MCP HubMCP Hub
← Вернуться к навыкам

polish-claw-project

pjt222
Обновлено Yesterday
4 просмотров
17
2
17
Посмотреть на GitHub
Метаautomation

О программе

Этот навык предоставляет структурированный рабочий процесс из 9 шагов для внесения вклада в проекты экосистемы OpenClaw, фокусируясь на проверке кода с учётом безопасности и создании pull request'ов. Он делает акцент на параллельном аудите, предотвращении ложных срабатываний и перекрёстной проверке обнаруженных проблем с существующими, чтобы расставить приоритеты для наиболее значимых улучшений. Используйте его для создания повторяемых и проверяемых вкладов в проекты с повышенными требованиями к безопасности, такие как OpenClaw, NemoClaw или NanoClaw.

Быстрая установка

Claude Code

Рекомендуется
Основной
npx skills add pjt222/agent-almanac -a claude-code
Команда плагинаАльтернативный
/plugin add https://github.com/pjt222/agent-almanac
Git клонированиеАльтернативный
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/polish-claw-project

Скопируйте и вставьте эту команду в Claude Code для установки этого навыка

Документация

打磨 Claw 專案

為 OpenClaw 生態之專案貢獻而設之結構化工作流程。其新穎價值集中於步驟 5-7：平行稽核、防誤報、將發現對照公開議題以擇高影響力之貢獻。機械性步驟（fork、PR 建立）委由既有技能。

適用時機

  • 為 NVIDIA/OpenClaw、NVIDIA/NemoClaw、NVIDIA/NanoClaw 或類似 Claw 生態之倉庫貢獻
  • 對含安全敏感架構之開源專案首次貢獻
  • 欲行可重複、可稽核之貢獻流程，而非臨時修補
  • 確認某 Claw 專案接受外部貢獻後（檢 CONTRIBUTING.md）

輸入

  • 必要：repo_url —— 目標 Claw 專案之 GitHub URL（如 https://github.com/NVIDIA/NemoClaw）
  • 選擇性：
    • contribution_count —— 目標貢獻數（預設：1-3）
    • focus —— 偏好之貢獻類型：security、tests、docs、bugs、any（預設：any）
    • fork_org —— fork 至之 GitHub org/user（預設：認證使用者）

步驟

步驟一：辨識並驗證目標

確認專案接受外部貢獻且積極維護中。

  1. 開啟倉庫 URL 並讀 CONTRIBUTING.md、CODE_OF_CONDUCT.md 與 LICENSE
  2. 檢視近期提交活動（過去 30 日）與公開 PR 之合併率
  3. 驗證專案採用寬鬆或對貢獻友善之授權
  4. 若有 SECURITY.md 或安全政策，閱之——留意負責揭露規則
  5. 辨識主要語言、測試框架與 CI 系統

預期： CONTRIBUTING.md 存在，30 日內有提交，貢獻指引清晰。

失敗時： 若無 CONTRIBUTING.md 或近期無活動，記錄理由並止步——停滯之專案少接受外部 PR。

步驟二：Fork 並 Clone

建立倉庫之工作副本。

  1. Fork：gh repo fork <repo_url> --clone
  2. 設上游遠端：git remote add upstream <repo_url>
  3. 驗證：git remote -v 顯示 origin（fork）與 upstream
  4. 同步：git fetch upstream && git checkout main && git merge upstream/main

預期： 本地副本已配置雙遠端且為最新。

失敗時： 若 fork 失敗，檢視 GitHub 認證（gh auth status）。若 clone 過慢，初探可用 --depth=1。

步驟三：探索程式碼

對專案架構建立心智模型。

  1. 讀 README.md 以了解架構概觀與專案目標
  2. 辨識入口點、核心模組與公開 API 表面
  3. 繪測試結構：測試所在、所用框架、覆蓋率
  4. 留意程式風格慣例：linter 設定、命名模式、import 風格
  5. 檢查 Docker／容器設置、CI 設定與部署模式

預期： 對專案結構、慣例與貢獻適配處有清晰理解。

失敗時： 若架構不明，聚焦於某子系統而非整個專案。

步驟四：閱讀公開議題

掃視既有議題以了解專案需求並避免重工。

  1. 列出公開議題：gh issue list --state open --limit 50
  2. 依類分類：bug、功能、文件、安全、good-first-issue
  3. 留意標籤為 help wanted、good first issue 或 hacktoberfest 之議題
  4. 檢查停滯議題（>90 日無動作）——可能已被棄置
  5. 讀任何相關 PR，了解曾嘗試之解法

預期： 一份分類之未認領議題清單。

失敗時： 若無公開議題，進入步驟五——稽核可能揭出未列之改進。

步驟五：平行稽核

平行執行安全與程式品質之稽核。新穎發現於此浮現。

  1. 對專案根目錄執行 security-audit-codebase 技能
  2. 同時執行 review-codebase 技能，範圍為 quality
  3. 關鍵：將每項發現對照專案之威脅模型與架構加以驗證
    • 沙箱啟動腳本中之「硬編碼密鑰」並非漏洞
    • 僅供內部使用之函式之輸入驗證缺失，嚴重度低
    • 標為易受攻擊之相依，恐已被專案架構所緩解
  4. 將已驗發現分等：CRITICAL、HIGH、MEDIUM、LOW
  5. 將誤報及其理由記錄之——可入未來之常見陷阱

預期： 一份附嚴重度之已驗發現清單，並標註誤報。

失敗時： 若無發現浮現，轉聚焦於測試覆蓋缺口、文件改進或開發者體驗加強。

步驟六：交叉參照發現

將已驗稽核發現對照公開議題——核心之判斷步驟。

  1. 對每項已驗發現，於公開議題中搜相關討論
  2. 將每項發現歸類為：
    • 與公開議題吻合 —— 將發現連結至該議題
    • 新發現 —— 既有議題未涵蓋
    • 公開 PR 中已修 —— 檢視進行中之 PR
  3. 優先處理與既有議題吻合者（合併機率最高）
  4. 對新發現，依專案優先順序評估維護者是否歡迎此修

預期： 一份排序清單，含發現對議題之對應與合併機率評估。

失敗時： 若所有發現皆已被處理，回到步驟四，找文件、測試或開發者體驗之貢獻。

步驟七：擇定貢獻

依影響力、付出與專長擇 1-3 件貢獻。

  1. 為每候選打分：
    • 影響力：對專案之改善程度（安全 > bug > 測試 > 文件）
    • 付出：能否於聚焦之單次工作完成？（小而完整之 PR 為佳）
    • 專長：貢獻者是否具修補所需之領域知識？
    • 合併機率：是否與專案宣告之優先順序相符？
  2. 擇得分最高者（預設：1-3 件）
  3. 為每件界定：分支名、範圍邊界、驗收準則、測試計畫

預期： 1-3 件已擇貢獻，附明確範圍與驗收準則。

失敗時： 若無候選得分良好，考慮以撰寫良好之議題提交，而非 PR。

步驟八：實作

每件貢獻建一分支並實作之。

  1. 對每件：git checkout -b fix/<description>
  2. 嚴格遵循專案慣例（linter、命名、import 風格）
  3. 為變更新增或更新測試
  4. 執行專案測試套件：驗證全部通過
  5. 執行專案 linter：驗證無新警告
  6. 每 PR 聚焦——每分支一個邏輯變更

預期： 乾淨之實作，測試通過、linter 無警告。

失敗時： 若測試因既有問題失敗，記錄之並確保 PR 未引入新失敗。

步驟九：建立 Pull Request

依專案 CONTRIBUTING.md 提交貢獻。

  1. 推送分支：git push origin fix/<description>
  2. 以 create-pull-request 技能建立 PR
  3. PR 內容中參照相關議題（如「Fixes #123」）
  4. 若有 PR 模板，依之
  5. 對審查者回饋積極回應——快速迭代

預期： PR 已建立、已連結議題、合於專案慣例。

失敗時： 若 PR 建立失敗，檢視分支保護規則與貢獻者授權協議。

驗證

  1. 所有所擇貢獻皆已實作並提交為 PR
  2. 各 PR 皆參照相關議題（若存在）
  3. 各 PR 分支之全部專案測試通過
  4. 無誤報之發現被以實際議題提交
  5. PR 描述合於專案 CONTRIBUTING.md 之模板

常見陷阱

  • 誤報過稱：Claw 專案採沙箱架構——沙箱內之「漏洞」可能為設計使然。回報前務必對照專案威脅模型驗證。
  • 摘要／簽章鏈中斷：Claw 專案常用驗證鏈以保模型完整。變更須保此鏈，否則 PR 將被拒。
  • 慣例不合：Claw 專案執行嚴格之風格。執行專案自身之 linter，而非通用者。import 順序、docstring 格式與測試模式皆應一致。
  • 範圍蔓延：3 個聚焦之 PR 比 1 個拖長之 PR 合併更快。每件貢獻保持原子化。
  • 過時 fork：開工前務必與上游同步（git fetch upstream && git merge upstream/main）。

相關技能

GitHub репозиторий

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

Похожие навыки

content-collections

Мета

Этот навык предоставляет проверенную в продакшене настройку для Content Collections — TypeScript-ориентированного инструмента, который преобразует файлы Markdown/MDX в типобезопасные коллекции данных с валидацией Zod. Используйте его при создании блогов, сайтов документации или контентных приложений на Vite + React для обеспечения типобезопасности и автоматической проверки содержимого. Он охватывает всё: от настройки плагина Vite и компиляции MDX до оптимизации развертывания и валидации схем.

Просмотреть навык

polymarket

Мета

Этот навык позволяет разработчикам создавать приложения на платформе прогнозных рынков Polymarket, включая интеграцию с API для торговли и получения рыночных данных. Он также обеспечивает потоковую передачу данных в реальном времени через WebSocket для отслеживания текущих сделок и рыночной активности. Используйте его для реализации торговых стратегий или создания инструментов, обрабатывающих обновления рынка в реальном времени.

Просмотреть навык

creating-opencode-plugins

Мета

Этот навык помогает разработчикам создавать плагины OpenCode, которые подключаются к более чем 25 типам событий, таким как команды, файлы и операции LSP. Он предоставляет структуру плагина, спецификации API событий и шаблоны реализации для модулей на JavaScript/TypeScript. Используйте его, когда вам нужно перехватывать, отслеживать или расширять жизненный цикл ассистента OpenCode AI с помощью пользовательской событийно-ориентированной логики.

Просмотреть навык

sglang

Мета

SGLang — это высокопроизводительный фреймворк для обслуживания больших языковых моделей (LLM), специализирующийся на быстрой структурированной генерации JSON, regex и рабочих процессов агентов с использованием кэширования префиксов RadixAttention. Он обеспечивает значительно более высокую скорость вывода, особенно для задач с повторяющимися префиксами, что делает его идеальным для сложных структурированных результатов и многократных диалогов. Выбирайте SGLang вместо альтернатив, таких как vLLM, когда вам требуется ограниченное декодирование или вы создаете приложения с интенсивным совместным использованием префиксов.

Просмотреть навык