SKILLEMALL.ai

AD metered-api-marketplace

Создает и управляет общедоступным API-endpoint с учетом использования («агентский микросервис») для навыков/агентов OpenClaw с аутентификацией по API-ключу, логированием использования по запросу + ценообразованием, предоплаченными балансами и пополнением криптовалютой (BTC/ETH) через вебхуки платежного процессора. Используйте, когда хотите монетизировать возможность как публичный API, добавить ограничение скорости/защиту от злоупотреблений, реализовать учет кредитов или добавить логику разделения доходов / комиссию платформы.

машинный переводПоказать оригиналСкрыть оригинал«Build and operate a metered public API endpoint ("agent microservice")…»

Build and operate a metered public API endpoint ("agent microservice") for OpenClaw skills/agents with API-key auth, per-request usage logging + pricing, prepaid balances, and crypto top-ups (BTC/ETH) via payment-processor webhooks. Use when you want to monetize a capability as a public API, add rate limiting/anti-abuse, implement a credit ledger, or add revenue share / platform fee logic.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 25 файлов тело ≈ 704 токенов Открыть источникgithub.com проанализирован 3 дн назад

Создает и управляет общедоступным API-endpoint с учетом использования («агентский микросервис») для навыков/агентов OpenClaw с аутентификацией по API-ключу…

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияИИ и агентыТорговлятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
D
43/100
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

    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 · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • низкая Утечка данных read-dotenv SKILL.md:41
      Чтение файла .env (в кавычках — упоминание, а не команда)
      - `cp .env.example .env` and edit
      в кавычках

    Просканировано файлов: 25. 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 43/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 35
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 704 токенов

    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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 392 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 35 пунктов
    • +4Справочные файлы упоминаются в инструкциях (3 из 4)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.