Token导航 LogoToken导航

Agent Skill · 效率

auto-skill-20260404-063632(自动技能 20260404 063632)

auto-skill-20260404-063632 用于补充效率相关能力,适合在 OpenClaw 中需要让 Agent 承接效率相关任务时使用。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。

auto-skill-20260404-063632 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为接触敏感数据;许可证为 MIT-0,第三方扫描有提醒项,按安装量在效率类的 21,003 个 Skill 里排第 18,405。

总安装 2,350周安装 96GitHub Stars 公开资料未说明下载 753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
1.0.0

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:auto-skill-20260404-063632(自动技能 20260404 063632)
来源仓库:https://github.com/timo2026/auto-skill-20260404-063632
安装命令:
openclaw skills install auto-skill-20260404-063632
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 auto-skill-20260404-063632

这个 Skill 是做什么的

效率类 Skill 把重复的整理、汇总、转换工作交给助手完成,减少手工复制粘贴。

采用四模型线性对抗求解 API 相关问题。通过竞争机制找出最优解决方案组合。auto-skill-20260404-063632 属于效率类 Skill,可作为该场景下的辅助能力补充。专为 OpenClaw 代理设计的智能决策增强模块。安装后自动参与复杂问题的推理过程。建议监控对抗过程中的中间结果以理解决策逻辑。

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 auto-skill-20260404-063632;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

    它需要接触敏感数据,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

auto-skill-20260404-063632 怎么安装?

在终端执行 openclaw skills install auto-skill-20260404-063632。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

auto-skill-20260404-063632 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。

auto-skill-20260404-063632 需要什么权限?

权限级别是接触敏感数据。该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

auto-skill-20260404-063632 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。

auto-skill-20260404-063632 用的人多吗?

公开数据是累计安装 2,350 次,近一周安装 96 次,下载 753 次。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。

auto-skill-20260404-063632 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

  • 需要接触敏感数据,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。
  • 需要处理效率类任务、又不想每次都手写提示词的人。

不太适合

  • 环境里有大量密钥、凭证,不方便给第三方 Skill 读取的人。
  • 需要厂商级技术支持和 SLA 的生产系统。

效率类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
github

GitHub 代码协作 · OpenClaw

7,632,918545需要联网MIT-0通过
nano-pdf

Nano PDF 文档 · OpenClaw

4,249,476231需要联网MIT-0通过
auto-updater

自动更新程序 · OpenClaw

2,964,063386操作浏览器MIT-0通过
video-frames

视频帧 · OpenClaw

2,621,304112需要联网MIT-0通过
gemini

Gemini 助手 · OpenClaw

2,547,39648需要联网MIT-0有提醒
auto-skill-20260404-063632

自动技能 20260404 063632 · 本页

2,350—接触敏感数据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
api-debate-solver
version
1.0.0
description
API问题对抗讨论求解器 - 4模型线性对抗找出最优解
author
海狸
license
MIT
tags
[api, debugging, debate, optimization]

API问题对抗讨论求解器

概述

当遇到复杂的API问题时,使用4模型线性对抗找出最优解:

  1. 架构师:问题诊断+方案设计
  2. 审核者:质疑风险+建议验证
  3. 仲裁者:综合判断+最终决策
  4. 收敛者:找共同点+整理输出

使用场景

  • API调用失败需要诊断
  • 多个解决方案需要选择最优
  • 需要多个角度分析问题

本次应用案例

问题描述

API Key验证失败,请求超时

诊断过程

Step 1: 网络诊断

  • ping测试:208ms延迟,3包全收 ✅
  • HTTPS请求:超时(30秒无响应)❌

Step 2: 配置检查

  • base_url: coding.dashscope.aliyuncs.com/v1 ✅
  • API Key格式: sk-sp-xxxxx ✅

Step 3: 降级方案

  • 当前会话fallback模式 ✅

最优解

网络诊断 → 有限重试 → 模拟降级

代码实现

线性对抗引擎

# 4模型线性排列
models = [
    {"角色": "架构师", "延迟": 5},
    {"角色": "审核者", "延迟": 5},
    {"角色": "仲裁者", "延迟": 8},
    {"角色": "收敛者", "延迟": 0},
]

# 依次发言,记录回复,最终收敛
for model in models:
    response = call_model(model)
    save_cache(response)
    time.sleep(model["延迟"])

教训总结

  1. base_url必须匹配API类型(Coding Plan用专用URL)
  2. 网络层正常不代表应用层正常
  3. 需要降级机制保证可用性

相关文件

  • modules/linear_adversarial_4model.py - 线性对抗引擎
  • tests/test_basic.py - 单元测试
  • memory/api_debate_analysis_20260404.txt - 对抗分析报告

*生成时间: 2026-04-04* *作者: 海狸 🦫*

平台分布

OpenClaw

87.18%
按下载量换算656

安全审计

VirusTotal

未展示

ClawScan

可疑

Static analysis

通过

权限和风险

接触敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

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