AB agent-memory-systems
Разработайте память, извлечение и хранение данных для агентов с учетом области действия клиента. Используйте при планировании RAG, истории разговоров, векторных хранилищ или запоминания между сессиями.
машинный переводПоказать оригиналСкрыть оригинал«Design tenant-scoped memory, retrieval and retention for agents. Use w…»
Design tenant-scoped memory, retrieval and retention for agents. Use when planning RAG, conversation history, vector stores or remembering across sessions.
Скилл про архитектуру памяти для агентов: как организовать хранилище, поиск и сохранение данных между сессиями. В папке два файла, критических ошибок нет. Оценка качества 88 из 100, но процесс только 67 — значит, документация или примеры неполные. Безопасность на максимуме, ссылки целые.
Под капотом — советы по RAG, истории диалогов и векторным хранилищам. Автор обещает решение для tenant-scoped памяти, но конкретных реализаций в файлах нет, только подход. Платформ поддерживает много: от Claude до DeepSeek. Ставить стоит, если вы уже знаете, как строить память агентов и вам нужна структура. Если ищете готовый код — разочаруетесь.
Разработайте память, извлечение и хранение данных для агентов с учетом области действия клиента.
Как процесс B 67/100 · Почти готов — слабые места: результат и критерий готовности, когда включается, ошибки и развилки
Такой же скилл встречается ещё в 1 месте: agentic-awesome-skills
Как улучшить
- 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: 2. 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 67/100
- 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
- 40Результат и критерий готовности. Не сказано, что считать результатом
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 11
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 668 токенов
- 100Повторный запуск. Изменяющих операций нет
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 155 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 6 заголовков
- +3Пошаговые инструкции: 11 пунктов
- +4Есть примеры (0 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.