Token导航 LogoToken导航

Agent Skill · 开发

model-config-check(型号配置检查)

model-config-check 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。

model-config-check 是开发类 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,按安装量在开发类的 21,746 个 Skill 里排第 9,185。

总安装 2,827周安装 119GitHub Stars 公开资料未说明下载 990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:model-config-check(型号配置检查)
来源仓库:https://github.com/jasonzhang2015/model-config-check
安装命令:
openclaw skills install model-config-check
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 model-config-check

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。

校验模型配置有效性并诊断连接问题。model-config-check 属于开发类 Skill,可作为该场景下的辅助能力补充。适用于模型无法正常返回内容时的排查场景。每次修改 providers 配置后必须执行检测。仅凭名称与 API key 即可完成基本连通性测试。建议将检测纳入 CI/CD 流程防止配置漂移。

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 model-config-check;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

model-config-check 怎么安装?

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

model-config-check 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。

model-config-check 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。

model-config-check 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。

model-config-check 用的人多吗?

公开数据是累计安装 2,827 次,近一周安装 119 次,下载 990 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。

model-config-check 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。
  • 需要处理开发类任务、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。

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
model-config-check

型号配置检查 · 本页

2,827—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
model-config-check
description
校验模型配置是否正确、模型是否可以正常连接和返回内容。当用户说"检查模型"、"测试模型"、"模型能不能用"、"模型配置"、"诊断模型问题"时使用。每次修改模型配置(config.patch/config.apply涉及models.providers)后必须自动执行校验。 用户只给模型名+API key时,自动识别provider、查找配置、写入并校验。

模型配置校验 Skill

⚡ 自动触发规则

当以下情况发生时,必须自动运行校验脚本,无需用户请求:

  1. 使用 gateway config.patch 修改了 models 相关配置(新增/修改 provider 或 model)
  2. 使用 gateway config.apply 替换了整个配置且包含 models 变更
  3. 使用 gateway update.run 更新后(模型接口可能有变化)

自动校验流程:

  1. 配置写入完成 + gateway 重启后,等待 5 秒让服务就绪
  2. 执行 bash ~/.openclaw/workspace/skills/model-config-check/scripts/check_models.sh
  3. 解析输出,向用户汇报校验结果
  4. 如果新模型不可用,立即告知用户具体原因和修复建议

手动触发: 用户说"检查模型"/"测试模型"/"模型能不能用"/"诊断模型"时也执行同样流程。

🤖 自动配置流程

当用户只提供「模型名 + API key」时,按以下流程自动完成配置:

Step 1: 识别 Provider

根据模型名前缀匹配已知 provider:

模型名前缀ProviderBase URLAPI 类型
gpt-*, o1-*, o3-*, o4-*, chatgpt-*OpenAIhttps://api.openai.comopenai-completions → /v1/chat/completions
claude-*Anthropichttps://api.anthropic.comanthropic-messages → /v1/messages
deepseek-*DeepSeekhttps://api.deepseek.comopenai-completions → /v1/chat/completions
glm-*, chatglm-*智谱 (Zhipu)https://open.bigmodel.cn/api/paas/v4openai-completions → /v1/chat/completions
qwen-*, qwq-*, qvq-*阿里通义 (DashScope)https://dashscope.aliyuncs.com/compatible-mode/v1openai-completions → /v1/chat/completions
moonshot-*, kimi-*月之暗面 (Moonshot)https://api.moonshot.cn/v1openai-completions → /v1/chat/completions
doubao-*, ep-*火山引擎 (豆包)https://ark.cn-beijing.volces.com/api/v3openai-completions → /v1/chat/completions
minimax-*, abab-*MiniMaxhttps://api.minimax.chat/v1openai-completions → /v1/chat/completions
yi-*零一万物 (01.AI)https://api.lingyiwanwu.com/v1openai-completions → /v1/chat/completions
ernie-*, baidu-*百度文心https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshopopenai-completions
grok-*xAI (Grok)https://api.x.ai/v1openai-completions → /v1/chat/completions
gemini-*Google Geminihttps://generativelanguage.googleapis.com/v1beta特殊接口,需单独处理
mistral-*, codestral-*Mistralhttps://api.mistral.ai/v1openai-completions → /v1/chat/completions
mimo-*小米 (MiMo)https://api.xiaomimimo.com/anthropicanthropic-messages → /v1/messages

未匹配时: 自动搜索 "[model_name] API documentation base_url" 确认配置。

Step 2: 生成配置

根据匹配结果生成 config.patch 格式的配置,包含:

  • provider 名称(用 provider 小写名作为 key)
  • baseUrl
  • apiKey(用户提供的)
  • api 类型
  • models 列表(至少包含用户提到的模型)
  • 每个 model 的 contextWindow 和 maxTokens(根据已知信息填写默认值)

Step 3: 应用配置

使用 gateway config.patch 写入配置并重启。

Step 4: 自动校验

重启完成后执行校验脚本,汇报结果。

模型上下文/输出默认值

常见模型的 contextWindow 和 maxTokens 参考值:

模型contextWindowmaxTokens
gpt-4o12800016384
gpt-4-turbo1280004096
o1/o1-mini128000100000
claude-3.5-sonnet2000008192
claude-3-opus2000004096
deepseek-chat640008192
deepseek-reasoner640008192
glm-41280004096
qwen-max320008192
qwen-long100000065536
kimi-latest1280004096
doubao-pro4096 (volcengine)4096
minimax-abab6.52457604096
mimo-v2-pro2621448192

未知模型: contextWindow 默认 128000,maxTokens 默认 4096。搜文档确认后更新。

按以下顺序逐项检查,每项给出 ✅/❌ 结果:

1. 读取配置

使用 read 工具读取 ~/.openclaw/openclaw.json,提取所有 models.providers 下的模型配置。

2. 配置完整性检查

对每个 provider 检查:

  • baseUrl 是否存在且格式正确(http/https 开头)
  • apiKey 是否存在且非空
  • api 类型是否正确(openai-completions / anthropic-messages / anthropic-completions)
  • 每个 model 的 id 是否存在
  • contextWindow 和 maxTokens 是否设置

3. 网络连通性检查

使用 exec 执行 curl 测试每个 provider 的 baseUrl 是否可达:

curl -s -o /dev/null -w "%{http_code}" --connect-timeout 5 "<baseUrl>"

4. API 实际调用测试

对每个 provider,使用 exec 执行实际 API 调用测试:

OpenAI 兼容接口 (openai-completions):

curl -s -X POST "<baseUrl>" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <apiKey>" \
  -d '{"model":"<modelId>","messages":[{"role":"user","content":"reply 1"}],"max_tokens":10}' \
  --connect-timeout 10 --max-time 30

Anthropic 兼容接口 (anthropic-messages):

curl -s -X POST "<baseUrl>/v1/messages" \
  -H "Content-Type: application/json" \
  -H "x-api-key: <apiKey>" \
  -H "anthropic-version: 2023-06-01" \
  -d '{"model":"<modelId>","max_tokens":10,"messages":[{"role":"user","content":"reply 1"}]}' \
  --connect-timeout 10 --max-time 30

注意:对于 anthropic-messages,baseUrl 通常不带 /v1/messages,需要拼接。有些 baseUrl 已经包含路径,则直接用。

5. 结果解析

检查返回结果:

  • HTTP 状态码是否为 200
  • 响应体是否包含有效内容(非空)
  • 对于 OpenAI 接口:检查 choices[0].message.content 是否非空
  • 对于 Anthropic 接口:检查 content[0].text 是否非空
  • 如果 content 为空但 reasoning_content 有值,说明模型把输出放到了思考字段,需标注配置问题

6. 生成报告

汇总输出格式:

## 模型配置校验报告

### Provider: <name>
- 配置完整性: ✅/❌
- 网络连通: ✅/❌ (HTTP <code>)
- API 认证: ✅/❌
- 模型返回: ✅/❌
- 模型: <modelId> → 状态: ✅/❌ [备注]

### 总结
- 可用模型: X/Y
- 不可用模型: [列表]
- 建议: [修复建议]

URL 路径处理规则

不同 provider 的 baseUrl 结构不同,脚本自动处理:

API 类型处理规则
anthropic-messages自动追加 /v1/messages(除非 URL 已包含)
openai-completions自动追加 /chat/completions(除非 URL 已以 /chat/completions 或 /completions 结尾)

常见问题及修复

问题原因修复方式
HTTP 401/403API Key 无效或过期更新 apiKey
HTTP 500服务端错误/账户耗尽检查账户余额或联系服务商
连接超时baseUrl 不可达检查网络或更换 baseUrl
content 为空接口类型不匹配检查 api 字段是否正确(openai vs anthropic)
content 为空但 reasoning 有值模型输出到了思考字段增加 max_tokens 或切换接口类型
Relay service error中转服务异常检查中转服务状态和账户
THINKING_ONLY推理模型思考未完成正常现象,模型可用,增加 max_tokens 可获取完整输出

平台分布

OpenClaw

72.77%
按下载量换算720

安全审计

VirusTotal

通过

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