返回技能列表

polish-claw-project

pjt222
更新于 2 days ago
8 次查看
17
2
17
在 GitHub 上查看
automation

关于

This skill provides a structured 9-step workflow for contributing to OpenClaw ecosystem projects, focusing on security-aware code review and pull request creation. It emphasizes parallel auditing, false positive prevention, and cross-referencing findings with existing issues to prioritize high-impact contributions. Use it for making repeatable, auditable contributions to security-sensitive open-source projects like OpenClaw, NemoClaw, or NanoClaw.

快速安装

Claude Code

推荐
主要方式
npx skills add pjt222/agent-almanac -a claude-code
插件命令备选方式
/plugin add https://github.com/pjt222/agent-almanac
Git 克隆备选方式
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/polish-claw-project

在 Claude Code 中复制并粘贴此命令以安装该技能

技能文档

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:securitytestsdocsbugsany(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.mdCODE_OF_CONDUCT.mdLICENSE
  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. 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 wantedgood first issuehacktoberfest 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. 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 仓库

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

相关推荐技能

content-collections

Content Collections 是一个 TypeScript 优先的构建工具,可将本地 Markdown/MDX 文件转换为类型安全的数据集合。它专为构建博客、文档站和内容密集型 Vite+React 应用而设计,提供基于 Zod 的自动模式验证。该工具涵盖从 Vite 插件配置、MDX 编译到生产环境部署的完整工作流。

查看技能

polymarket

这个Claude Skill为开发者提供完整的Polymarket预测市场开发支持,涵盖API调用、交易执行和市场数据分析。关键特性包括实时WebSocket数据流,可监控实时交易、订单和市场动态。开发者可用它构建预测市场应用、实施交易策略并集成实时市场预测功能。

查看技能

creating-opencode-plugins

该Skill帮助开发者创建OpenCode插件,用于接入命令、文件、LSP等25+种事件。它提供了插件结构、事件API规范和JavaScript/TypeScript实现模式,适合需要拦截操作、扩展功能或自定义事件处理的场景。开发者可通过它快速构建响应式模块来增强OpenCode AI助手的能力。

查看技能

sglang

SGLang是一个专为LLM设计的高性能推理框架,特别适用于需要结构化输出的场景。它通过RadixAttention前缀缓存技术,在处理JSON、正则表达式、工具调用等具有重复前缀的复杂工作流时,能实现极速生成。如果你正在构建智能体或多轮对话系统,并追求远超vLLM的推理性能,SGLang是理想选择。

查看技能