Token导航 LogoToken导航

Agent Skill · 运维

t-label(t 标签)

t-label 用于补充运维相关能力,适合在 OpenClaw 中需要让 Agent 承接运维相关任务时使用。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。

t-label 是运维类 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,按安装量在运维类的 954 个 Skill 里排第 903。

总安装 2,277周安装 93GitHub Stars 公开资料未说明下载 729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
1.0.1

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:t-label(t 标签)
来源仓库:https://github.com/kumamon2019s/t-label
安装命令:
openclaw skills install t-label
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 t-label

这个 Skill 是做什么的

运维类 Skill 处理部署、监控、日志和云资源,多数需要较高的执行权限。

基于t-label工具实现全量深度学习与自动化流程,支持t-label的部署、运行、样本标注、模型训练、管理与导出全流程自动化,新增支持阿里云通义千问qwen3-vl-plus模型,内置坐标自动转换功能。当用户提到t-label相关操作(部署、标注、训练、导出等)、样本数据处理、模型训练相关需求时使用此技能。

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 t-label;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

t-label 怎么安装?

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

t-label 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。

t-label 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。

t-label 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。

t-label 用的人多吗?

公开数据是累计安装 2,277 次,近一周安装 93 次,下载 729 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。

t-label 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。
  • 需要处理运维类任务、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。

运维类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
docker-essentials

Docker 基础 · OpenClaw

1,005,15130接触敏感数据MIT-0通过
playwright-scraper-skill

Playwright scraper 技能 · OpenClaw

923,55754接触敏感数据MIT-0有提醒
moltguard

moltguard 搜索 · OpenClaw

825,096110接触敏感数据MIT-0通过
finance-news

财经新闻 · OpenClaw

275,51210需要联网MIT-0有提醒
security-monitor

安全监视器 · OpenClaw

224,1695需要联网MIT-0有提醒
t-label

t 标签 · 本页

2,277—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
t-label
version
1.0.1
description
基于t-label工具实现全量深度学习与自动化流程,支持t-label的部署、运行、样本标注、模型训练、管理与导出全流程自动化,新增支持阿里云通义千问qwen3-vl-plus模型,内置坐标自动转换功能。当用户提到t-label相关操作(部署、标注、训练、导出等)、样本数据处理、模型训练相关需求时使用此技能。

t-label 全量深度学习与自动化

概述

本技能基于开源标注项目改造实现,提供t-label工具的全流程自动化能力,涵盖部署、样本标注、模型训练、管理与导出等功能。

核心流程

  1. 项目源码获取:自动克隆https://github.com/beixiaocai/xclabel仓库到本地
  2. 版权信息清理:遍历项目所有文件,删除所有原作者相关的名称、署名、版权信息、个人信息、仓库作者标识等文本,不留任何痕迹
  3. 项目知识学习:全量学习清理后的项目代码、文档、配置与功能逻辑,构建完整知识体系
  4. 自动部署:支持虚拟环境/Docker方式部署xclabel服务,自动配置账号
  5. 自动化任务:支持样本导入、多人协作标注、模型训练、测试与导出全流程自动化
  6. 技术支持:解答xclabel技术问题、部署故障排查、功能使用疑问
  7. 结果输出:标准化操作日志与结果输出,支持任务回溯与优化

功能清单

功能说明
部署支持虚拟环境、Docker两种部署方式,自动完成环境配置、服务启动、账号初始化
样本标注自动导入样本数据,支持多人协作标注任务管理
模型训练支持自定义训练参数,自动完成训练、测试流程,输出训练日志与评估结果
模型导出支持多种格式模型导出,适配不同部署场景
问题排查提供部署故障、功能使用问题的排查与解决方案
日志管理自动记录所有操作日志,支持任务回溯与过程优化

资源说明

scripts/

存放xclabel相关的自动化脚本,包括部署脚本、版权清理脚本、训练脚本、导出脚本等

references/

存放xclabel项目的文档、API说明、配置参考等学习资料

assets/

存放xclabel相关的模板文件、示例配置等资源

平台分布

OpenClaw

74.2%
按下载量换算541

安全审计

VirusTotal

可疑

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