SKILLEMALL.ai

AC cliproxy-openclaw

Развертывание и настройка CLIProxyAPI, безопасное предоставление доступа к его панели управления, подключение OAuth-провайдеров, таких как Claude Code, Gemini, Codex, Qwen и iFlow, генерация повторно используемой конечной точки API и ключа API, а также интеграция с OpenClaw или другими инструментами, совместимыми с OpenAI. Используйте, когда пользователю нужен один слой API для платных учетных записей CLI или OAuth, маршрутизация нескольких учетных записей или настройка CLIProxy на VPS или локальной машине.

машинный переводПоказать оригиналСкрыть оригинал«Deploy and configure CLIProxyAPI, expose its dashboard safely, connect…»

Deploy and configure CLIProxyAPI, expose its dashboard safely, connect OAuth providers like Claude Code, Gemini, Codex, Qwen, and iFlow, generate a reusable API endpoint and API key, and integrate it with OpenClaw or other OpenAI-compatible tools. Use when the user wants one API layer from subscription-based CLI or OAuth accounts, multi-account routing, or CLIProxy setup on a VPS or local machine.

ClawHub Agent Skills автор: Ayder21 v1.0.0 MIT-0 8 файлов · 1 скрипт тело ≈ 816 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Развертывание и настройка CLIProxyAPI, безопасное предоставление доступа к его панели управления, подключение OAuth-провайдеров, таких как Claude Code…

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия

ИнтеграцияРазработкаИнфраструктураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Инструменты и файлы вес 18
60
три самых слабых из десяти параметров · все десять

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 · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 8. 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 59/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Ошибки и развилки. Развилок: 4
    • 85Шаги. Шагов: 55, расплывчатых формулировок: 1
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 816 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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
    • +4Нет примеров входа/выхода
    • -31 из 1 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 400 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 5 заголовков
    • +3Пошаговые инструкции: 55 пунктов
    • +4Справочные файлы упоминаются в инструкциях (5 из 5)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.

    Внешние проверки

    ClawHub: clean
    This appears to be a disclosed deployment-oriented skill for setting up an OpenClaw security stack, with powerful system actions that fit its purpose but require careful user control.
    LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.