SKILLEMALL.ai
GitHub ↗ EN Войти

AD multi-agent-deployment

Развертывайте производственные флоты мультиагентов в OpenClaw с помощью проверенных скриптов, шаблонов облачного развертывания и инфраструктуры общей памяти. Используйте, когда: (1) Развертываете несколько специализированных ИИ-агентов с маршрутизацией, (2) Настраиваете общую память между агентами, (3) Развертываете на облачных платформах (DigitalOcean, AWS, GCP, K8s), (4) Создаете команды агентов для бизнес-процессов, (5) Переходите от одиночных агентов к производственным мультиагентным системам. Включает рабочие скрипты Python, конфигурации облачного развертывания и руководства по устранению неполадок на основе реальных развертываний.

машинный переводПоказать оригиналСкрыть оригинал«Deploy production-grade multi-agent fleets in OpenClaw with battle-tes…»

Deploy production-grade multi-agent fleets in OpenClaw with battle-tested scripts, cloud deployment templates, and shared memory infrastructure. Use when: (1) Deploying multiple specialized AI agents with routing, (2) Setting up shared memory between agents, (3) Deploying to cloud platforms (DigitalOcean, AWS, GCP, K8s), (4) Building agent teams for business workflows, (5) Moving from single-agent to production multi-agent setups. Includes working Python scripts, cloud deployment configs, and troubleshooting guides based on real deployments.

ClawHub Agent Skills автор: abhinas90 v1.4.0 MIT-0 20 файлов · 1 скрипт тело ≈ 3 584 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Развертывайте производственные флоты мультиагентов в OpenClaw с помощью проверенных скриптов, шаблонов облачного развертывания и инфраструктуры общей памяти.

Как процесс D 44/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураKubernetesAWSGoogle CloudИнфраструктураИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
D
44/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Широкие права средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Скилл просит больше прав, чем нужно для задачи: широкий доступ к инструментам, секретные переменные окружения, бинарные файлы. Каждое лишнее право расширяет ущерб при ошибке или взломе.

Автору

Сузьте allowed-tools и список переменных до минимума, замените бинарники на исходники или скрипты, которые можно прочитать.

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • средняя Широкие права meta-agent-memory-dump assets/templates/SOUL.md
      В скилле есть файлы памяти агента / рабочего пространства (2) — похоже на дамп с личными данными или токенами
      assets/templates/SOUL.md, HEARTBEAT.md

    Просканировано файлов: 20. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 44/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 37, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (multi-agent-deployment) не совпадает с папкой (skill-multi-agent-deployment)
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 41
    • 100Стоимость исполнения. Тело инструкции 3584 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -2Ссылки на localhost: у другого пользователя не заработает
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 547 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 29 заголовков
    • +3Пошаговые инструкции: 41 пунктов
    • +4Есть примеры (14 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (4 из 4)
    • +3Все 5 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

    Внешние проверки

    ClawHub: suspicious
    This deployment skill is coherent, but it includes powerful cloud, routing, memory-server, and deletion capabilities without enough guardrails or warnings.
    LLM: suspicious (high) · 28 мая 2026 г.