Token导航 LogoToken导航

Agent Skill · 效率

glm-swarm(GLM 群)

glm-swarm 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。

glm-swarm 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为只读;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 16,556。

总安装 2,832周安装 118GitHub Stars 公开资料未说明下载 944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
1.1.1

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:glm-swarm(GLM 群)
来源仓库:https://github.com/mupengi-bot/glm-swarm
安装命令:
openclaw skills install glm-swarm
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 glm-swarm

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。

轻量级模型并行处理框架,用于复杂任务的分布式推理加速。仅在明确请求并行处理或检测到多工具链、多子任务时使用。自动拆分任务并调度多个模型实例协同工作。glm-swarm 属于效率类 Skill,可作为该场景下的辅助能力补充。避免用于简单问答、翻译或单工具调用场景以防资源浪费。

需配合 AGENTS.md 中的 harnass 规则判断是否启用。

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 glm-swarm;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

    它标注为只读,先用只读任务试一次,确认行为符合预期再扩大使用范围。

常见问题

6 条

glm-swarm 怎么安装?

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

glm-swarm 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。

glm-swarm 需要什么权限?

权限级别是只读。该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

glm-swarm 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。

glm-swarm 用的人多吗?

公开数据是累计安装 2,832 次,近一周安装 118 次,下载 944 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。

glm-swarm 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。
  • 标注为只读权限,试用阶段不容易误改本地文件。

先想清楚的地方

  • 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。
  • 只想先试试效果、不希望它改动本地文件的人。

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
glm-swarm

GLM 群 · 本页

2,832—只读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
glm-swarm
description
경량 모델 병렬 하네스. 명시적으로 swarm/병렬 처리를 요청하거나, AGENTS.md 하네스 규칙에 의해 복합 작업(도구 3회+, 독립 하위작업 2개+)이 감지되었을 때만 사용. 단순 질답, 번역, 요약, 단일 도구 호출에는 절대 사용하지 않는다.

GLM Swarm

경량 모델 복합 작업 병렬 하네스. 상세 패턴은 references/patterns.md, Context Packet 규칙은 references/context-packet.md 참조.

복잡도 게이트 (필수)

swarm 진입 전 반드시 판단:

  • 독립 하위 작업 2개 미만 → 직접 처리 (swarm 안 씀)
  • 도구 호출 3회 미만 → 직접 처리
  • 위 둘 다 해당 → swarm 모드

실행 흐름

0. bash scripts/planner.sh {task-id} → /tmp/swarm/{task-id}/ 초기화
1. Planner (1회) — 패턴 매칭(A~E) → atomic task 분해
2. Context Packet — worker별 최소 맥락 압축 (출력 300토큰 이내 명시)
3. Worker Pool — sessions_spawn 병렬 (최대 6개, lightContext: true)
4. Shared Scratchpad — /tmp/swarm/{id}/shared.md
5. Aggregator — 구조화 합산 (섹션별 분류 + 핵심 인사이트 3개 + 액션 아이템)
6. bash scripts/cleanup.sh {task-id} → /tmp/swarm/{id}/ 삭제

패턴 요약

패턴트리거구조
A조사→판단→실행t1∥t2 → t3 → t4
B다중 수집→합성t1∥t2∥t3∥t4 → t5
C반복 N건 병렬t1∥...∥tN → concat
D분석→제안t1∥t2 → t3 → t4
E검증→수정→배포순차 (파일 충돌 방지)

매칭 안 되면 동적 분해. 상세: references/patterns.md

Worker 스폰

sessions_spawn({
  task: "{context_packet}\
출력은 300토큰 이내로 작성해.",
  mode: "run", runtime: "subagent",
  lightContext: true,
  label: "swarm-{task-id}-{worker-id}"
})

Planner 초기화: bash scripts/planner.sh {task-id} 정리: bash scripts/cleanup.sh {task-id}|--all|--list

안전

  • Worker: MEMORY/SOUL/AGENTS.md 편집 금지, ~/.secrets/ 접근 금지
  • 외부 행동 → Aggregator 후 승인 요청
  • 2회 실패 → 해당 task 스킵. 50%+ 실패 → swarm 중단

Aggregator 규칙

결과 합산 시 반드시 포함:

  1. 섹션별 분류 — 결과를 주제별로 정리
  2. 핵심 인사이트 3개 — 가장 중요한 발견
  3. 액션 아이템 — 즉시 실행 가능한 다음 스텝
  4. 출처 표기 — 각 판단에 어떤 worker 결과 기반인지 명시

컨텍스트 최적화 (v1.1)

문제: worker 결과 전문이 메인 세션에 주입되면 컨텍스트 누적 해결: Aggregator는 메인에 요약만 반환

Aggregator 출력:
1. 메인 세션: 요약 3~5줄 (핵심 발견 + 액션 아이템만)
2. 상세 결과: memory/swarm-results/{task-id}.md 에 저장
3. 메인은 상세가 필요하면 해당 파일을 읽어옴

Aggregator 스킵 조건에 추가:

  • worker 결과 총합이 500토큰 이하면 → 전문 반환 (요약 불필요)
  • 500토큰 초과면 → 요약 반환 + 파일 저장

平台分布

OpenClaw

88.24%
按下载量换算833

安全审计

VirusTotal

通过

ClawScan

可疑

Static analysis

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

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