SKILLEMALL.ai
GitHub ↗ EN Войти

AC feishu_lark_sheets_edit

Чтение, запись и управление таблицами Lark/Feishu (электронными таблицами) и загрузка облачных файлов Lark/Feishu через Lark OpenAPI. Читает учетные данные приложения Feishu (appId/appSecret) из ~/.openclaw/openclaw.json для аутентификации с Lark OpenAPI. Используйте, когда пользователь предоставляет ссылку на таблицу Lark/Feishu (путь URL вида /sheets/TOKEN) и вам нужно получить значения ячеек, записать/обновить ячейки, добавить/клонировать вкладки таблицы, конвертировать в CSV/JSON или передать данные в сводки/отчеты/аналитику. Также используйте, когда пользователь предоставляет ссылку на файл Lark/Feishu (путь URL вида /file/TOKEN) и нужно скачать файл (PDF и т. д.) локально. Триггеры: 'feishu sheet', 'lark sheet', 'spreadsheet', 'write to sheet', 'update sheet', 'export sheet', 'feishu file', 'lark file', 'download file', 'feishu download', 'lark download', 'cloud file'.

машинный переводПоказать оригиналСкрыть оригинал«Read, write and manage Lark/Feishu Sheets (spreadsheets) and download…»

Read, write and manage Lark/Feishu Sheets (spreadsheets) and download Lark/Feishu cloud files via Lark OpenAPI. Reads Feishu app credentials (appId/appSecret) from ~/.openclaw/openclaw.json to authenticate with the Lark OpenAPI. Use when a user provides a Lark/Feishu sheet link (URL path like /sheets/TOKEN) and you need to fetch cell values, write/update cells, add/clone sheet tabs, convert to CSV/JSON, or feed the data into summaries/reports/analysis. Also use when a user provides a Lark/Feishu file link (URL path like /file/TOKEN) and needs to download the file (PDF, etc.) locally. Triggers: 'feishu sheet', 'lark sheet', 'spreadsheet', 'write to sheet', 'update sheet', 'export sheet', 'feishu file', 'lark file', 'download file', 'feishu download', 'lark download', 'cloud file'.

ClawHub Agent Skills автор: mli-cj v1.3.1 MIT-0 7 файлов тело ≈ 2 033 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Чтение, запись и управление таблицами Lark/Feishu (электронными таблицами) и загрузка облачных файлов Lark/Feishu через Lark OpenAPI.

Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, согласованность

ГенераторДанные и аналитикатип 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
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
C
56/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)

    Процессный рейтинг: все десять параметров 56/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (feishu_lark_sheets_edit) не совпадает с папкой (feishu-lark-sheets-edit)
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 30
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Стоимость исполнения. Тело инструкции 2033 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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
    • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 790 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 16 заголовков
    • +3Пошаговые инструкции: 30 пунктов
    • +4Есть примеры (5 блоков кода)
    • +3Все 3 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.

    Внешние проверки

    ClawHub: clean
    This skill is a disclosed Lark/Feishu integration for sheet editing, file download, and PDF extraction, with notable but purpose-aligned risks around credentials, cloud data changes, and runtime PDF dependencies.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.