnpm-lock.yaml:144
    Строка, похожая на токен (может быть id, хеш или секрет)
    resolution: {integrity: sha5…DUr+vOv8…A8A==}
  • низкая Секреты в коде secret-high-entropy-token pnpm-lock.yaml:211
    Строка, похожая на токен (может быть id, хеш или секрет)
    resolution: {integrity: sha5…Q8E+t5Jh…rfX+bKrFe+Xp5Y…DAA==}
  • низкая Секреты в коде secret-high-entropy-token pnpm-lock.yaml:335
    Строка, похожая на токен (может быть id, хеш или секрет)
    resolution: {integrity: sha5…GD3+82K6JgJlm/Y+KI92…no5+4jh9sw==}

Просканировано файлов: 12. 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 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: 2, без проверки текущего состояния
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 17
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 495 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 169 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 9 заголовков
  • +3Пошаговые инструкции: 17 пунктов
  • +4Есть примеры (3 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.