SKILLEMALL.ai
GitHub ↗ EN Войти

AB oot

Сократите использование токенов OpenClaw и затраты на API за счет интеллектуальной маршрутизации моделей, оптимизации пульса, отслеживания бюджета и встроенных функций 2026.2.15 (удаление сеансов, ограничения размера начальной загрузки, синхронизация TTL кэша). Используйте, когда затраты на токены высоки, достигаются пределы скорости API или при размещении нескольких агентов в большом масштабе. 4 исполняемых скрипта (context_optimizer, model_router, heartbeat_optimizer, token_tracker) работают только локально — без сетевых запросов, без вызовов подпроцессов, без системных изменений. Справочные файлы (PROVIDERS.md, config-patches.json) документируют необязательные стратегии с несколькими поставщиками, которые требуют внешних ключей API и сетевого доступа, если вы решите их использовать. См. SECURITY.md для полного описания.

машинный переводПоказать оригиналСкрыть оригинал«Reduce OpenClaw token usage and API costs through smart model routing,…»

Reduce OpenClaw token usage and API costs through smart model routing, heartbeat optimization, budget tracking, and native 2026.2.15 features (session pruning, bootstrap size limits, cache TTL alignment). Use when token costs are high, API rate limits are being hit, or hosting multiple agents at scale. The 4 executable scripts (context_optimizer, model_router, heartbeat_optimizer, token_tracker) are local-only — no network requests, no subprocess calls, no system modifications. Reference files (PROVIDERS.md, config-patches.json) document optional multi-provider strategies that require external API keys and network access if you choose to use them. See SECURITY.md for full breakdown.

ClawHub Agent Skills автор: Cloud Dark v1.0.0 MIT-0 18 файлов · 1 скрипт тело ≈ 4 622 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Сократите использование токенов OpenClaw и затраты на API за счет интеллектуальной маршрутизации моделей, оптимизации пульса, отслеживания бюджета и…

Как процесс B 66/100 · Почти готов — слабые места: входы и предусловия, повторный запуск

ИнтеграцияИИ и агентыИнфраструктуратип 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
92/100
безопасность, качество, тесты
Безопасность 60%
97
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
B
66/100
Почти готов
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
Когда включается вес 12
50
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 · 3

    ✓ Критических и высоких находок нет

    Средние и низкие: 3
    • низкая Опасные команды cmd-pipe-to-shell-known-host README.md:96
      Установщик через pipe в shell с известного хоста (всё равно выполняет удалённый код) (документация security-скилла)
      curl -fsSL https://raw.githubusercontent.com/rtk-ai/rtk/refs/heads/master/install.sh | sh
      security-скилл
    • низкая Опасные команды cmd-pipe-to-shell-known-host references/RTK.md:21
      Установщик через pipe в shell с известного хоста (всё равно выполняет удалённый код) (документация security-скилла)
      curl -fsSL https://raw.githubusercontent.com/rtk-ai/rtk/refs/heads/master/install.sh | sh
      security-скилл

    Ещё 1 совпадений отнесены к цитатам в документации скилла по безопасности и не считаются находками.

    Просканировано файлов: 18. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "homepage"
    • заметка frontmatter-key неизвестное поле фронтматтера "source"
    • заметка frontmatter-key неизвестное поле фронтматтера "security"

    Процессный рейтинг: все десять параметров 66/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Стоимость исполнения. Тело инструкции 4622 токенов
    • 100Шаги. Шагов: 86
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Разделов верхнего уровня: 13. 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)
    • -31 из 5 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 691 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 31 заголовков
    • +3Пошаговые инструкции: 86 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (31 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 3)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.

    Внешние проверки

    ClawHub: suspicious
    This cost-optimization skill is not clearly malicious, but it can change ongoing agent behavior and overwrite local OpenClaw workspace files in ways users should review first.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.