智能体
提供极简多Agent群组管理与协作,支持自动化工作流、智能决策辅助及多工具领域专业化AI集成。
天轰穿
@thcjp
Install
$ openclaw skills install @thcjp/group-agent-2功能说明: 本技能涵盖 化工作流与智能决策辅助 等核心能力。
Agent Group
专业版增强能力
| 能力 | 免费版 | 付费版 |
|---|---|---|
| 基础功能 | 支持 | 支持 |
| 复杂工作流可视化编排 | 不支持 | 支持 |
| 条件分支与异常重试 | 不支持 | 支持 |
| 定时触发与事件驱动 | 不支持 | 支持 |
| 执行日志与审计追踪 | 不支持 | 支持 |
| 分布式任务调度与负载均衡 | 不支持 | 支持 |
快速入门指南
- 确认运行环境满足依赖说明中的要求
- 在AI Agent对话中调用本技能,提供必要的输入参数
- 检查输出结果,根据需要进行后续处理
详细的输入输出格式请参考下方章节说明。
场景示例
| 场景 | 输入 | 输出 |
|---|---|---|
| 场景1 极简多Agent群组 - 像微信拉群一样简单 | 用户请求数据 | 结构化处理结果 |
不适用于:需要人工判断的复杂决策场景
输入参数
| 参数名 | 类型 | 必填 | 说明 |
|---|
| instruction | string | 是 | 用户指令文本 | | context | string | 否 | 上下文信息 |
输出规范
{
"success": true,
"data": {
result: "group 相关配置参数",
result: "group 相关配置参数"
},
"error": null
}
环境要求
运行环境
- Agent平台: 支持SKILL.md的任意AI Agent(Claude Code / Cursor / Codex / Gemini CLI等)
- 操作系统: Windows / macOS / Linux
依赖说明(补充)
| 依赖项 | 类型 | 是否必需 | 获取方式 |
|---|---|---|---|
| LLM API | API | 必需 | 由Agent内置LLM提供 |
API Key 配置
可用性分类
- 分类: MD+execute()
- 说明: 基于Markdown的AI Skill,
API Key配置方式:
export API_KEY="${API_KEY:?请设置环境变量}"
配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统.
差异化分析
效率提升量化分析
| 操作步骤 | 手动耗时 | 自动化耗时 | 时间节约 | 准确率提升 |
|---|---|---|---|---|
| 数据收集 | 1小时 | 10分钟 | 50分钟 | 5% |
| 数据处理 | 4小时 | 1小时 | 3小时 | 10% |
| 结果分析 | 2小时 | 30分钟 | 1.5小时 | 8% |
| 报告生成 | 3小时 | 1小时 | 2小时 | 7% |
| 模型训练 | 24小时 | 6小时 | 18小时 | 15% |
差异化对比
| 对比维度 | 本技能 | 手动操作 | Python脚本 | 专业软件 |
|---|---|---|---|---|
| 易用性 | 高 | 低 | 中 | 高 |
| 成本 | 低 | 高 | 中 | 高 |
| 效率 | 高 | 低 | 中 | 高 |
| 扩展性 | 高 | 低 | 中 | 高 |
| 维护 | 低 | 高 | 中 | 高 |
核心痛点解决
| 痛点 | 描述 | 影响范围 | 解决方案 | 量化效果 |
|---|---|---|---|---|
| 手动操作繁琐 | 重复性高,耗时且易出错 | 效率低,准确率低 | 自动化处理,提高效率和准确率 | 效率提升50%,准确率提升10% |
| 数据处理复杂 | 数据量大,处理步骤多 | 耗时,准确率低 | 利用AI技术简化数据处理流程 | 时间节约50%,准确率提升10% |
| 模型训练困难 | 模型训练需要专业知识 | 模型效果不理想 | 提供易用的模型训练工具 | 模型效果提升20% |
常见问题FAQ
Q1: 智能体如何实现自动化处理?
A: 智能体通过预设的规则和算法,自动解析输入数据,执行相应的任务,并返回处理结果,实现自动化处理。
Q2: 智能体是否支持自定义任务?
A: 支持。用户可以根据自己的需求,通过配置文件定义任务规则,智能体将按照规则执行任务。
Q3: 智能体的运行环境有哪些要求?
A: 智能体支持SKILL.md的任意AI Agent平台,如Claude Code、Cursor、Codex、Gemini CLI等,运行环境为Windows、macOS或Linux。
Q4: 智能体如何保证数据安全?
A: 智能体采用加密通信和权限控制等措施,确保数据传输和存储的安全性。
Q5: 智能体是否支持与其他系统集成?
A: 支持。智能体可以通过API接口与其他系统集成,实现数据交互和功能扩展。
诊断与修复
| 错误现象 | 可能原因 | 诊断步骤 | 解决方案 |
|---|---|---|---|
| 无法启动 | 运行环境不满足要求 | 检查依赖说明中的要求,确保运行环境符合要求 | 确认运行环境,重新启动智能体 |
| 输入参数错误 | 参数格式不正确 | 检查输入参数格式,参考输入格式章节 | 修正输入参数格式,重新执行 |
| 执行失败 | 权限不足 | 检查运行权限设置 | 获取相应权限,重新执行 |
| 网络错误 | 网络连接不稳定 | 检查网络连接,确认网络状态 | 修复网络连接,重新执行 |
| API Key错误 | API Key配置错误 | 检查API Key配置,确认配置正确 | 修正API Key配置,重新执行 |
安全提醒
- 确保API Key安全,避免泄露到版本控制系统。
- 限制智能体的访问权限,防止未经授权的操作。
- 定期更新智能体,修复已知的安全漏洞。
- 对敏感数据进行加密处理,防止数据泄露。
- 监控智能体的运行状态,及时发现异常情况。
安全风险防范
| 风险项 | 等级 | 防护措施 | 验证方法 |
|---|---|---|---|
| API密钥泄露 | 高 | 通过环境变量配置,禁止硬编码 | 定期检查代码和配置文件 |
| 命令执行风险 | 高 | 仅执行白名单命令,避免拼接用户输入 | 使用沙箱环境测试 |
| 网络通信安全 | 中 | 使用HTTPS协议,验证SSL证书 | 定期检查证书有效期 |
| 敏感数据暴露 | 高 | 输出结果中不包含密钥、令牌等敏感信息 | 日志脱敏审查 |
| 未授权访问 | 中 | 限制访问权限,实施认证机制 | 定期审计访问日志 |
主要功能
- 自动化执行: 极简多Agent群组
- 文件处理: 支持多种文件格式的读取、解析和写入操作
- API集成: 通过标准化接口调用外部服务并处理响应
- 命令执行: 在安全沙箱中执行系统命令并收集结果
异常处置
针对智能体使用中可能遇到的常见问题,提供以下排查方案:
| 错误类型 | 原因分析 | 解决方案 |
|---|---|---|
| API认证失败(401) | API密钥错误或过期 | 检查密钥配置,重新生成token |
| 接口限流(429) | 请求频率超出限制 | 降低调用频率,启用重试退避策略 |
| 响应超时(504) | 网络延迟或服务端负载过高 | 增加超时阈值,检查网络连接 |
| 文件不存在 | 路径错误或文件未创建 | 检查路径拼写,确认文件已生成 |
| 文件格式不支持 | 扩展名不在支持列表中 | 转换为支持的格式后重试 |
| 权限不足 | 当前用户无读写权限 | 检查文件权限,以管理员身份运行 |
| 命令执行失败 | 参数错误或环境依赖缺失 | 检查命令语法,确认依赖已安装 |
| 进程超时 | 命令执行时间过长 | 增加超时设置,优化命令参数 |
| 网络连接失败 | DNS解析失败或防火墙拦截 | 检查网络配置,确认代理设置 |
智能体通用排查步骤
- 检查输入参数: 确认所有必填参数已提供且格式正确
- 查看日志输出: 定位具体错误行和异常类型
- 验证环境配置: 确认依赖库版本和运行环境满足要求
- 逐步调试: 缩小问题范围,隔离故障模块
Top skills in this category
self-improving agent
@pskoettCaptures learnings, errors, and corrections to enable continuous improvement. Use when: (1) A command or operation fails unexpectedly, (2) User corrects Claude ('No, that's wrong...', 'Actually...'), (3) User requests a capability that doesn't exist, (4) An external API or tool fails, (5) Claude rea
Skill Vetter
@spclaudehomeSecurity-first skill vetting for AI agents. Use before installing any skill from ClawdHub, GitHub, or other sources. Checks for red flags, permission scope, and suspicious patterns.
Self-Improving + Proactive Agent
@ivangdavilaSelf-reflection + Self-criticism + Self-learning + Self-organizing memory. Agent evaluates its own work, catches mistakes, and improves permanently. Use when...
Proactive Agent
@halthelobsterTransform AI agents from task-followers into proactive partners that anticipate needs and continuously improve. Now with WAL Protocol, Working Buffer, Autonomous Crons, and battle-tested patterns. Part of the Hal Stack 🦞
Agent Browser
@matrixyHeadless browser automation CLI optimized for AI agents with accessibility tree snapshots and ref-based element selection