Token导航 LogoToken导航

Agent Skill · 开发

smart-coding-assistant(智能编码助手)

smart-coding-assistant 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。

smart-coding-assistant 是开发类 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,第三方扫描有提醒项,按安装量在开发类的 21,746 个 Skill 里排第 5,345。

总安装 6,487周安装 265GitHub Stars 公开资料未说明下载 2,078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:smart-coding-assistant(智能编码助手)
来源仓库:https://github.com/davidme6/smart-coding-assistant
安装命令:
openclaw skills install smart-coding-assistant
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 smart-coding-assistant

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。

智能多模型编程助手,根据任务类型自动选择最优代码大模型。支持代码生成、审查、调试、重构、测试等场景。使用场景:编写代码、代码审查、Bug 调试、性能优化、技术栈迁移、单元测试生成等编程任务。

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 smart-coding-assistant;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

smart-coding-assistant 怎么安装?

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

smart-coding-assistant 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。

smart-coding-assistant 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。

smart-coding-assistant 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。

smart-coding-assistant 用的人多吗?

公开数据是累计安装 6,487 次,近一周安装 265 次,下载 2,078 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。

smart-coding-assistant 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

  • 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

  • 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
smart-coding-assistant

智能编码助手 · 本页

6,487—需要联网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
smart-coding-assistant
description
智能多模型编程助手,根据任务类型自动选择最优代码大模型。支持代码生成、审查、调试、重构、测试等场景。使用场景:编写代码、代码审查、Bug 调试、性能优化、技术栈迁移、单元测试生成等编程任务。
version
1.0.0

智能编程助手

核心能力

🧠 智能模型路由

根据编程任务类型自动选择最优模型:

任务类型推荐模型理由
代码生成qwen-coder-plus / deepseek-coder代码生成能力强,上下文理解好
代码审查qwen-max / claude-sonnet逻辑严谨,善于发现问题
Bug 调试qwen-plus / glm-4推理能力强,定位准确
性能优化qwen-coder-plus熟悉算法优化和最佳实践
重构claude-sonnet / qwen-max代码结构理解深刻
单元测试qwen-coder / deepseek-coder测试用例生成质量高
技术问答qwen-plus / glm-4知识覆盖面广
文档生成qwen-turbo / qwen-plus速度快,表达清晰

🔄 多模型协作模式

复杂任务拆分流程:

1. 任务分析 → qwen-plus(理解需求)
2. 架构设计 → qwen-max(系统设计)
3. 核心代码 → qwen-coder-plus(实现)
4. 代码审查 → claude-sonnet(质量检查)
5. 测试生成 → deepseek-coder(单元测试)
6. 文档编写 → qwen-turbo(快速生成)

📊 模型能力画像

详见 references/model-profiles.md

快速开始

基础用法

# 单模型模式 - 直接指定
smart-coding-assistant --model qwen-coder-plus "生成一个快速排序"

# 自动路由模式 - 让技能选择最优模型
smart-coding-assistant "帮我优化这个算法的性能"

# 多模型协作模式 - 复杂任务
smart-coding-assistant --collab "重构这个模块并添加测试"

编程任务分类

代码生成类:

  • "写一个 XX 功能的函数/类"
  • "实现 XX 算法"
  • "创建 XX 组件"

代码审查类:

  • "审查这段代码的问题"
  • "这段代码有什么安全隐患"
  • "代码质量如何,怎么改进"

调试类:

  • "这个 Bug 怎么修复"
  • "为什么这段代码报错"
  • "定位性能瓶颈"

优化类:

  • "优化这段代码的性能"
  • "重构这个模块"
  • "提高代码可维护性"

测试类:

  • "为这个函数写单元测试"
  • "生成测试用例"
  • "测试覆盖率分析"

工作流程

1. 任务接收与分析

# 使用 model_router.py 分析任务类型
python scripts/model_router.py --task "你的编程任务"

2. 模型选择

根据任务类型查询 references/model-profiles.md 选择最优模型。

3. 代码生成/处理

调用选定的模型执行任务。

4. 质量检查(可选)

对于重要代码,使用第二模型进行审查。

5. 输出与反馈

输出结果并记录模型表现,更新能力画像。

模型选择策略

优先级规则

  1. 代码密集型任务 → 优先选择代码专用模型(qwen-coder, deepseek-coder)
  2. 逻辑推理任务 → 优先选择推理强的模型(qwen-max, glm-4)
  3. 速度敏感任务 → 优先选择快速模型(qwen-turbo)
  4. 质量敏感任务 → 优先选择高质量模型(claude-sonnet, qwen-max)
  5. 复杂多步骤任务 → 启用多模型协作模式

成本优化

  • 简单任务使用经济型模型(qwen-turbo, qwen-plus)
  • 复杂任务使用高性能模型(qwen-max, claude-sonnet)
  • 批量任务考虑使用缓存避免重复调用

最佳实践

✅ 推荐做法

  • 明确任务类型,让技能选择合适模型
  • 复杂任务启用协作模式
  • 重要代码进行双模型审查
  • 记录模型表现,持续优化路由策略

❌ 避免做法

  • 所有任务都用同一个模型
  • 忽略任务特点盲目使用最强模型
  • 不进行代码审查直接上线
  • 不记录反馈无法优化

配置说明

环境变量

# 模型 API 配置
export QWEN_API_KEY="your-key"
export DEEPSEEK_API_KEY="your-key"
export GLM_API_KEY="your-key"

# 路由策略
export CODING_MODEL_STRATEGY="auto"  # auto | manual
export ENABLE_COLLAB="true"  # 启用多模型协作

配置文件

编辑 ~/.smart_coding_config.json:

{
  "default_model": "qwen-coder-plus",
  "review_model": "claude-sonnet",
  "enable_caching": true,
  "max_collab_models": 3,
  "cost_limit_per_task": 5.0
}

故障排除

常见问题

Q: 模型选择不准确?

Q: 多模型协作失败?

  • 确认所有模型 API 可用
  • 检查网络连接
  • 查看任务是否适合拆分

Q: 代码质量不佳?

  • 启用代码审查流程
  • 尝试更换代码生成模型
  • 提供更详细的需求描述

参考资料

更新日志

  • v1.0.0 - 初始版本,支持基础模型路由和单模型编程
  • v1.1.0 - 添加多模型协作模式
  • v1.2.0 - 引入模型能力画像和自动优化

*最后更新:2026-03-18*

平台分布

OpenClaw

85.19%
按下载量换算1,770

安全审计

VirusTotal

通过

ClawScan

可疑

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。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