SKILLEMALL.ai
GitHub ↗ EN Войти

AC memory-management

Система памяти AgentDB с векторным поиском HNSW. Обеспечивает в 150-12 500 раз более быстрый поиск паттернов, постоянное хранение и возможности семантического поиска для обучения и управления знаниями. Используйте, когда: нужно сохранить успешные паттерны, искать похожие решения, выполнять семантический поиск по прошлым работам, учиться на предыдущих задачах, обмениваться знаниями между агентами, создавать базу знаний. Пропускайте, когда: обучение не требуется, эфемерные разовые задачи, доступны внешние источники данных, только чтение.

машинный переводПоказать оригиналСкрыть оригинал«AgentDB memory system with HNSW vector search. Provides 150x-12,500x f…»

AgentDB memory system with HNSW vector search. Provides 150x-12,500x faster pattern retrieval, persistent storage, and semantic search capabilities for learning and knowledge management. Use when: need to store successful patterns, searching for similar solutions, semantic lookup of past work, learning from previous tasks, sharing knowledge between agents, building knowledge base. Skip when: no learning needed, ephemeral one-off tasks, external data sources available, read-only exploration.

Разбор skillemall

Скилл обещает векторный поиск по памяти агента с ускорением до 12,500x и семантическую выборку решений. В файлах — три модуля с HNSW индексом, персистентным хранилищем и бэкапом. Оценки качества 87 и безопасности 100 выглядят обнадёживающе, но процессный балл 51 намекает на пробелы.

Проблема в скриптах. Оба (backup и consolidate) падают с кодом 133 — это сигнал о критической ошибке, даже если песочница отмечает их как «тихие». Скилл заявлен для 10 платформ, но на них не тестировался. Без рабочих скриптов обещанная синхронизация памяти между запусками остаётся на бумаге.

Ставить не стоит. Пока скрипты не исправят, система будет терять данные или зависать при консолидации.

ruvnet/claude-flow Agent Skills автор: ruvnet MIT 3 файла · 2 скрипта тело ≈ 693 токенов Открыть источникgithub.com↗ проанализирован 29 ч назад

Система памяти AgentDB с векторным поиском HNSW.

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

ГенераторИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: 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) OpenClaw Goose OpenCode
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
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

Такой же скилл встречается ещё в 1 месте: RA-Skills

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: 3. 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 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: 14
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 693 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 495 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 16 заголовков
    • +3Пошаговые инструкции: 14 пунктов
    • +4Есть примеры (12 блоков кода)
    • +3Все 2 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    В песочнице Скрипты вели себя тихо

    Скрипты скилла запущены в одноразовой машине: без сети, с подложными ключами в домашнем каталоге, под наблюдением. Мы записали, что они делали. Попытка выйти в сеть или прочитать чужие секреты ограничивает техническую оценку буквой C; тихий запуск баллов не добавляет.

    Запущено 2 скрипта; каждому дали двадцать секунд, поддельный домашний каталог с ключами и сеть, в которой ничего нет.

    scripts/memory-backup.shзавершился с кодом 133
    scripts/memory-consolidate.shзавершился с кодом 133

    4 окт. 2026 г.