スキル一覧に戻る

polish-claw-project

pjt222
更新日 6 days ago
12 閲覧
17
2
17
GitHubで表示
メタautomation

について

このClaudeスキルは、OpenClawエコシステムプロジェクトへの貢献のための構造化された9ステップのワークフローを提供します。対象リポジトリの確認、コードベースの調査、並行監査、プルリクエスト作成までの手順をガイドし、誤検知の防止と規約遵守を重視しています。OpenClaw、NemoClaw、NanoClawリポジトリへの体系的で再現性のある貢献にご活用ください。

クイックインストール

Claude Code

推奨
メイン
npx skills add pjt222/agent-almanac -a claude-code
プラグインコマンド代替
/plugin add https://github.com/pjt222/agent-almanac
Git クローン代替
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/polish-claw-project

このコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします

ドキュメント

磨爪案

九步構獻 OpenClaw 生案:標驗、碼探、並審、果交對、PR 立。新值在步五至七。機械步(叉、PR 立)委於現技。

  • 獻 NVIDIA/OpenClaw、NVIDIA/NemoClaw、NVIDIA/NanoClaw 或類爪生庫→用
  • 首獻陌生安敏架之開源→用
  • 求可重審之獻程非隨修→用
  • 已識爪案受外獻(察 CONTRIBUTING.md)→用

  • repo_url — 標爪案 GitHub URL(如 https://github.com/NVIDIA/NemoClaw
    • contribution_count — 目獻數(默 1-3)
    • focus — 偏獻型:securitytestsdocsbugsany(默 any
    • fork_org — 叉入 GitHub 組/用(默認證用)

一:識驗標

確案受外獻、活養。

  1. 開庫 URL 讀 CONTRIBUTING.mdCODE_OF_CONDUCT.mdLICENSE
  2. 察近提(末 30 日)與開 PR 合率
  3. 驗案用寬或獻友證
  4. SECURITY.md 或安策若有——注責披則
  5. 識主語、試框、CI 系

得:CONTRIBUTING.md 在、提於末 30 日、明獻引。

敗:無 CONTRIBUTING.md 或近活→記由止——陳案少合外 PR。

二:叉並複

立庫工本。

  1. 叉:gh repo fork <repo_url> --clone
  2. 設上游:git remote add upstream <repo_url>
  3. 驗:git remote -vorigin(叉)與 upstream
  4. 同:git fetch upstream && git checkout main && git merge upstream/main

得:地複含二遠設且新。

敗:叉敗→察 GitHub 認(gh auth status)。複緩→試 --depth=1 為初探。

三:探碼

建案構心模。

  1. README.md 為架覽與案標
  2. 識入點、核模、公 API 面
  3. 映試構:試在何、用何框、覆級
  4. 注碼風俗:linter 配、命名式、入順
  5. 察 Docker/容器、CI 配、布式

得:明案構、俗、獻何處可入。

敗:架不明→聚於某子系非全案。

四:讀開事

察現事以解案需、避重工。

  1. 列開事:gh issue list --state open --limit 50
  2. 按型別:錯、功、文、安、good-first-issue
  3. 注標 help wantedgood first issuehacktoberfest 之事
  4. 察陳事(>90 日開、無近註)——恐已棄
  5. 讀連 PR 以解嘗試

得:分類未領事列含型標。

敗:無開事→赴步五——審恐發未列改。

五:並審

並行安與碼質審。新發於此。

  1. 對案根行 security-audit-codebase
  2. 同行 review-codebase 技範 quality
  3. 要:對案威脅模與架驗各發
    • 沙箱啟引中之「硬編密」非漏
    • 內函缺入驗為低重
    • 標漏依恐已為案架緩
  4. 評驗發:CRITICAL、HIGH、MEDIUM、LOW
  5. 假陽含理由記——其入未來 Common Pitfalls

得:驗發列含重評與假陽注。

敗:無發→轉聚於試覆缺、文改、開驗增。

六:交對發

映驗審發於開事——核斷步。

  1. 各驗發、搜開事為相討
  2. 各發歸:
    • 配開事——連發於事
    • 新發——無現事覆
    • 已修於 PR——察開 PR 為進中修
  3. 序配現事之發(合率最高)
  4. 新發:按案先察養者受否

得:序列含發-事映與合率評。

敗:諸發皆已處→返步四覓文、試、開驗獻。

七:擇獻

按效、力、專擇 1-3 獻。

  1. 各候評於:
    • :此進案幾何?(安 > 錯 > 試 > 文)
    • :聚會內可善成乎?(宜小完 PR)
    • :獻者有此修域知乎?
    • 合率:合案述先乎?
  2. 擇高者(默 1-3)
  3. 各定:枝名、範界、受則、試計

得:1-3 擇獻含明範與受則。

敗:無獻評高→計提善書事代 PR。

八:實

各獻立枝、實修。

  1. 各獻:git checkout -b fix/<description>
  2. 嚴遵案俗(linter、命名、入順)
  3. 加更涵變之試
  4. 行案試套:諸試過
  5. 行案 linter:無新警
  6. 各 PR 聚——一邏變一枝

得:清實含過試、無 linter 警。

敗:試於先存事敗→記之、確 PR 不引新敗。

九:立 PR

按案 CONTRIBUTING.md 提獻。

  1. 推枝:git push origin fix/<description>
  2. create-pull-request 技立 PR
  3. PR 體引相事(如「Fixes #123」)
  4. 遵案 PR 模若有
  5. 速應審饋——速迭

得:PR 立、連事、遵案俗。

敗:PR 立敗→察枝護則與獻者證約。

  1. 諸擇獻已實提為 PR
  2. 各 PR 引相事(若有)
  3. 諸案試於各 PR 枝過
  4. 無假陽提為實事
  5. PR 述遵案 CONTRIBUTING.md 模

  • 假陽過稱:爪案用沙箱架——沙箱內「漏」恐為設。報前必對案威脅模驗
  • 摘要/簽鏈擾:爪案常用驗鏈為模整。變必保此鏈否則 PR 拒
  • 俗錯:爪案嚴行風。行案自身 linter、非通。配入順、文串式、試式精確
  • 範蔓:3 聚 PR 速合於 1 蔓 PR。各獻原子
  • 陳叉:始工前必同上游(git fetch upstream && git merge upstream/main

GitHub リポジトリ

pjt222/agent-almanac
パス: i18n/wenyan-ultra/skills/polish-claw-project
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

関連スキル

content-collections

メタ

このスキルは、Content Collections(Markdown/MDXファイルを型安全なデータコレクションに変換するTypeScriptファーストのツール)の本番環境でテストされた設定を提供します。Zodバリデーションによる型安全性を実現し、ブログ、ドキュメントサイト、コンテンツ重視のVite + Reactアプリケーション構築時にご利用ください。Viteプラグインの設定、MDXコンパイルから、デプロイ最適化、スキーマバリデーションまで、すべてを網羅しています。

スキルを見る

polymarket

メタ

このスキルは、開発者がPolymarket予測市場プラットフォームを活用したアプリケーション構築を可能にします。API統合による取引や市場データの取得に加え、WebSocketを介したリアルタイムデータストリーミングにより、ライブ取引や市場活動を監視できます。取引戦略の実装や、ライブ市場更新を処理するツールの作成にご利用ください。

スキルを見る

creating-opencode-plugins

メタ

このスキルは、開発者がコマンド、ファイル、LSP操作など25種類以上のイベントタイプにフックするOpenCodeプラグインを作成することを支援します。JavaScript/TypeScriptモジュール向けに、プラグイン構造、イベントAPI仕様、および実装パターンを提供します。カスタムイベント駆動ロジックでOpenCode AIアシスタントのライフサイクルをインターセプト、監視、または拡張する必要がある場合にご利用ください。

スキルを見る

sglang

メタ

SGLangは、高性能なLLMサービングフレームワークであり、RadixAttentionプレフィックスキャッシュを活用したJSON、正規表現、エージェントワークフロー向けの高速で構造化された生成を特長とします。特にプレフィックスが繰り返されるタスクにおいて、大幅に高速な推論を実現し、複雑な構造化出力やマルチターン対話に最適です。制約付きデコードが必要な場合や、広範なプレフィックス共有を伴うアプリケーションを構築する場合は、vLLMなどの代替案ではなくSGLangを選択してください。

スキルを見る