BD openclaw-agent-browser
Навык автоматизации браузера для вашего личного цифрового мозга. Он вызывает ваш локально установленный agent-browser CLI, безопасно получает доступ к веб-страницам, извлекает заголовки и контент, а затем возвращает структурированное резюме, чтобы ИИ-ассистент мог понимать и обобщать информацию со страницы. Сценарии использования: (1) Пользователь просит: «Помоги мне проверить мою страницу навыка на ClawHub» (2) Пользователь хочет, чтобы ИИ автоматически извлекал веб-страницы и обобщал контент (3) Требуется полностью контролируемый инструмент браузера без внешних зависимостей. Основные функции: - Вызов локального agent-browser CLI для доступа к любому URL - Извлечение заголовка страницы и контента в формате Markdown - Возврат структурированного JSON для разбора и обобщения ИИ-ассистентом. Системные зависимости: - Необходимо установить agent-browser CLI: npm install -g agent-browser - Необходимо установить среду Node.js - Необходимо убедиться, что /home/awu/.npm-global/bin/agent-browser исполняемый. Важно: этот навык полностью локализован и не зависит от каких-либо внешних API. Все данные обрабатываются только на вашем локальном компьютере, безопасно и надежно. Поведение вашего браузера полностью контролируется вами.
машинный переводПоказать оригиналСкрыть оригинал«一个为你的个人数字大脑设计的浏览器自动化技能。它调用你本地安装的 agent-browser CLI，安全地访问网页，提取标题和内容，并返回…»
一个为你的个人数字大脑设计的浏览器自动化技能。它调用你本地安装的 agent-browser CLI，安全地访问网页，提取标题和内容，并返回结构化摘要，让 AI 助手能理解并总结网页信息。 **使用场景**： (1) 用户要求：“帮我查看一下我的技能在 ClawHub 上的页面” (2) 用户希望 AI 自动抓取网页并总结内容 (3) 需要一个完全可控、无外部依赖的浏览器工具 **核心功能**： - 调用本地 agent-browser CLI 访问任意 URL - 提取页面标题和 Markdown 格式内容 - 返回结构化 JSON，供 AI 助手解析和总结 **系统依赖**： - 必须安装 agent-browser CLI：npm install -g agent-browser - 必须安装 Node.js 环境 - 必须确保 /home/awu/.npm-global/bin/agent-browser 可执行 **重要**：此技能完全本地化，不依赖任何外部 API。所有数据仅在你本地机器上处理，安全可靠。你的浏览器行为完全由你控制。
Навык автоматизации браузера для вашего личного цифрового мозга.
Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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 · 0
✓ Критических и высоких находок нет
Просканировано файлов: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 41/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 40Согласованность. Имя во frontmatter (openclaw-agent-browser) не совпадает с папкой (personal-agent-browser)
- 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
- 100Шаги. Шагов: 18
- 100Стоимость исполнения. Тело инструкции 330 токенов
- 100Повторный запуск. Изменяющих операций нет
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
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 479 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 7 заголовков
- +3Пошаговые инструкции: 18 пунктов
- +4Есть примеры (1 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.