Token导航 LogoToken导航

Agent Skill · 效率

fluid-network-agent-lenovo(联想流体网络 Agent)

fluid-network-agent-lenovo 用于辅助前端页面、组件、样式和交互逻辑开发,适合在 OpenClaw 中需要维护前端项目、生成组件或检查界面实现时使用。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。

fluid-network-agent-lenovo 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为需要联网;许可证为 MIT-0,第三方扫描已通过,按安装量在效率类的 21,003 个 Skill 里排第 11,704。

总安装 4,460周安装 184GitHub Stars 公开资料未说明下载 1,457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:fluid-network-agent-lenovo(联想流体网络 Agent)
来源仓库:https://github.com/zebra6-web/fluid-network-agent-lenovo
安装命令:
openclaw skills install fluid-network-agent-lenovo
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 fluid-network-agent-lenovo

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。

从 TOML 读取稳态不可压缩流体网络,计算各节点压力与各管路流量/压差(可选速度),并按工况输出连通性与负载可靠性(PASS/FAIL)。当用户给出网络 TOML 或询问某工况下系统是否能正常工作时使用。

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 fluid-network-agent-lenovo;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

    它需要需要联网,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

fluid-network-agent-lenovo 怎么安装?

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

fluid-network-agent-lenovo 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。

fluid-network-agent-lenovo 需要什么权限?

权限级别是需要联网。该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

fluid-network-agent-lenovo 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。

fluid-network-agent-lenovo 用的人多吗?

公开数据是累计安装 4,460 次,近一周安装 184 次,下载 1,457 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。

fluid-network-agent-lenovo 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

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。
  • 第三方扫描已通过,常见的高风险行为没有命中。

先想清楚的地方

  • 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。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 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
fluid-network-agent-lenovo

联想流体网络 Agent · 本页

4,460—需要联网MIT-0通过

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

description
从 TOML 读取稳态不可压缩流体网络,计算各节点压力与各管路流量/压差(可选速度),并按工况输出连通性与负载可靠性(PASS/FAIL)。当用户给出网络 TOML 或询问某工况下系统是否能正常工作时使用。

流体网络求解与可靠性报告

该 Skill 会从 TOML 里读取:

  • 节点:junction(未知压力)和 reservoir(固定压力)
  • 管路:阻力模型(linear 或 quadratic),可选的 gating 用于表示阀门/故障开关
  • 工况:有限变量赋值(例如 valve_v1 = "open"/"closed")
  • 功能判据:由一个或多个负载节点组成的 PASS/FAIL 规则

然后对每个工况计算:

  • 节点压力与各管路流量/压差(需要几何信息时可给出速度)
  • 仅基于启用边的连通性,并按阈值判断负载/功能是否可靠(PASS/FAIL)

用户要做下面任意一件事时用这个 Skill:

  • 计算“各节点压力 / 各管路流量/流速 / 系统流路”
  • 提供流体网络 TOML,或要求把需求整理成 TOML
  • 需要对多个阀门/故障工况做对比,并判断“哪个工况能让哪个负载/功能工作”
  • TOML 文件路径;至少包含 nodes、edges,scenarios / functions / analysis 可选但推荐。

如果用户没有提供 TOML,让 Agent 按 reference.md 的格式补全成可运行版本(参考 examples/example_network.toml)。

执行顺序

  1. 先确认用户想看什么:要不要按“工况”对比、以及每个负载/功能的阈值条件。
  2. 检查 TOML 字段是否齐全(缺什么就让用户补齐,或让 Agent 补齐最小可运行字段)。
  3. 跑计算:python scripts/run_fluid_network.py --input <toml_path> --format markdown(需要指定工况就加 --scenario <scenario_id>)。
  4. 失败就按报错定位字段/引用问题,并最多重试两轮。
  5. 输出 Markdown 报告,按工况给出连通性、各边结果和功能 PASS/FAIL。

输出格式

# Fluid Network Scenario Report

## Scenario: <id>
### Connectivity
- Reachable nodes from sources: ...
### Edge results
- <edge_id>: enabled=..., Q=... m3/s, v=... m/s|n/a, dP=... Pa, R_eff=...
### Function reliability
- <function_id>: PASS|FAIL
  - Load <load_node_id>: PASS|FAIL, connected=..., p=... Pa, flow=... m3/s

约定与假设(输出时保持一致)

  • Steady-state, incompressible, network-level mass balance at junction nodes.
  • Flow direction uses edge orientation: positive Q is from -> to.
  • Linear model: dP = R * Q. Quadratic model: dP = R * Q^2.
  • If an edge is scenario-disabled by gating, the solver multiplies its resistance by a large factor

to approximate a blocked pipe (and connectivity uses enabled=boolean).

平台分布

OpenClaw

83.75%
按下载量换算1,220

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

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。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