SKILLEMALL.ai

AD token-monitor

Панель мониторинга потребления токенов OpenClaw в реальном времени. Поддерживает: (1) сохранение истории данных в SQLite (2) мониторинг текущего потребления токенов (кривая прироста) (3) просмотр потребления за любой день (4) сводку по дням/часам (5) оценку стоимости в рублях (официальные цены MiniMax) (6) масштабирование оси X колесиком мыши (7) выборку данных для предотвращения зависаний. Сценарии использования: (1) запрос на просмотр потребления токенов (2) мониторинг использования ИИ-моделей (3) анализ тенденций потребления по дням/часам (4) поиск аномалий в потреблении токенов.

машинный переводПоказать оригиналСкрыть оригинал«OpenClaw Token 实时监控面板。支持:(1) SQLite 持久化存储历史数据 (2) 实时监控当前 Token 消耗(增量曲线…»

OpenClaw Token 实时监控面板。支持:(1) SQLite 持久化存储历史数据 (2) 实时监控当前 Token 消耗(增量曲线) (3) 历史视图查看任意一天的消耗 (4) 按日/时会话汇总 (5) 人民币费用估算(MiniMax 官方定价) (6) 滚轮缩放 X 轴 (7) 图表采样防卡顿。触发场景:(1) 用户要求查看 Token 消耗 (2) 监控 AI 模型使用量 (3) 分析日/小时级别消耗趋势 (4) 排查 Token 异常消耗。

ClawHub Agent Skills автор: OldYoung v1.2.0 MIT-0 5 файлов тело ≈ 313 токенов Открыть источникclawhub.ai проанализирован 4 дн назад

Панель мониторинга потребления токенов OpenClaw в реальном времени.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
74
Прогон на моделях
не было
Процессный рейтинг
D
49/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "email"

Процессный рейтинг: все десять параметров 49/100

  • 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 (token-monitor) не совпадает с папкой (openclaw-token-monitor)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 9
  • 100Стоимость исполнения. Тело инструкции 313 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 230 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 6 заголовков
  • +3Пошаговые инструкции: 9 пунктов
  • +4Есть примеры (2 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.

Внешние проверки

ClawHub: suspicious
This appears to be a real token-monitoring dashboard, but it exposes sensitive usage history and control endpoints through an unauthenticated network service.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.