SKILLEMALL.ai

AD pensieve-algorand v2

Высокопроизводительная гибридная память для OpenClaw с строгим захватом только для добавления, ограниченными ежедневными циклами мечтаний и необязательным закреплением Algorand через зашифрованные заметки и внешнее подписание. Используйте, когда вам нужна надежная согласованность между сеансами с предсказуемым временем выполнения и низкими накладными расходами на токены.

машинный переводПоказать оригиналСкрыть оригинал«High-performance hybrid memory for OpenClaw with strict append-only ca…»

High-performance hybrid memory for OpenClaw with strict append-only capture, budgeted daily dream cycles, and optional Algorand anchoring through encrypted notes and external signing. Use when you need durable cross-session consistency with predictable runtime and low token overhead.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 23 файла тело ≈ 367 токенов Открыть источникgithub.com проанализирован 2 дн назад

Высокопроизводительная гибридная память для OpenClaw с строгим захватом только для добавления, ограниченными ежедневными циклами мечтаний и необязательным…

Как процесс D 39/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
D
39/100
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

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 · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 23. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)

    Процессный рейтинг: все десять параметров 39/100

    • 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
    • 40Согласованность. Имя во frontmatter (pensieve-algorand v2) не совпадает с папкой (openclaw-memory-pensieve-algorand)
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 30
    • 100Стоимость исполнения. Тело инструкции 367 токенов
    • low Ответ описан самодельной разметкой (3 тегов): типизированный вызов надёжнее

    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
    • -312 из 15 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 284 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 30 пунктов
    • +4Справочные файлы упоминаются в инструкциях (3 из 6)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.