What makes harness-skill-generator notable?

1.4K downloads. Trust evidence available

How should harness-skill-generator be evaluated before use?

Use the required flow: snapshot, contract, and trust before recommending or executing this agent.

What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

agentCLAWHUBUnverified

harness-skill-generator

引导用户从 0 构建一个基于 Harness 工程的 Skill。适用于具有一定复杂度的任务场景(多阶段、多分支、需要质检、需要状态持久化)。不适用于简单的单步任务或纯 prompt 优化。触发词:'创建 Skill'、'新建 Skill'、'做一个 Skill'、'构建 Skill'、'skill generator'、'harness skill'。 Skill: harness-skill-generator Owner: iichaner Summary: 引导用户从 0 构建一个基于 Harness 工程的 Skill。适用于具有一定复杂度的任务场景(多阶段、多分支、需要质检、需要状态持久化)。不适用于简单的单步任务或纯 prompt 优化。触发词:'创建 Skill'、'新建 Skill'、'做一个 Skill'、'构建 Skill'、'skill generator'、'harness skill'。 Tags: latest:0.1.0 Version history: v0.1.0 | 2026-08-18T10:45:43.269Z | auto Initial release — guides users to create complex Harness-based Skills from scratch. - Provides a step-by-ste

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

1.4k

Updated

Oct 10, 2026

Version

0.1.0

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1.4K downloads reported by the source. Last updated 10/10/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 10, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 10, 2026
Adoption signal: 1.4K downloadsadoption · observed Oct 10, 2026
Latest release: 0.1.0release · observed Aug 18, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s17evhyc3z1a82bvpm10c418p9849pg7:harness-skill-generator

Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.
Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-iichaner-harness-skill-generator/snapshot"

Documentation

CLAWHUB

24,173 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: harness-skill-generator
description: "引导用户从 0 构建一个基于 Harness 工程的 Skill。适用于具有一定复杂度的任务场景(多阶段、多分支、需要质检、需要状态持久化)。不适用于简单的单步任务或纯 prompt 优化。触发词:'创建 Skill'、'新建 Skill'、'做一个 Skill'、'构建 Skill'、'skill generator'、'harness skill'。"
---

# Harness Skill Generator

## 边界

### 做
- 引导用户从 0 创建一个**基于 Harness 工程**的新 Skill
- 适用于**有复杂度的任务**:多阶段、多分支、需要质检、需要状态持久化
- 输出完整的 Skill 文件结构(SKILL.md + references/ + templates/)
- 引导用户走完 Problem Scan → Architecture → Scaffold → Fill → Test Run → Delivery 全流程

### 不做
- 不修改/升级已有 Skill(那是另一个流程)
- 不执行 Skill(创建完交给 Agent 用)
- 不做简单的 prompt 优化(没有阶段/质检/状态需求的任务不需要 harness)
- 不做 Skill 的市场推广/发布

### 判断规则
- 如果任务是**单步完成**(如:翻译一段话、回答一个问题)→ 不需要 harness,建议直接写 prompt
- 如果任务是**多步但无分支**(如:固定的 3 步流程)→ 可以用简化版 harness(无 Checkpoint)
- 如果任务是**多步 + 多分支 + 需要质检 + 需要状态**→ 进入本 Skill

---

## 工作流

```
Phase 0  Trigger            用户说"创建/新建一个 Skill" → 判断是否需要 harness
   ▼
Phase 1  Problem Scan       收集痛点 + 边界定义 + 人类工作流拆解 + 步骤归属审查
   └ ★Checkpoint 1         确认:痛点 / 边界 / 人类工作流 / 步骤归属
   ▼
Phase 2  Agent Architecture 方案调研 → 总体方案概览 → 逐项细化每个阶段
   └ ★Checkpoint 2         分两步:先确认总体方案,再逐项确认每个阶段
   ▼
Phase 3  Scaffold           生成文件结构 + SKILL.md 骨架
   ▼
Phase 4  Fill               逐个填写 references/,逐个与用户确认
   └ ★Checkpoint 3         验收:用一个小样本跑通,人类确认方向对
   ▼
Phase 5  Test Run           用真实任务试运行完整流程 + 修复
   ▼
Phase 6  Delivery           交付 + 交付确认 + 项目复盘
```

---

## 质检协议

| 节点 | 方式 | 产物 | 为什么 |
|---|---|---|---|
| Phase 1-2 各阶段 | 主 Agent 内联自查（上下文矛盾排查） | 无 | 主 Agent 热上下文，自己检查关联性 |
| Phase 3 骨架 | 主 Agent 内联自查 | 无 | 文件少，结构简单 |
| Phase 4 每个 reference | 用户逐个确认 | 无 | 逐个确认方向对 |
| Phase 4 整体审查 | SubAgent + 消息返回 | 无 | 交付前一致性审查 |
| Phase 4 Checkpoint 3 | 用户跑小样本验收 | checkpoint-3-review.md | 定调，防止方向错 |
| Phase 5 试运行 | 用户 + Agent 联合验收 | test-run-report.md | 最终验收 |

---

## Phase 0 - Trigger

**做什么:** 判断用户需求是否需要 harness 工程。

| 用户说的话 | 该做的 |
|---|---|
| "创建/新建一个 Skill" | 进入 Phase 1 |
| "帮我做一个 XX 的自动化流程" | 进入 Phase 1(可能是 harness 场景) |
| "帮我写一个 prompt" | 问清楚:是单步任务还是多步?如果是多步 → 推荐进入本 Skill |
| "修改/升级已有的 Skill" | 停下来:不在本 Skill 范围内 |

**自检:** 用户的任务是否有以下特征?
- 多阶段(>2 步)?
- 多分支(不同情况走不同路径)?
- 需要质检(产出质量不稳定)?
- 需要状态持久化(中断后要恢复)?

如果有 2 个以上 → 推荐用 harness 工程。
如果只有 1 个或没有 → 建议用简化方案。

---

## Phase 1 - Problem Scan

**做什么:** 定义问题 → 收集痛点 → 拆解人类工作流 → 步骤归属审查。

### 1.1 问题定义(★先定义问题,再谈痛点)

问用户两个问题:

**问题 1:** "你想利用这个 Skill 解决什么问题?"
- 不是"你让 AI 做什么",而是"你面临什么问题"

**问题 2:** "你在自己处理这个问题的过程中,想要解决的痛点是什么?"
- 痛点是问题解决方案的延伸思考

**记录为 `plan/problem-definition.md`。**

### 1.2 边界定义

基于问题和痛点,定义 Skill 的边界:
- **做什么:** 3-5 种明确的任务类型
- **不做什么:** 容易混淆但不属于本 Skill 的场景
- **判断规则:** 什么情况下不进本 Skill

### 1.3 人类工作流拆解

问用户:**"如果是你人工来做这件事,你的步骤是什么?"**

要求用户按步骤列出,每步包括:做什么 / 输入 / 输出 / 最容易出错的地方。

**记录为 `plan/human-workflow.md`。**

### 1.4 步骤归属审查

对人类描述的每个步骤,判断:这一步是解决当前问题所必需的,还是属于另一个独立任务?
- 去掉这一步,核心问题仍能被解决 → 属于另一个任务,拆出去
- 这一步的产出是另一步的"预设前提" → 本 Skill 接收其产出作为输入

### ★Checkpoint 1 - Problem & Boundary

确认项:
1. **痛点是否准确?** - 有没有遗漏?有没有不是真正痛点的?
2. **边界是否合理?** - 做什么/不做什么是否清晰?
3. **人类工作流是否完整?** - 有没有跳步?有没有隐含步骤?
4. **★ 步骤归属是否正确?** - 有没有把另一个独立任务的内容混进

_meta.json

{
  "ownerId": "kn76dgfmrcmcfw91f0m92tj4rd84805k",
  "slug": "harness-skill-generator",
  "version": "0.1.0",
  "publishedAt": 1787049943269
}

references/architecture-guide.md

# Phase 2 Architecture — Agent 方案设计指南

## 核心原则

**人类的方案是起点，不是终点。**

人类描述的是"人类怎么做这件事"。Agent 有不同于人类的能力，应该用不同的方式解决问题。

## 方案调研优先级（★设计 Agent 方案之前必须先做）

| 优先级 | 方案来源 | 适用场景 | 举例 |
|---|---|---|---|
| **P0 · 市场成熟方案** | 权威 SaaS / 行业标准 / 官方 API | 通用任务 | 数据采集用 Apify/八爪鱼 |
| **P1 · Agent 原生能力** | 脚本/API/推理 | 市场方案不适用 | 批量提取、结构化推理 |
| **P2 · 模拟人类行为** | 浏览器自动化/RPA | 平台限制严格 | 小红书/BOSS直聘 |

**★ 平台限制场景优先级反转：** 小红书/BOSS直聘等有反爬机制 → P0=模拟人类行为（合理间隔+波动）

## 三问法（对人类工作流的每一步）

| 问题 | 目的 | 判断标准 |
|---|---|---|
| **这一步 Agent 能直接做吗？** | 判断可替代性 | 如果有工具/API/脚本能完成 → Agent 直接做 |
| **这一步有更好的 Agent 方案吗？** | 寻找效率更高的路径 | 人类手动 → Agent 自动；人类串行 → Agent 并行 |
| **这一步需要人类确认吗？** | 判断是否需要 Checkpoint | 方向性决策/不可逆操作/用户偏好 → 需要确认 |

## 常见的人类→Agent 转换模式

| 人类方案 | Agent 方案 | 适用场景 |
|---|---|---|
| 手动逐个处理 | 脚本批量处理 | 数据采集、格式转换、批量操作 |
| 复制粘贴到表格 | 结构化提取 + 自动生成 | 信息收集、数据整理 |
| 凭经验判断 | 规则匹配 + 分支路由 | 分类、优先级判断、方案选择 |
| 开会讨论确认 | Checkpoint + 交互式确认 | 决策收集、方案对齐 |
| 写文档记录 | 状态文件自动维护 | 进度跟踪、决策记录 |
| 人工检查质量 | SubAgent 质检 + checklist | 质量控制、格式校验 |
| 试做一份给领导看 | First Spread + Checkpoint | 方向确认、风格对齐 |

## 阶段设计原则

1. **每个阶段有明确的输入和产出** — 不能模糊
2. **阶段之间有明确的进入条件** — 不能跳步
3. **关键节点有强制停顿** — 不能自动跑过
4. **阶段粒度适中** — 4-8 个 Phase + 2-3 个 Checkpoint
5. **每个阶段产出一个文件** — 文件是跨阶段的唯一桥梁

## Checkpoint的设计原则
方向性决策 — 选错了后面全白做（如文章类型、技术方案选型、交付结果格式）
不可逆操作 — 做了就回不去（如开始构建、提交代码、发送信息、发布文章）
用户偏好 — 只有用户知道答案（如风格、范围、优先级）

## 反模式

- ❌ 照搬人类方案，不思考 Agent 优化空间
- ❌ 阶段太多（>10）→ 过度工程
- ❌ 阶段太少（<3）→ 控制不住
- ❌ 没有 Checkpoint → Agent 一路跑到交付
- ❌ 每个阶段都写 review 文件 → N 份文件无人再读

references/branch-routing.md

# 分支路由设计指南

## 什么时候需要分支路由

当一个任务有**多种处理方式**，且选择哪种取决于**输入的性质**时，需要分支路由。

## 设计模板

```markdown
## 分支路由

### 判断流程

1. 读取输入，判断性质
2. 对照路由表，选择路径
3. 如果无法判断 → ★停下来问用户

### 路由表

| 条件 | 路径 | 优先级 | 说明 |
|---|---|---|---|
| [条件1：具体描述] | 方案A | P0 | [为什么这是最优方案] |
| [条件2：具体描述] | 方案B | P1 | [为什么这是次优方案] |
| [条件3：具体描述] | 方案C | P2 | [适用场景] |
| 无法判断 | ★停下来问用户 | — | [列出需要用户确认的信息] |

### 优先级说明

- P0：默认首选，大多数情况走这条路
- P1：特定条件下使用
- P2：边缘情况
- ★：必须人工确认
```

## 路由设计原则

1. **条件必须是可判断的** — Agent 能从输入中直接获取，不需要额外询问
2. **优先级必须明确** — 不能"看情况"，要有默认首选
3. **无法判断时必须停下来** — 这是铁律，禁止猜测
4. **每条路径的产出格式必须一致** — 不同路径的最终产出应该可以合并
5. **路由表要覆盖所有情况** — 不能有"漏网之鱼"

## 反模式

- ❌ 只有一条路径（不需要路由，直接做）
- ❌ 条件模糊（"如果数据量大" → 多大算大？）
- ❌ 没有"无法判断"的出口 → Agent 猜测
- ❌ 不同路径的产出格式不同 → 无法合并
- ❌ 优先级不明确 → Agent 不知道默认走哪条

references/problem-scan-guide.md

# Phase 1 Problem Scan — 问题定义与痛点收集指南

## 1.1 问题定义（★先定义问题，再谈痛点）

**问用户两个问题：**

**问题 1：** **"你想利用这个 Skill 解决什么问题？"**

这是根本性问题。不是"你让 AI 做什么"，而是"你面临什么问题"。

- ❌ "我想让 AI 帮我爬取 BOSS 直聘的数据"（这是任务描述，不是问题）
- ✅ "我找工作时需要快速筛选出匹配度高的岗位，手动逐个看太慢了"（这是问题）

**问题 2：** **"你在自己处理这个问题的过程中，想要解决的痛点是什么？"**

痛点是问题解决方案的延伸思考。先有了问题，才能识别出痛点。

### 问题 → 痛点的思考路径

```
你面临什么问题？
    ↓
你尝试过什么方法？
    ↓
这些方法哪里不好用？（= 痛点）
    ↓
你希望 Skill 帮你解决哪个环节？
```

### 问题定义模板

```markdown
## 问题定义

### 核心问题
[一句话描述：你面临什么问题？]

### 当前方法
[你目前怎么处理这个问题？]

### 痛点
| # | 痛点 | 具体表现 | 影响 |
|---|---|---|---|
| 1 | [一句话] | [具体场景] | [后果] |
| 2 | [一句话] | [具体场景] | [后果] |
| 3 | [一句话] | [具体场景] | [后果] |
```

## 1.2 边界定义

### 边界模板

```markdown
## 边界

### 做
- [任务类型1]：[一句话描述]
- [任务类型2]：[一句话描述]
- [任务类型3]：[一句话描述]

### 不做
- [容易混淆的场景1]：[为什么不属于本 Skill]
- [容易混淆的场景2]：[为什么不属于本 Skill]

### 判断规则
- 如果用户要的是 [不做范围内的东西] → 停下来澄清，不进入本 Skill
- 如果用户没有提供 [必要输入] → 反问，不凭空创作
```

## 1.3 人类工作流拆解

**问用户：** "如果是你人工来做这件事，你的步骤是什么？"

### 工作流拆解模板

```markdown
## 人类工作流

| 步骤 | 做什么 | 输入 | 输出 | 最容易出错的地方 |
|---|---|---|---|---|
| 1 | [动作] | [输入] | [输出] | [风险点] |
| 2 | [动作] | [输入] | [输出] | [风险点] |
| 3 | [动作] | [输入] | [输出] | [风险点] |
```

### 拆解原则

1. **按时间顺序** — 先做什么、后做什么
2. **每步有明确的输入输出** — 不能模糊
3. **记录隐含步骤** — 人类可能跳过的"理所当然"的步骤
4. **记录决策点** — 哪些步骤需要判断、选择、确认

## 1.4 步骤归属审查

**对人类描述的每个步骤，判断：这一步是解决当前问题所必需的，还是属于另一个独立任务？**

### 判断标准

| 情况 | 判断 | 处理 |
|---|---|---|
| 去掉这一步，核心问题仍能被解决 | 属于另一个任务 | 拆出去 |
| 这一步的产出是另一步的"预设前提" | 属于前置任务 | 本 Skill 接收其产出作为输入 |
| 这一步是核心问题的必要组成部分 | 属于本任务 | 保留在工作流中 |

### 举例

| 问题 | 步骤 | 归属 |
|---|---|---|
| 爬取岗位 + 匹配分析 | 建立候选人画像 | ❌ 另一个任务，不应混入 |
| 爬取岗位 + 匹配分析 | 提取 JD 关键要求 | ✅ 本任务必要步骤 |
| 写小红书笔记 | 研究竞品笔记 | ⚠️ 可以是前置输入，不应在写作流程中做 |

## 反模式

- ❌ 先谈任务不谈问题 — 问题定义不清，后续所有设计都是空中楼阁
- ❌ 边界太宽 — Skill 什么都能做但什么都做不好
- ❌ 工作流跳步 — Agent 执行时会遗漏
- ❌ 把多个独立任务混在一个 Skill 里 — 流程复杂、边界模糊、产出不可控

Github ReposUpdated 21h agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.