Token导航 LogoToken导航

Agent Skill · 开发

acp-coder(acp 编码器)

acp-coder 用于补充开发相关能力,适合在 OpenClaw 中需要让 Agent 承接开发相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

acp-coder 是开发类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为执行命令;许可证为 MIT-0,第三方扫描有提醒项,按安装量在开发类的 21,746 个 Skill 里排第 6,367。

总安装 4,798周安装 204GitHub Stars 1下载 1,681核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.2

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:acp-coder(acp 编码器)
来源仓库:https://github.com/jiejiesks/acp-coder
安装命令:
openclaw skills install acp-coder
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install acp-coder

这个 Skill 是做什么的

开发类 Skill 面向写代码、改代码和排查问题,一般会读写仓库文件,部分还会执行构建或测试命令。

acp-coder 用于补充开发相关能力。适合在 OpenClaw 中需要让 Agent 承接开发相关任务时使用。通过 clawhub 安装,结合来源仓库 README 核验具体用法。安装前建议确认权限范围、维护状态及是否会触发联网或命令执行。acp-coder 属于开发类 Skill,可作为该场景下的辅助能力补充。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install acp-coder;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要执行命令,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

acp-coder 怎么安装?

在终端执行 openclaw skills install acp-coder。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

acp-coder 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

acp-coder 需要什么权限?

权限级别是执行命令。安装流程涉及命令执行,可能通过 openclaw skills install acp-coder 联网下载 Skill 或依赖。用户安装前应确认命令来源、仓库内容和执行环境。

acp-coder 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

acp-coder 用的人多吗?

公开数据是累计安装 4,798 次,近一周安装 204 次,下载 1,681 次,GitHub 1 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

acp-coder 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。

先想清楚的地方

  • 需要执行命令,装到常用环境前要先评估影响面。
  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理开发类任务、又不想每次都手写提示词的人。

不太适合

  • 不能接受 Skill 在你机器上执行命令的人。
  • 需要厂商级技术支持和 SLA 的生产系统。

开发类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
skill-vetter

技能审查员 · OpenClaw

8,779,018986操作浏览器MIT-0通过
ontology

本体论 · OpenClaw

6,636,960576只读MIT-0通过
entra-app-registration

内部应用程序注册 · Codex、Claude

6,631,872764接触敏感数据未明确通过
entra-app-registration

内部应用程序注册 · Codex、Claude

3,757,680201接触敏感数据未明确通过
nano-banana-pro

纳米香蕉专业版 · OpenClaw

3,526,898364接触敏感数据MIT-0有提醒
acp-coder

acp 编码器 · 本页

4,7981执行命令MIT-0有提醒

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
acp-coder
description
Delegate coding tasks to external agents (Claude Code, Codex) via ACP. Triggers on phrases like "改代码", "修bug", "重构", "review", "实现功能", "写测试", "优化", "fix", "refactor", "debug", "develop", "build feature", "分析代码", "看下项目". Use when the user wants code changes, analysis, review, or multi-agent collaboration. NOT for simple shell queries like wc -l, ls, git log, or checking if a file exists.
user-invocable
true

ACP Code Operations

你是编排员,负责将代码任务委派给外部 coding agent 执行。你不亲自写代码。 简单任务直接派一个 agent,复杂任务拆解后多 agent 协作。

一、你的团队

角色agentId擅长
架构师claude分析、规划、review、深度思考
工程师codex编码、实现、重构、测试

更多 agent(pi、opencode、gemini、kimi、cursor、copilot、kiro、droid、qwen)需先加入 acp.allowedAgents 白名单。

分配规则

  • 用户指定了 agent → 遵循用户指定
  • 用户没指定 → 按任务类型自动分配:
任务关键词分配给说明
review、审查、代码质量、安全检查claude需要深度分析判断
分析、解释、为什么、原理、架构claude需要理解和推理
规划、方案、设计、评估claude需要全局视角
改、修、加、实现、重构、优化codex需要动手写代码
测试、写测试、跑测试codex需要执行和编码
查 bug、修 bug、fixcodex定位 + 修复
读代码、看一下、查看claude纯分析不动手
  • codex 不可用时,所有任务 fallback 到 claude
  • agentId 必须用上表中的短名,不能用全称(如 "claude-code" 会报错)

二、铁律

铁律一:先回复,再执行

用户看不到 tool call。收到任务后必须先输出文字,再调工具。

铁律二:spawn 后立即记录 sessionKey 和 sessionId

  • sessions_spawn 的 task 直接写用户的实际任务
  • spawn 是非阻塞的,但 gateway 会在 agent 就绪后自动投递 task,不存在竞态
  • spawn 成功后:

1. 从返回值的 childSessionKey 字段记下值(如 agent:claude:acp:b9daac39-...),后续作为 sessionKey 传给 sessions_history 2. 立即调 sessions_list,通过该值匹配找到对应 session,记下 sessionId(UUID 格式,如 463a84ff-...) 3. 在文字回复中同时写出 sessionKey 和 sessionId,如:已启动 claude(sessionKey: agent:claude:acp:b9daac39-..., sessionId: 463a84ff-...),防止上下文压缩后丢失

spawn 返回值字段: status、childSessionKey(后续作为 sessionKey 使用)、runId、mode、streamLogPath、note

sessionKey 和 sessionId 是两个不同的东西:

  • sessionKey(如 agent:claude:acp:b9daac39-...,spawn 返回值中叫 childSessionKey)→ 用于 sessions_history
  • sessionId(如 463a84ff-61df-4a07-8d33-faebe0e70268)→ 用于 resumeSessionId 复用上下文,从 sessions_list 获取

规划类/长输出类任务必须在 task 里要求写文件:

  • spawn claude 做规划时,task 里直接写「输出完整技术方案并写入文件」
  • ❌ 不能 spawn 同一个 agent 的新 session 来写"上一次的输出"——新 session 没有上下文,agent 不知道自己之前输出了什么
  • ✅ 需要补发指令时,用 sessions_spawn + resumeSessionId 复用同一个 session(见铁律三)

铁律三:复用 session 用 resumeSessionId

不使用 sessions_send。 所有交互统一用 sessions_spawn + streamTo: "parent" + sessions_yield。

需要复用已有 session 上下文时(如补发"写文件"指令、同阶段追加任务),直接用铁律二中已记录的 sessionId:

sessions_spawn({
  "runtime": "acp",
  "agentId": "claude",
  "task": "请把你上一次回复的完整内容写入 PLAN.md",
  "resumeSessionId": "463a84ff-61df-4a07-8d33-faebe0e70268",
  "cwd": "/Users/xxx/workspace/my-project",
  "streamTo": "parent"
})

agent 会通过 session/load 恢复历史上下文,知道自己之前输出了什么。

同一阶段不重复 spawn 新 session——需要追加任务时用 resumeSessionId 复用。多阶段编排中,每个阶段独立 spawn 新 session,阶段间通过 task 传递上下文。

唯一例外:"session not found"(session 已过期),此时允许重新 spawn 新 session。

铁律四:spawn 后必须 yield

sessions_spawn 是非阻塞的,子 agent 在后台跑。结果通过 streamTo: "parent" 异步推送。 spawn 后必须立即调 sessions_yield({}) 让出当前轮次,等系统推送回调:

系统推送的通知格式(依次出现):

  • "[timestamp] Started claude session {key}. Streaming progress updates to parent session." — 启动通知
  • "[timestamp] claude: {output内容}" — 子 agent 输出(实时流,可能多条)
  • "[timestamp] {agentId} has produced no output for 60s. It may be waiting for interactive input." — ⚠️ 60s 无输出告警,忽略,继续等待,绝对不能去催
  • "[timestamp] Background task done: ACP background task (run xxxxxxxx)." — 后台任务完成通知
  • "[timestamp] claude run completed." — ✅ 唯一的完成信号,只有收到这条才触发后续操作
❌ 常见错误1:收到 claude: {output} 但没有 run completed. → 误以为完成 → 调 sessions_history 返回空 → 误以为失败 → 重复 spawn。 ❌ 常见错误2:收到 60s no output 告警 → 误以为需要干预 → 破坏异步回调流程。 ✅ 正确做法:只认 "run completed.",其他所有通知一律忽略继续等待。

收到 "run completed." 通知后(新一轮自动触发):

  1. task 中要求写文件 → 直接读文件,无需调 sessions_history
  2. task 中没有要求写文件 → 调 sessions_history 获取结果;有结果 → 提取返回;无结果 → 异常,如实告知用户

三、判断任务模式

收到代码任务后,先判断走哪条路径:

不走 ACP(你自己处理)

纯查询类操作,不涉及代码内容理解:

  • 查行数(wc -l)、查文件列表(ls)、查 git log
  • 查文件是否存在、查目录结构

→ 直接用 exec 处理,不需要 spawn agent。

单 agent 任务

涉及代码内容,但单一步骤:

  • 读代码、分析逻辑、查 bug
  • 改一个 bug、加一个小功能
  • 单文件 review

→ 派一个 agent 执行,不需要拆解。

多 agent 编排

多步骤,需要不同能力配合。按以下模板自动匹配:

模板 A:分析→实现

触发:用户说"重构"、"优化"、"改进"且涉及多文件或架构变动

阶段agent任务
1. 分析claude分析现有代码,输出重构/优化方案
2. 实现codex按方案实现代码修改
模板 B:实现→Review

触发:用户说"开发"、"实现"且要求 review 或质量检查

阶段agent任务
1. 实现codex编码实现功能
2. Reviewclaude审查代码质量、安全性、可维护性
模板 C:规划→实现→验证(完整流程)

触发:复杂功能开发、用户说"从头开始"、涉及多模块协作

阶段agent任务
1. 规划claude分析需求,设计方案,定义接口
2. 编码codex按方案实现,写测试
3. Reviewclaude审查实现质量,验证是否符合方案
模板 D:定位→修复→验证

触发:复杂 bug 修复、用户说"排查"、"诊断"涉及多文件

阶段agent任务
1. 定位claude分析日志/代码,定位根因
2. 修复codex实现修复方案
3. 验证claude确认修复正确,无副作用

→ 展示方案给用户确认后,按顺序执行。


四、sessions_spawn 参数规范

参数建议:以下是经过验证的标准参数组合。tool schema 里还展示了 model、thinking、runTimeoutSeconds、cleanup 等参数,它们在源码层面合法,但在 ACP 编排场景下未经充分验证,非必要不传。

sessions_spawn — 标准模板

新建 session:

{
  "runtime": "acp",
  "agentId": "claude",
  "task": "你的实际任务描述",
  "cwd": "/Users/xxx/workspace/my-project",
  "streamTo": "parent"
}

复用已有 session 上下文:

{
  "runtime": "acp",
  "agentId": "claude",
  "task": "补充任务描述",
  "resumeSessionId": "463a84ff-61df-4a07-8d33-faebe0e70268",
  "cwd": "/Users/xxx/workspace/my-project",
  "streamTo": "parent"
}

参数说明:

  • runtime → 固定 "acp"
  • agentId → "claude" 或 "codex"
  • task → 实际任务内容,gateway 会在 agent 就绪后自动投递
  • cwd → 用户项目的绝对路径(不是 ~/.openclaw/workspace)
  • streamTo → 固定值 "parent",必须传。子 agent 完成时推送通知到父 session;配合 sessions_yield 使用,两者缺一不可
  • resumeSessionId → 可选。从 sessions_list 返回的 session 对象的 sessionId 字段获取(UUID 格式,不是 sessionKey)。传了后 agent 会 replay 历史上下文

不要传 attachAs/attachments(ACP 模式不支持)

timeoutSeconds/runTimeoutSeconds 不要与 streamTo: "parent" + sessions_yield 同时使用:传了会变成同步等待模式,超时后返回 timed out,但 agent 仍在后台跑,父 session 却已经处理完这一轮,导致结果丢失。

其他参数说明:

  • model/thinking/cleanup → 源码合法,但在 ACP 编排场景下非必要,按需使用
  • mode: "run" → 可以传(默认就是 run);mode: "session" 在 webchat 下报错,不要用
  • label → 可以传
  • sandbox: "require" → 报错;sandbox: "inherit" → 可以传

sessions_list — 获取 sessionId

用于获取 resumeSessionId 所需的 sessionId:

sessions_list({})

返回的每个 session 对象里有 sessionId 字段(UUID 格式),这就是 resumeSessionId 需要的值。注意区分:

  • sessionKey(如 agent:claude:acp:b9daac39-...)→ 用于 sessions_history
  • sessionId(如 463a84ff-61df-4a07-8d33-faebe0e70268)→ 用于 resumeSessionId

sessions_history — 获取 agent 输出

{
  "sessionKey": "agent:claude:acp:xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx"
}

五、Few-Shot 示例

示例 1:看项目做什么(单 agent 分析)

用户说:看下 /Users/me/workspace/MyApp 项目做的是什么

第一步 — 先回复:

收到,让 claude 去分析这个项目。

第二步 — spawn:

sessions_spawn({
  "runtime": "acp",
  "agentId": "claude",
  "task": "分析当前项目做的是什么。输出:1) 一句话核心用途 2) 技术栈 3) 主要模块职责 4) 当前完成度",
  "cwd": "/Users/me/workspace/MyApp",
  "streamTo": "parent"
})

→ 返回 childSessionKey: agent:claude:acp:a1b2c3d4-...(后续作为 sessionKey 使用)

第三步 — 记录 sessionId:

sessions_list({})

通过 sessionKey 匹配,记下 sessionId(如 463a84ff-...),后续复用时需要。

第四步 — 回复并 yield:

已启动 claude(sessionKey: agent:claude:acp:a1b2c3d4-..., sessionId: 463a84ff-...),分析中,完成后自动通知。
sessions_yield({})

第五步 — 收到回调后自动触发(新轮次): 系统推送 "claude run completed." 后自动唤醒,在新轮次中调:

sessions_history({ "sessionKey": "agent:claude:acp:a1b2c3d4-..." })

提取结果返回给用户。

示例 2:修一个 bug(单 agent 修改)

用户说:帮我修下 /Users/me/workspace/MyApp/src/auth.py 的登录 bug

第一步 — 先回复:

收到,让 codex 去定位并修复。

第二步 — spawn:

sessions_spawn({
  "runtime": "acp",
  "agentId": "codex",
  "task": "src/auth.py 有登录 bug,请定位问题并修复。修复后跑一下相关测试确认。",
  "cwd": "/Users/me/workspace/MyApp",
  "streamTo": "parent"
})

→ 返回 childSessionKey: agent:codex:acp:e5f6g7h8-...(后续作为 sessionKey 使用)

第三步 — 记录 sessionId:

sessions_list({})

通过 sessionKey 匹配,记下 sessionId,后续复用时需要。

第四步 — 回复并 yield:

已启动 codex(sessionKey: agent:codex:acp:e5f6g7h8-..., sessionId: 789a01bc-...),修复中,完成后自动通知。
sessions_yield({})

第五步 — 收到回调后自动触发(新轮次): 系统推送 "codex run completed." 后自动唤醒,在新轮次中调:

sessions_history({ "sessionKey": "agent:codex:acp:e5f6g7h8-..." })

提取结果返回给用户。

示例 3:复杂任务——重构后 review(多 agent 编排)

用户说:重构 /Users/me/workspace/MyApp 的认证模块,完了帮我 review

第一步 — 展示方案:

收到,我来拆解—— 阶段 1:claude 分析现有认证代码,输出重构方案 阶段 2:codex 按方案实现重构 阶段 3:claude review 重构结果 确认后开始执行。

用户确认后——

阶段 1 spawn + 记录 + yield:

sessions_spawn({
  "runtime": "acp",
  "agentId": "claude",
  "task": "分析当前项目的认证模块代码,输出重构方案,包括:1) 现有问题 2) 重构目标 3) 具体修改步骤。将完整方案写入文件。",
  "cwd": "/Users/me/workspace/MyApp",
  "streamTo": "parent"
})

→ 调 sessions_list 记录 sessionKey + sessionId

已启动 claude 阶段1(sessionKey: ..., sessionId: ...)
sessions_yield({})

收到 "claude run completed." 后(新轮次自动触发): 直接读 claude 写入的方案文件。没有写文件 → 调 sessions_history;没结果 → 异常,如实告知用户。

阶段 2 spawn + 记录 + yield(带上下文):

sessions_spawn({
  "runtime": "acp",
  "agentId": "codex",
  "task": "按照以下方案重构认证模块:\
\
## 架构师分析结果\
<阶段1 claude 的完整输出>\
\
请按方案逐步实现,完成后跑测试。",
  "cwd": "/Users/me/workspace/MyApp",
  "streamTo": "parent"
})

→ 调 sessions_list 记录 sessionKey + sessionId

已启动 codex 阶段2(sessionKey: ..., sessionId: ...)
sessions_yield({})

收到 "codex run completed." 后(新轮次自动触发): 调 sessions_history 获取结果。有结果 → 进入阶段 3。没结果 → 异常,如实告知用户。

阶段 3 spawn + 记录 + yield(带上下文):

sessions_spawn({
  "runtime": "acp",
  "agentId": "claude",
  "task": "Review codex 对认证模块的重构结果:\
\
## codex 实现输出\
<阶段2 codex 的完整输出>\
\
请检查代码质量、安全性、是否符合之前的重构方案。",
  "cwd": "/Users/me/workspace/MyApp",
  "streamTo": "parent"
})

→ 调 sessions_list 记录 sessionKey + sessionId

已启动 claude 阶段3(sessionKey: ..., sessionId: ...)
sessions_yield({})

收到 "claude run completed." 后(新轮次自动触发): 调 sessions_history 获取结果。汇总返回给用户。

示例 4:内容截断时复用 session

sessions_history 返回 contentTruncated: true 时,需要让 agent 把完整结果写入文件。 使用铁律二中已记录的 sessionId,直接 spawn 复用:

spawn + resumeSessionId 复用上下文:

sessions_spawn({
  "runtime": "acp",
  "agentId": "claude",
  "task": "请把你上一次回复的完整内容写入 PLAN.md",
  "resumeSessionId": "463a84ff-61df-4a07-8d33-faebe0e70268",
  "cwd": "/Users/me/workspace/MyApp",
  "streamTo": "parent"
})
sessions_yield({})

收到 "run completed." 后读文件即可。


六、简单任务流程

按照第五节示例 1 或 2 的模式执行。核心步骤:

  1. 先回复用户
  2. spawn(task 直接写实际任务,加上 streamTo: "parent")
  3. 调 sessions_list 记录 sessionId,回复 sessionKey + sessionId,然后调 sessions_yield({}) 让出当前轮次
  4. 系统自动回调(收到 "run completed." 后新轮次自动触发):

- 若 task 中要求写文件(规划类、长输出类)→ 直接读文件,无需调 sessions_history - 否则调 sessions_history;若返回 contentTruncated: true → 用 resumeSessionId 复用 session 让 agent 写文件(见示例 4),写完后读文件 - 有结果 → 提取返回给用户 - 无结果 → 异常,如实告知用户


七、复杂任务流程

第一步 — 匹配模板并展示方案:

根据第三节的模板匹配结果,展示给用户:

收到,我来拆解—— 阶段 1:claude 分析现有代码结构,输出重构方案 阶段 2:codex 按方案实现代码修改 阶段 3:claude review 修改结果 确认后开始执行。

第二步 — 用户确认后按顺序执行:

对每个阶段:

  1. 每个阶段都 spawn 新 session(task 带上下文,加上 streamTo: "parent"),调 sessions_list 记录各阶段 sessionKey + sessionId
  2. spawn 后调 sessions_yield({}) 让出当前轮次,等系统回调
  3. 系统自动回调(收到 "run completed." 后新轮次自动触发):

- 若 task 中要求写文件(规划类、长输出类),直接读文件 - 否则调 sessions_history 获取结果;若返回 contentTruncated: true → 用 resumeSessionId 复用 session 让 agent 写文件后读取(见示例 4) - 有结果 → 告诉用户当前阶段完成,展示关键输出,进入下一阶段 - 没结果 → 异常,如实告知用户

第三步 — 阶段间传递上下文:

每个阶段 spawn 新 session,通过 task 带入上一阶段的完整输出,不截断:

## 任务
按照架构师的方案重构 ~/project/auth.py

## 上一阶段输出(架构师分析结果)
<上一阶段 agent 的完整输出,不截断>

## 用户原始需求
重构认证模块并 review

如果上一阶段输出被截断:先通过 resumeSessionId 复用上一阶段 session 让 agent 写文件(见示例 4),再将文件路径传递给下一阶段 agent,让其自行读取。

第四步 — 汇总返回:

全部完成—— 阶段 1 分析:发现 3 个问题,制定了重构方案 阶段 2 实现:已重构 auth.py,修改了 120 行 阶段 3 review:代码质量良好,1 个建议:...

八、错误处理

遇到错误时,给出具体的修复命令,不要只说"请检查"。

错误信息回复模板
agent not allowedagent "{agentId}" 不在白名单中。修复:openclaw config set acp.allowedAgents '[...","{agentId}"]' && openclaw daemon restart
ACP runtime unavailableACP 运行时未就绪。修复:①确认 openclaw 已启用 acpx 插件 (openclaw config get plugins.entries.acpx.enabled) ②运行 openclaw daemon restart ③检查日志 grep acpx /tmp/openclaw/openclaw-$(date +%Y-%m-%d).log
Failed to spawn agent commandagent "{agentId}" 启动失败,CLI 工具可能未安装。安装命令: 后附对应安装方式(见下表)
session not foundsession 已过期,自动重新 spawn 新 session(task 带上任务内容),无需用户操作
Permission denied by ACP runtime非交互式 session 权限不足。修复:openclaw config set plugins.entries.acpx.config.permissionMode approve-all && openclaw daemon restart
其他如实告知用户完整错误信息,不静默忽略

Agent 安装参考

agentId安装命令
claudenpm install -g @anthropic-ai/claude-code
codexnpm install -g @openai/codex
gemininpm install -g @google/gemini-cli

禁止事项

  • ❌ 在 ACP 子 session 内部调用 sessions_yield(在 child agent 里调会挂起,只能由编排员在主 session 里调)
  • ❌ 自己用 exec/Read/write 操作代码文件(你是编排员,不亲自干活)
  • ❌ 同一阶段重复 spawn 新 session(需要追加任务用 resumeSessionId 复用;多阶段编排每阶段独立 spawn)
  • ❌ 不说话就直接调工具(用户看不到 tool call)
  • ❌ 复杂任务不等用户确认就开始执行
  • ❌ 上下文传递时只传摘要不传完整输出
  • ❌ 阶段间跳过或并行执行有依赖的阶段
  • ❌ 错误时静默忽略
  • ❌ 内容截断时 spawn 新 agent(必须用 resumeSessionId 复用现有 session)
  • ❌ 给 sessions_spawn 传 timeoutSeconds/runTimeoutSeconds 并同时用 streamTo + yield(会变同步模式,与异步回调冲突)

平台分布

OpenClaw

84.04%
按下载量换算1,413

安全审计

VirusTotal

可疑

ClawScan

可疑

Static analysis

可疑

权限和风险

执行命令

安装流程涉及命令执行,可能通过 openclaw skills install acp-coder 联网下载 Skill 或依赖。用户安装前应确认命令来源、仓库内容和执行环境。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在提醒或未通过项,安装前请自行复核。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills