Créateur · mhawthorne
Dernière mise à jour · 21 août 2026
gza-log-insights
Analyze gza run logs to find recurring anti-patterns, wasted effort, and suggest AGENTS.md or workflow improvements
Do not auto-install
Cibles d’installation
Prompt d’installation Codex
Install the "gza-log-insights" agent skill from https://github.com/mhawthorne/gza/tree/main/src/gza/skills/gza-log-insights. Read its SKILL.md or equivalent instructions first, install only the files needed for this workspace, and summarize any required setup before using it. Skill purpose: Analyze gza run logs to find recurring anti-patterns, wasted effort, and suggest AGENTS.md or workflow improvements After the install attempt, report the result to https://www.openagentskill.com/api/agent/outcome with POST JSON {"event_id":"install_<unique-id>","skill_slug":"mhawthorne-gza-log-insights","task":"Install gza-log-insights","agent":"codex","outcome":"success","install_used":true}. Replace event_id with a unique value and outcome with success or failed. Report success only after the skill is installed and a minimal verification passes.Profil de l’actif
Agents de code et de développement
Code review, repo analysis, testing, CI, GitHub, DevOps, and developer workflow skills.
Scénario
GitHub automation
I need my agent to triage GitHub issues, review pull requests, and summarize repository changes.
Adéquation Agent
Claude Code + CLI + Codex
Compatible avec Codex, Claude Code, Cursor, CLI ou des Agents personnalisés.
Installer
Prêt
npx skills add mhawthorne/gza --skill gza-log-insights
Maintenance
À jour
3 jours depuis le dernier push
Risque
Revue nécessaire
Permission surface may require sandboxing
Qualité GitHub
11
57/100 Qualité · 67/100 Confiance
Tags de couverture
Notes de revue
Permission surface may require sandboxing · No critical security, quality, usefulness, or compliance issues found.
Carte d’adoption Agent
Confiance, audit et préparation à l’installation en un coup d’œil
Ces scores combinent les métadonnées publiques du dépôt, les signaux de revue OpenAgentSkill, la fraîcheur de maintenance et la préparation à l’installation. Ils servent à présélectionner et ne remplacent pas la revue humaine.
Qualité
PrometteurUseful candidate, but compare it with alternatives before adopting.
Confiance
Do not auto-installTrust Score v5 found insufficient evidence for agent installation. Treat this as discovery material, not an executable recommendation.
Audit
Revue nécessaireRevue lisible par machine de la préparation à l’installation, des métadonnées de sécurité, de la maintenance et du risque d’adoption.
Trust Score OpenAgentSkill v5
Revue humaine avant installation
Choose a stronger alternative or inspect the source manually before any install attempt.
Stars
11 stars GitHub
Activité du dépôt
11 stars et 1 forks
Maintenance
3 jours depuis le dernier push
Licence
MIT
Installer
npx skills add mhawthorne/gza --skill gza-log-insights
Sécurité d’installation
Chemin d’installation standard de package ou runtime
Surface de permissions
shell or command execution, filesystem or document access
Résultats Agent
Pas encore de données de résultats Agent
Documentation
Contexte README/SKILL.md solide
Résumé des risques
Revoir avant production
- No critical security, quality, usefulness, or compliance issues found.
- Low GitHub adoption signal
- Quality score needs review
- Permission surface needs review: shell or command execution, filesystem or document access
Préparation à l’installation
Chemin d’installation disponible
- Le chemin d’installation est disponible
- La preuve du dépôt est disponible
- La licence est déclarée
- Pas encore de preuve de résultat Agent-Proven
Métadonnées lisibles par Agent
Données de décision lisibles par machine pour ce skill.
Utilisez ce bloc ou le JSON intégré pour décider si un Agent doit installer ce skill, choisir une alternative ou demander d’abord une revue humaine.
View technical data+
Métadonnées lisibles par Agent
Données de décision lisibles par machine pour ce skill.
Utilisez ce bloc ou le JSON intégré pour décider si un Agent doit installer ce skill, choisir une alternative ou demander d’abord une revue humaine.
Tâches adaptées
- workflows Browser automation
- Équipes Claude Code
- builders willing to evaluate younger projects
- Navigate pages
Agents adaptés
Décision d’installation
- Commande
- npx skills add mhawthorne/gza --skill gza-log-insights
- Politique
- Revoir
- Revue humaine
- Oui
Confiance et risque
- Confiance
- 59/100
- Audit
- 73/100
- Niveau de risque
- Revue nécessaire
Boucle de résultat
- Endpoint
- /api/agent/outcome
- ID d’événement
- resolve
- Résultats
- 5
Commande d’installation
npx skills add mhawthorne/gza --skill gza-log-insightsNe pas utiliser quand
- Équipes qui nécessitent un SLA soutenu par le fournisseur
- production agents without a repository review
- Low GitHub adoption signal
- No critical security, quality, usefulness, or compliance issues found.
- Indices de permissions à haut risque : exécution shell ou de commande
Sécurité Agent v2
41/100 · Éviter l’installation automatique
Sparse or mixed signals. Useful for discovery, but not for autonomous installation.
Test manually in an isolated workspace and compare against safer alternatives.
Élevé
Exécution shell ou de commande
Les métadonnées de la skill font référence à des workflows de terminal, CLI, shell, sous-processus ou exécution de commande.
Moyen
Accès réseau
La skill récupère probablement des pages distantes, API, dépôts ou services externes.
Moyen
Accès au système de fichiers
La skill peut lire ou écrire des fichiers de projet, documents, artefacts générés ou l’état local de l’espace de travail.
Moyen
Accès à la base de données
La skill peut inspecter des schémas, interroger des bases de données ou travailler avec des stockages persistants.
- Indices de permissions à haut risque : exécution shell ou de commande
- Permission surface may require sandboxing
Plan de résolution Agent
Laissez un Agent vérifier la pertinence avant l’installation.
L’API Resolve renvoie la skill sélectionnée, des alternatives, la politique de sécurité, les notes d’audit, la cible d’installation et un prompt prêt à l’emploi.
Ouvrir JSON
/api/agent/resolve?task=Use%20gza-log-insights%20for%20an%20agent%20workflow&agent=codex&max_risk=medium
Texte Resolve
/api/agent/resolve?task=Use%20gza-log-insights%20for%20an%20agent%20workflow&agent=codex&max_risk=medium&format=text
Relais d’installation
/api/skills/mhawthorne-gza-log-insights/install
L’Agent doit vérifier
- Task fit and alternatives from Resolve API.
- Audit score, trust score, and safety policy warnings.
- Install target compatibility for Codex, Claude Code, Cursor, or CLI.
Copier le prompt
Task: Use gza-log-insights in this workspace.
Resolve first: https://www.openagentskill.com/api/agent/resolve?task=Use%20gza-log-insights%20for%20an%20agent%20workflow&agent=codex&max_risk=medium
Review install handoff: https://www.openagentskill.com/api/skills/mhawthorne-gza-log-insights/install
Install command: npx skills add mhawthorne/gza --skill gza-log-insights
Before running it, summarize audit warnings, required permissions, and the fallback skill if install is risky.Relais Agent
Donnez à l’Agent le chemin d’installation, pas un autre annuaire.
Utilisez le point de terminaison public pour récupérer la commande, la checklist, les prompts et les liens canoniques.
Relais d’installation
/api/skills/mhawthorne-gza-log-insights/install
Format texte LLM
/api/skills/mhawthorne-gza-log-insights/install?format=text
Trouver des alternatives
/api/skills/search?q=gza-log-insights&limit=3
Prompt Agent
Use gza-log-insights for this task. Review https://www.openagentskill.com/api/skills/mhawthorne-gza-log-insights/install, then install with: npx skills add mhawthorne/gza --skill gza-log-insightsMétadonnées Registry
Profil lisible par Agent pour la sélection automatique de skills.
L’API Registry fournit les signaux de décision, confiance, audit, cas d’usage et installation sans analyser l’interface.
Manifest
/api/registry/manifest/mhawthorne-gza-log-insights
Texte LLM
/api/registry/manifest/mhawthorne-gza-log-insights?format=text
Alias d’installation
/api/registry/install/mhawthorne-gza-log-insights
Recommander
/api/registry/recommend?task=Use%20gza-log-insights%20in%20an%20agent%20workflow&limit=3
Adéquation Agent
Browser automation
Tags de cas d’usage
Plateformes
Claude Code
Rapport d’audit
Revue nécessaire · 73/100
Revue lisible par machine de la préparation à l’installation, des métadonnées de sécurité, de la maintenance et du risque d’adoption.
Panneau de décision Agent
Needs validation for Browser automation
Do a manual repository review before adding this to an agent workflow.
Rôle dans la pile
Validation nécessaire
Pertinence principale
Browser automation
Libellé de confiance
Revue manuelle nécessaire
Chemin d’installation
Commande prête
À utiliser lorsque
- workflows Browser automation
- Équipes Claude Code
- builders willing to evaluate younger projects
Preuves
- recent repository activity
- install command or GitHub repo available
- profil qualité 57/100
- 2 événements OpenAgentSkill
revoir d’abord
- Low GitHub adoption signal
- No critical security, quality, usefulness, or compliance issues found.
Chemin d’implémentation
- 1Installez-le dans un Agent en sandbox et exécutez une tâche de Browser automation de bout en bout.
- 2Compare output quality, latency, and failure behavior against at least one alternative.
- 3Promote it into production only after reviewing repository permissions, license, and maintenance signals.
Profil de confiance
Do not auto-install
Trust Score v5 found insufficient evidence for agent installation. Treat this as discovery material, not an executable recommendation.
Adoption GitHub
Corriger11 stars GitHub
Activité stars/forks
Corriger11 stars et 1 forks; l’activité des issues n’est pas disponible dans les métadonnées actuelles
Maintenance récente
Validé3 jours depuis le dernier push
Clarté de licence
ValidéMIT
Signaux positifs
- Revue IA approuvée
- Le chemin d’installation est disponible
- La preuve du dépôt est disponible
- Dépôt maintenu récemment
- La commande d’installation ne présente aucun motif de haut risque évident
- La boucle de résultats est prête mais nécessite la première exécution réelle de l’Agent
Réviser avant installation
- No critical security, quality, usefulness, or compliance issues found.
- Low GitHub adoption signal
- Quality score needs review
- Permission surface needs review: shell or command execution, filesystem or document access
- GitHub adoption: 11 GitHub stars
- Stars/forks activity: 11 stars, 1 forks; issue activity unavailable in current metadata
- Permission surface: shell or command execution, filesystem or document access
- Pas encore de rapports de résultats Agent réels
- Une revue humaine est requise avant une installation sans surveillance
Action recommandée
Choose a stronger alternative or inspect the source manually before any install attempt.
Profil qualité
Prometteur candidat pour les workflows Agent
Useful candidate, but compare it with alternatives before adopting.
Adéquation au workflow
Utilisez cette skill dans ces scénarios
Operate web apps
Browser automation
I need my agent to control a browser, fill forms, and verify web app workflows.
Investigate faster
Research agents
I need my agent to research a topic, compare sources, and produce a concise report.
Automate repeated work
Workflow automation
I need my agent to automate a repeated workflow across tools and files.
Adéquation au workflow
Ajouter à un workflow complet
Turn skills into distribution
Content growth agent
A workflow for turning newly indexed skills into SEO briefs, social drafts, comparison pages, and reusable publishing workflows.
Operate and verify web apps
Browser QA agent
A workflow for agents that navigate products, fill forms, take screenshots, and verify real user flows across web applications.
Find, compare, and synthesize
Research report agent
A workflow for agents that gather sources, compare claims, summarize long material, and draft useful research briefs.
Liste d’alternatives
Comparer avant installation
Similar skills that may fit this task.
UI-TARS Desktop
Run multimodal agents that operate desktop interfaces
MoneyPrinterTurbo
利用AI大模型,一键生成高清短视频 Generate short videos with one click using AI LLM.
Cua
Open-source infrastructure for Computer-Use Agents. Sandboxes, SDKs, and benchmarks to train and evaluate AI agents that can control full desktops (macOS, Linux, Windows).
Vue d’ensemble
--- name: gza-log-insights description: Analyze gza run logs to find recurring anti-patterns, wasted effort, and suggest AGENTS.md or workflow improvements allowed-tools: Read, Bash(uv run python -c:*), Bash(wc:*), Bash(ls:*), Bash(head:*), Bash(tail:*) version: 1.0.0 public: false ---
# Gza Log Insights
Analyze gza execution logs to find recurring anti-patterns, wasted compute, and actionable improvements. This skill scans task transcript logs (`*.log`) and paired ops logs (`*.ops.jsonl`), aggregates patterns across many runs, and produces recommendations for AGENTS.md updates, prompt improvements, or workflow changes.
## Process
### Step 1: Locate and inventory logs
Find the log directory and count available logs:
```bash uv run python -c " from gza.config import load_config cfg = load_config() log_dir = cfg.get_log_dir() print(str(log_dir)) " ```
Then list and count: ```bash ls <log_dir> | wc -l ```
If no logs exist, report that and stop.
### Step 2: Run the analysis script
Run the following comprehensive analysis across all log files. This script extracts patterns from the JSONL log format (where each line is a JSON entry with types: system, assistant, user, result).
```bash uv run python -c " import json, os, re, sys from collections import Counter, defaultdict from pathlib import Path
from gza.config import load_config cfg = load_config() log_dir = cfg.get_log_dir()
log_files = sorted(log_dir.glob('*.log')) ops_log_files = sorted(log_dir.glob('*.ops.jsonl')) if not log_files: print('No log files found.') sys.exit(0)
# --- Counters --- bare_commands = Counter() # commands missing 'uv run' failed_bash = Counter() # bash commands that failed git_errors = Counter() # git-specific errors tool_distribution = Counter() # overall tool usage skill_errors = Counter() # failed skill executions import_errors = Counter() # Python import errors file_too_large = 0 # Read tool file-too-large errors no_module_pytest = 0 # 'No module named pytest' sqlite_not_found = 0 # sqlite3 not available worktree_git_errors = 0 # git fails in cleaned-up worktrees test_runs_per_log = [] # (filename, count) for test-heavy logs result_subtypes = Counter() # success vs error_max_turns etc costs = [] # per-log costs high_cost_logs = [] # logs with cost info repeated_patterns = Counter() # any command run 5+ times in a single log
BARE_PREFIXES = ['gza ', 'pytest', 'mypy ', 'python ']
for logfile in log_files: tool_uses_in_log = {} # tool_use_id -> command test_runs = 0 bash_cmds_in_log = Counter() fname = logfile.name
with open(logfile) as f: for line in f: line = line.strip() if not line: continue try: entry = json.loads(line) except (json.JSONDecodeError, ValueError): continue
etype = entry.get('type', '')
# --- System init: skip ---
# --- Assistant messages: extract tool calls --- if etype == 'assistant': msg = entry.get('message', {}) for c in msg.get('content', []): if c.get('type') == 'tool_use': tool = c.get('name', '') inp = c.get('input', {}) tid = c.get('id', '') tool_distribution[tool] += 1
if tool == 'Bash': cmd = inp.get('command', '').strip() tool_uses_in_log[tid] = cmd bash_cmds_in_log[cmd[:80]] += 1
# Check bare commands for prefix in BARE_PREFIXES: if cmd.startswith(prefix) and not cmd.startswith('uv run'): bare_commands[cmd[:100]] += 1
# Count test/lint runs if 'pytest' in cmd or 'mypy' in cmd: test_runs += 1
# --- User messages: extract tool results --- if etype == 'user': msg = entry.get('message', {}) for c in msg.get('content', []): if c.get('type') != 'tool_result': continue tid = c.get('tool_use_id', '') is_err = c.get('is_error', False) content = str(c.get('content', ''))
# Skill errors — 'Execute skill: X' with is_error=True is NORMAL # in headless mode (skill loaded successfully). Only count as # error if the content indicates a real failure (e.g. 'Unknown skill'). if is_err and 'skill' in content.lower(): if 'Execute skill' in content: pass # Normal headless behavior, not an error elif 'Unknown skill' in content: skill_name = content.split('Unknown skill:')[-1].strip()[:40] if 'Unknown skill:' in content else content[:60] skill_errors[skill_name] += 1 else: skill_errors[content[:60]] += 1
# File too large if 'exceeds maximum allowed' in content: file_too_large += 1
# Specific error categories if 'not a git repository' in content: worktree_git_errors += 1 if 'sqlite3: command not found' in content: sqlite_not_found += 1 if 'No module named pytest' in content: no_module_pytest += 1 if 'ImportError' in content: idx = content.find('ImportError') import_errors[content[idx:idx+80]] += 1
# Failed bash commands if tid in tool_uses_in_log: cmd = tool_uses_in_log[tid] exit_match = re.search(r'Exit code (\d+)', content[:30]) if exit_match and exit_match.group(1) != '0': short = cmd[:60] failed_bash[short] += 1 if cmd.strip().startswith('git'): git_errors[short] += 1
# --- Result entry --- if etype == 'result': result_subtypes[entry.get('subtype', '?')] += 1 cost = entry.get('total_cost_usd', 0) if cost: costs.append(cost) high_cost_logs.append((fname, cost, entry.get('num_turns', 0)))
if test_runs > 0: test_runs_per_log.append((fname, test_runs))
# Repeated commands in single log for cmd, count in bash_cmds_in_log.items(): if count >= 5: repeated_patterns[cmd] += 1
# ========== OUTPUT ========== print('=' * 70) print('GZA LOG INSIGHTS REPORT') print(f'Analyzed {len(log_files)} transcript logs and {len(ops_log_files)} ops logs') print('=' * 70)
# Section 1: Outcome summary print('\n## Task Outcomes') for st, count in result_subtypes.most_common(): print(f' {st}: {count}') if costs: print(f' Total spend: \${sum(costs):.2f} across {len(costs)} tasks') print(f' Average cost: \${sum(costs)/len(costs):.2f}/task')
# Section 2: Bare commands if bare_commands: print(f'\n## Bare Commands (missing uv run) — {sum(bare_commands.values())} total') print('These commands were invoked without \"uv run\" prefix, which may fail in') print('environments without the package installed globally.') for cmd, count in bare_commands.most_common(15): print(f' {count}x: {cmd}')
# Section 3: Git errors if worktree_git_errors or git_errors: print(f'\n## Git Errors — {worktree_git_errors} "not a git repository" + {sum(git_errors.values())} failed git commands') print('Includes stale worktrees, missing repos, and other git failures.') for cmd, count in git_errors.most_common(10): print(f' {count}x: {cmd}')
# Section 4: Missing tools/modules missing = [] if no_module_pytest: missing.append(f'\"No module named pytest\": {no_module_pytest} occurrences') if sqlite_not_found: missing.append(f'\"sqlite3: command not found\": {sqlite_not_found} occurrences') if file_too_large: missing.append(f'Read tool file-too-large errors: {file_too_large} occurrences') if import_errors: for err, count in import_errors.most_common(5): missing.append(f'{err}: {count}x') if missing: print(f'\n## Missing Dependencies / Environment Issues') for m in missing: print(f' - {m}')
# Section 5: Skill resolution errors (not counting normal 'Execute skill' responses) if skill_errors: print(f'\n## Skill Resolution Errors — {sum(skill_errors.values())} total') print('Note: \"Execute skill: X\" with is_error=True is normal in headless mode.') print('Only \"Unknown skill\" and other genuine failures are counted here.') for skill, count in skill_errors.most_common(): print(f' {count}x: {skill}')
# Section 6: Test-heavy logs (potential loops) heavy = [(f, c) for f, c in test_runs_per_log if c >= 8] if heavy: print(f'\n## Test-Heavy Runs (8+ test/lint invocations — possible loops)') for fname, count in sorted(heavy, key=lambda x: -x[1])[:10]: print(f' {count} runs: {fname[:70]}')
# Section 7: Repeated commands within single logs if repeated_patterns: print(f'\n## Repeated Commands (same command 5+ times in one session)') for cmd, num_logs in repeated_patterns.most_common(10): print(f' in {num_logs} log(s): {cmd}')
# Section 8: Failed bash commands if failed_bash: print(f'\n## Most Common Bash Failures — {sum(failed_bash.values())} total') for cmd, count in failed_bash.most_common(15): print(f' {count}x: {cmd}')
# Section 9: Cost outliers if high_cost_logs: expensive = sorted(high_cost_logs, key=lambda x: -x[1])[:5] print(f'\n## Most Expensive Runs') for fname, cost, turns in expensive: print(f' \${cost:.2f} ({turns} turns): {fname[:60]}')
# Section 10: Tool distribution print(f'\n## Tool Usage Distribution') for tool, count in tool_distribution.most_common(): print(f' {tool}: {count}')
print() " ```
### Step 3: Read AGENTS.md for current guidance
Read the project's AGENTS.md to understand what instructions agents already have. This helps identify gaps — patterns in the logs that aren't addressed by existing documentation.
### Step 4: Synthesize recommendations
Based on the analysis, produce actionable recommendations in these categories:
#### A. AGENTS.md Updates For each anti-pattern found in logs, suggest a specific line to add to AGENTS.md that would prevent the issue. Examples:
- If bare `pytest`/`mypy`/`gza` commands are common: > Add to AGENTS.md: "Always use `uv run pytest`, `uv run mypy`, `uv run gza` — never bare commands. The project uses uv for dependency management."
- If git worktree errors are frequent: > Add to AGENTS.md: "When running in a worktree, verify git works before running git commands. If the worktree's .git file is stale, do not attempt git init or repair — report the issue instead."
- If `python -m pytest` is used instead of `uv run pytest`: > Add to AGENTS.md: "Use `uv run pytest` (not `python -m pytest` or bare `pytest`). The uv tool manages the virtual environment."
- If sqlite3 is used directly: > Add to AGENTS.md: "Do not use the `sqlite3` CLI — it may not be installed. Use `uv run python -c 'from gza.db import ...'` to query the database."
- If the Read tool hits file-too-large errors:
Détails techniques
- Version
- 1.0.0
- Licence
- MIT
- Dernière mise à jour
- 21 août 2026
- Publié
- 21 août 2026
Instantané de décision
Validation nécessaire
recent repository activity
Audit
Revue d’installation
Revue d’installation et d’adoption
- Sécurité
- 74/100
- Maintenance
- 100/100
- Installer
- 92/100
Preuves validées par Agent
Preuves validées par Agent
Rapports après resolve, revue, installation et une exécution limitée.
- Taux de réussite
- —
- Échec récent
- —
- Résultats
- 0
- Qualité de sortie
- —
- Échecs
- 0
- Non pertinent
- 0
- Installations
- 0
- Bloqué par le risque
- 0
- Configuration requise
- 0
- Production
- 0
Aucune donnée de résultat Agent pour l’instant. La première exécution peut signaler succès, besoin de configuration, blocage de risque, échec ou non-pertinence via /api/agent/outcome.
Installer
Ajouter au workflow Agent
Gratuit et open source. Examinez le rapport avant l’installation dans des Agents de production.
Boucle de croissance
Kit de partage
Brouillon guidé par scénario pour gza-log-insights, prêt pour une publication manuelle sur X.
gza-log-insights: Analyze gza run logs to find recurring anti-patterns, wasted effort, and suggest AGENTS.md or... 11 stars https://www.openagentskill.com/skills/mhawthorne-gza-log-insights?ref=x
Réponse facultative avec commande d’installation
Listing + install path for gza-log-insights: https://www.openagentskill.com/skills/mhawthorne-gza-log-insights?ref=x Install: npx skills add mhawthorne/gza --skill gza-log-insights
Source de la fiche
Indexé par Registry
Cette fiche a été indexée à partir de sources publiques et n’est pas marquée officielle tant qu’une revendication de mainteneur n’est pas approuvée.
- Créateur
- mhawthorne
- Source
- mhawthorne/gza
- Indexé par
- Index communautaire OpenAgentSkill
L’attribution renvoie au dépôt public ou au profil du créateur. Les créateurs peuvent revendiquer la fiche pour mettre à jour les signaux de propriété.
Revendiquer ce skillRevendication du propriétaire
Revendiquer cette fiche de skill
Cette fiche Indexé par Registry est attribuée à mhawthorne, mais n’est pas encore marquée officielle. Revendiquez-la pour ajouter un signal de propriétaire vérifié et rendre les futures mises à jour de lancement, d’installation et d’audit plus fiables.
Kit de backlinks créateur
Ajoutez les badges de preuve à votre README
Affichez la fiche canonique, les signaux actuels de confiance et d’audit, ainsi que de vraies preuves Agent-Proven là où les développeurs évaluent le dépôt.
[](https://www.openagentskill.com/skills/mhawthorne-gza-log-insights)
[](https://www.openagentskill.com/skills/mhawthorne-gza-log-insights)
[](https://www.openagentskill.com/skills/mhawthorne-gza-log-insights/audit)
[](https://www.openagentskill.com/skills/mhawthorne-gza-log-insights)Auteur
mhawthorne
@mhawthorne
Tags
Adéquation plateforme
Signaux de santé
- Stars GitHub
- 11
- Score de qualité
- 31/100
- Dernier push GitHub
- 21 août 2026
- Indications de framework
- Inconnu
- Vues OpenAgentSkill
- 2
- Copies d’installation
- 0
- Clics sortants
- 0
Signal de communauté
Indiquez si ce skill semble utile à votre workflow Agent. Les retours agrégés améliorent le classement au fil du temps.
Confiance et sécurité
Do not auto-install
- Adoption GitHub11 stars GitHubCorriger
- Activité stars/forks11 stars et 1 forks; l’activité des issues n’est pas disponible dans les métadonnées actuellesCorriger
- Maintenance récente3 jours depuis le dernier pushValidé
- Clarté de licenceMITValidé
- Complétude README/SKILL.mdLes métadonnées incluent suffisamment de contexte d’usage et de workflowValidé
- Risque dépendances/runtimecommand execution surface, database surfaceInfo
Skills associés
UI-TARS Desktop
Run multimodal agents that operate desktop interfaces
37.0K StarsMoneyPrinterTurbo
利用AI大模型,一键生成高清短视频 Generate short videos with one click using AI LLM.
88.5K StarsCua
Open-source infrastructure for Computer-Use Agents. Sandboxes, SDKs, and benchmarks to train and evaluate AI agents that can control full desktops (macOS, Linux, Windows).
21.4K Stars