AC zan-gongde
Навык сжигания токенов для накопления заслуг — полностью автоматическое расходование токенов пакета OpenClaw. Основной принцип: циклическое вызов LLM OpenClaw, каждый раз генерируя ответ с чтением сутры, **оценивая и накапливая потребление токенов в реальном времени, останавливаясь немедленно после достижения цели**. Вызывается, когда пользователь говорит "накопить заслуги", "читать сутру", "сжечь токены", "потратить токены". Четыре способа впрыскивания заслуг: 1. tollm — впрыскивание заслуг в большую модель: циклическое вызов LLM, тихое потребление 2. touser — впрыскивание заслуг пользователю: циклическое вызов LLM, вывод ответа пользователю 3. toworld — распространение заслуг во внешний мир: циклическое вызов LLM, воспроизведение через TTS 4. ddos — DDoS-атака на Будду: высокопараллельное быстрое потребление токенов ⚠️ Важно: числа в параметрах — это **количество токенов** (единица по умолчанию), а не количество итераций! Например, "накопить заслуги 500" означает потратить 500 токенов, а не выполнить 500 раз. Сценарий использования: пакет токенов OpenClaw AI не израсходован к концу месяца, автоматически расходуется путем "чтения сутр". ✅ Повторное использование конфигурации LLM OpenClaw, не требуется дополнительный API Key ✅ Полностью автоматическое выполнение, накопление потребления токенов в реальном времени, остановка при достижении цели ✅ Реальный вызов LLM, реальное потребление токенов
машинный переводПоказать оригиналСкрыть оригинал«烧token攒功德Skill - 全自动消耗 OpenClaw 套餐 Token 核心原理：循环调用 OpenClaw LLM，每次生成一…»
烧token攒功德Skill - 全自动消耗 OpenClaw 套餐 Token 核心原理：循环调用 OpenClaw LLM，每次生成一个经文念诵响应， **实时估算并累加 token 消耗，达到目标后立即停止**。 当用户说"攒功德"、"念经"、"烧token"、"消耗token"时调用此 skill。 四种功德注入方式： 1. tollm - 向大模型注入功德：循环调用LLM，静默消耗 2. touser - 向用户注入功德：循环调用LLM，输出响应给用户 3. toworld - 向外界散播功德：循环调用LLM，TTS播放 4. ddos - DDoS攻击佛祖：高并发快速消耗token ⚠️ 重要：参数中的数字是 **token 数**（默认单位），不是迭代次数！ 例如"攒功德 500"表示消耗500 tokens，而不是执行500次。 使用场景：OpenClaw AI Token 套餐月底用不完，通过"念经"方式全自动消耗。 ✅ 复用 OpenClaw LLM 配置，无需额外 API Key ✅ 全自动执行，实时累加token消耗，达标即停 ✅ 真实调用 LLM，真实消耗 Token
Навык сжигания токенов для накопления заслуг — полностью автоматическое расходование токенов пакета OpenClaw.
Как процесс C 53/100 · Есть пробелы — 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: 3. 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 53/100
- 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
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 25
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 3270 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
- +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
- +5В description 3 примера фраз-триггеров в кавычках
- +3Длина description 510 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 23 заголовков
- +3Пошаговые инструкции: 25 пунктов
- +4Есть примеры (7 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.