返回技能列表

jb-terminal-wrapper

openclaw
更新于 7 days ago
15 次查看
972
296
972
在 GitHub 上查看
其他apidata

关于

The jb-terminal-wrapper skill provides a pattern to extend JBMultiTerminal functionality for advanced payment flows like dynamic splits and atomic multi-step operations. It's used when you need to intercept tokens, implement pay-time configuration, or combine actions like cash out + swap in a single transaction. The wrapper implements IJBTerminal interfaces and uses an additive approach to manipulate beneficiary data without modifying core ruleset hooks.

快速安装

Claude Code

推荐
主要方式
npx skills add openclaw/skills -a claude-code
插件命令备选方式
/plugin add https://github.com/openclaw/skills
Git 克隆备选方式
git clone https://github.com/openclaw/skills.git ~/.claude/skills/jb-terminal-wrapper

在 Claude Code 中复制并粘贴此命令以安装该技能

GitHub 仓库

openclaw/skills
路径: skills/mejango/juicy/jb-terminal-wrapper
0
archivebackupclawdbotclawdhubskill

相关推荐技能

llamaguard

其他

LlamaGuard是Meta推出的7-8B参数内容审核模型,专门用于过滤LLM的输入和输出内容。它能检测六大安全风险类别(暴力/仇恨、性内容、武器、违禁品、自残、犯罪计划),准确率达94-95%。开发者可通过HuggingFace、vLLM或Sagemaker快速部署,并能与NeMo Guardrails集成实现自动化安全防护。

查看技能

cost-optimization

其他

这个Claude Skill帮助开发者优化云成本,通过资源调整、标记策略和预留实例来降低AWS、Azure和GCP的开支。它适用于减少云支出、分析基础设施成本或实施成本治理策略的场景。关键功能包括提供成本可视化、资源规模调整指导和定价模型优化建议。

查看技能

quantizing-models-bitsandbytes

其他

这个Skill使用bitsandbytes库量化大语言模型,能在GPU内存有限时通过8位或4位量化减少50-75%内存占用,同时保持精度损失最小。它支持INT8、NF4、FP4等多种量化格式,可与HuggingFace Transformers无缝集成,适用于需要部署更大模型或加速推理的场景。还提供QLoRA训练和8位优化器支持,让开发者能轻松实现高效模型压缩。

查看技能

dispatching-parallel-agents

其他

该Skill用于并行处理3个以上无依赖关系的独立故障,可为每个问题域分派专属Claude代理同时执行调查修复。它通过并发处理多个独立问题显著提升故障排查效率,特别适用于测试文件、子系统等无共享状态的场景。

查看技能