What makes skill-sub notable?

1.8K downloads. Trust evidence available

How should skill-sub 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

skill-sub

调用链编排技能 — 既是调用链编辑器，也是粗粒度规划器。理解用户意图 → 规划 Skill 参与顺序 → 更新/保存/推荐调用链 → 拼接为调用链（支持循环/分支编排、子步骤拓扑排序、准确步骤计数）。 Skill: skill-sub Owner: ldxs001 Summary: 调用链编排技能 — 既是调用链编辑器，也是粗粒度规划器。理解用户意图 → 规划 Skill 参与顺序 → 更新/保存/推荐调用链 → 拼接为调用链（支持循环/分支编排、子步骤拓扑排序、准确步骤计数）。 Tags: blueprint:1.38.1, chain:1.38.1, editor:1.38.1, hook:1.38.0, latest:1.38.1, orchestration:1.38.1, planner:1.38.1, progressive-loading:1.38.1, skill-builder:1.38.1, step-index:1.38.1, usable:1.38.1 Version history: v1.38.1 | 2026-07-10T01:49:21.076Z | user v1.38.1 v1.38.0 |

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

1.8k

Updated

Oct 10, 2026

Version

1.38.1

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1.8K 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: 1.8K downloadsadoption · observed Oct 10, 2026
Latest release: 1.38.1release · observed Jul 10, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s1794v2r46s8y5d1r4jdd7ec5h84rw70:skill-sub

Setup complexity is classified as HIGH. You must provision dedicated cloud infrastructure or an isolated VM. Do not run this directly on your local workstation.
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-ldxs001-skill-sub/snapshot"

Documentation

CLAWHUB

157,178 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: skill-sub
slug: skill-sub
displayName: skill-sub
version: 1.38.1
author: wUwproject
license: MIT
description: 调用链编排技能 — 既是调用链编辑器，也是粗粒度规划器。理解用户意图 → 规划 Skill 参与顺序 → 更新/保存/推荐调用链 → 拼接为调用链（支持循环/分支编排、子步骤拓扑排序、准确步骤计数）。
sensitive_access: false
critical_write: false
permission_weight: MEDIUM
data_dir: ../.standardization/skill-sub/data/
tags: ['chain', 'orchestration', 'usable', 'skill-builder', 'progressive-loading', 'planner', 'editor', 'step-index', 'blueprint']
external_data_dir: true
trigger: ['加载用户配置（合并默认值 + 用户覆盖）', '用户需要识别依赖关系、并行机会，输出 AI 可执行的指令序列。', 'chain_executor.py - Chain Executor', '调用链执行引擎：根据调用链定义生成结构化执行计划']
trigger_negative: true
meta_field_sync: true
h1_position: true
create_permissions_md: true
trigger_quality: refine_triggers
trigger_danger: remove_dangerous
---
# skill-sub

## 约束

参数约束：skill-dir 绝对路径 20-260 字符，描述文本 ≤120 字。最大步骤数 30 层，粘连点占比上限 30%，依赖深度上限 10 层。


### 适宜场景 ✅

| 场景 | 说明 |
| ------ |------|
| 多 skill 编排 | 涉及 2 个及以上 skill，步骤间有明确依赖关系 |
| 可固化流程 | 流程稳定、可复现，不是一次性操作 |
| 跨步骤衔接 | skill 之间需要数据转换、人工审批、流程补全 |

### 不适宜场景 ❌

| 场景 | 原因 |
| ------ |------|
| 单 skill 任务 | 直接调 skill 本身即可，不需要调用链 |
| 一次性操作 | 调用链的价值在于复用，一次性工作不值得建链 |
| 无依赖的并行任务 | 多个独立任务应并行执行，不需要编排 |
| 高度动态的流程 | 每次执行步骤都不一样，粘连点也解决不了，直接 AI 手动处理 |

### 硬限制

| 限制项 | 值 | 说明 |
| -------- |-----| ------ |
| 最大步骤数 | 30 层（含嵌套） | 超过后校验器会告警，但不阻断执行 |
| 粘连点占比 | 30% | 超过告警，建议合并或补充 skill |
| 粘连点连续 | **禁止** | 连续缺口合并为一个粘连点 |
| 依赖深度 | 10 层 | 过深依赖链难以维护和排查 |
| 循环最大迭代 | 默认 10，可配置 | 超过按 on_max_iteration 处理 |

### 常见创建错误速查

| 报错信息 | 原因 | 解决方法 |
| --------- |------| --------- |
| 连续缺口应合并为一个粘连点 | 两个 adhesion 步骤相邻 | 合并为一个 adhesion，用 hybrid 方案覆盖全部缺口 |
| 粘连点占比超过 30% | adhesion 步骤太多 | 检查是否有 skill 可以替代 |
| 缺少 solutions | adhesion 步骤没有提供方案 | 至少加一个 manual 方案 |
| 依赖不存在的步骤 | depends_on 引用了无效索引 | 检查依赖步骤的 index 是否正确 |
| 引用的 skill 不存在 | skill_name 对应的 skill 未安装 | 检查 skill 名称是否正确 |
| 检测到定时/自动化意图，但未提供 --schedule | 描述中含"每天/每周/定时"等词但没给调度配置 | 添加 --schedule 参数，或删除描述中的时间相关词 |

> **强制规则**：用户描述中包含定时/自动化意图（如"每天"、"每周"、"自动执行"等）时，**必须**提供 `--schedule` 参数配置调度信息，否则链创建被拦截。 不依赖 AI 自觉判断。

## 触发条件

**正向触发：**
- 规划类：「帮我规划一下...」、「...的步骤是什么」
- 顺序类：「依次执行 A、B、C」、「先...再...」
- 链管理：「创建/查看/更新/删除调用链」
- 步骤搜索类：「搜索步骤」、「找步骤」
- 链健康检查：「检查链的健康状态」
- 仅涉及单个 skill 的简单任务

**否定条件：**
- 明确要求「不使用调用链」

## 触发场景
**正向触发**：
- chain_executor.py - Chain Executor v1.22.0
- 调用链执行引擎：根据调用链定义生成结构化执行计划，
- 识别依赖关系、并行机会，输出 AI 可执行的指令序列。
- 加载用户配置（合并默认值 + 用户覆盖）

**否定条件**：
- 简单问答、闲聊、问候（不需要本技能）
- 单步任务（不需要结构化执行）

## 核心能力

> 📚 **渐进式加载**：本技能采用渐进式 MD 体系，`SKILL.md` 为入口（≤230行），详细内容拆分到 `references/*.md` 按需加载。

| # | 功能 | 说明 |
| --- |------| ------ |
| 1 | **调用链管理** | 创建、查询、更新、删除调用链 |
| 2 | **执行计划生成** | 生成结构化执行计划，含并行/串行标记 |
| 3 | **条件执行** | 支持条件步骤，按条件判断是否执行 |
| 4 | **循环与分支编排** | 支持 for-each/while 循环和 if-else 分支 |
| 5 | **门禁系统** | 10 座 HARD 门禁串行阻断管线（chain_gate.py），HOOK-BLOCK 输出 |
| 6 | **步骤蓝皮书过期检测** | `search` 命令前置自动比对指纹，过期直接拒绝搜索 |
| 7 | **链私有蓝皮书基线校验** | 链创建时 snapshot 步骤接口，执行前自动校验

_meta.json

{
  "ownerId": "kn75zfd51df61ajdyqtgvrs1hx84s4q6",
  "slug": "skill-sub",
  "version": "1.38.1",
  "publishedAt": 1783648161076
}

references/adhesion.md

# 粘连点（Adhesion Point）机制

> **v1.25.0 新增**。粘连点是调用链中无法由 skill 自动化的缺口标记。

---

## 什么是粘连点

粘连点是调用链中一个特殊类型的步骤（`type: "adhesion"`），标记该位置无法由任何已安装 skill 自动完成。它不会阻断调用链，而是提供三种解决方案供 LLM 选择。

### 什么时候产生粘连点

| 场景 | 触发条件 | 行为 |
|------|---------|------|
| **链修正** | 执行链时发现步骤与真实 skill 不符，修正后仍报错 | 在该步骤位置打粘连点 |
| **链缺口** | 规划链时某步骤无对应 skill 可用 | 在缺失位置插入粘连点 |
| **流程缺口分析** | 规划阶段发现语义/流程/决策缺口 | 在天然断裂处打粘连点（见下方规则） |

### 三个核心原则

1. **链不断** — 粘连点标记不阻断调用链执行，LLM 按方案继续
2. **连接器，非替代品** — 粘连点是两个 skill 步骤之间的连接器，不是 skill 步骤的替代品。**禁止粘连点连粘连点**，连续缺口合并为一个粘连点
3. **不创建 Skill** — 解决方案是步骤描述级别，产生的脚本/产出物归数据目录管理
4. **自愈** — 每次使用含粘连点的链，主动检查是否有新 skill 可填补

---

## 缺口分析规则（规划阶段）

在创建调用链的步骤 3→4 之间插入流程缺口分析，按以下规则判断：

### 三种真实缺口

| 缺口类型 | 判断依据 | 应打粘连点？ | 方案优先级 |
|---------|---------|------------|-----------|
| **语义缺口** | Skill A 输出格式/内容 ≠ Skill B 期望输入 | ✅ 数据转换步骤 | hybrid |
| **流程缺口** | 用户任务中的某个环节无任何 skill 覆盖 | ✅ 补充缺失步骤 | auto / manual |
| **决策缺口** | 需要人工审批、判断、签字的节点 | ✅ 人工审批节点 | manual |
| **自然衔接** | Skill A 输出可直接作为 Skill B 输入 | ❌ 不打 | — |

### 禁止行为

| 禁令 | 说明 |
|------|------|
| ❌ 不要制造缺口 | 自然衔接的 skill 不打粘连点 |
| ❌ 不要粘连点连粘连点 | **连续缺口合并为一个粘连点** |
| ❌ 不要替代 skill | 能用 skill 完成的直接用 skill |
| ❌ 不要过度粘连 | 粘连点数量应远少于 skill 步骤数 |

### 判定示例

```text
用户需求：分析代码 → 生成报告 → 发送邮件

✓ 正确：
  步骤1: code-analysis (skill)        — 分析代码
  步骤2: report-generation (adhesion) — JSON→Markdown 语义缺口
  步骤3: email-send (skill)           — 发送邮件

✓ 连续缺口合并：
  步骤1: code-analysis (skill)
  → 步骤2: data-cleanup (缺失) — 两个连续缺失合并为一个粘连点
  → 步骤3: transform (缺失)    — 🔴 禁止！应为：
  步骤2: data-pipeline (adhesion, hybrid) — 覆盖清洗+转换的完整缺口
  步骤3: email-send (skill)

✗ 过度粘连：
  步骤1: code-analysis (skill)
  步骤2: report-generation (adhesion)  — ❌ 如果有 report skill 就不该打
  步骤3: email-send (skill)

✗ 粘连点连粘连点（禁止）：
  步骤1: code-analysis (skill)
  步骤2: manual-review (adhesion)      — ❌ 连续两个粘连点
  步骤3: data-transform (adhesion)     — ❌ 应合并为一个
  步骤4: email-send (skill)
```

---

## 三种解决方案

### ① 纯手工（manual）

LLM 直接手动执行步骤，不依赖脚本或新 skill。

```json
{"mode": "manual", "description": "人工审核报告", "constraints": "需关注数据准确性"}
```

**适用场景**：一次性、高度灵活的判断任务。

### ② 脚本化（auto）

通过自调用脚本工具执行，产生的脚本入数据目录管理。

```json
{"mode": "auto", "tool_name": "report-verify", "script_path": "scripts/verify.sh"}
```

**适用场景**：可标准化、重复执行的任务。

### ③ 混合（hybrid）

LLM 描述流程步骤 + 约束 + 自调用工具协同执行。

```json
{
  "mode": "hybrid",
  "llm_steps": "LLM 阅读报告并给出审核意见",
  "tool_steps": "脚本验证报告中的数字准确性",
  "integration": "LLM 分析文本，工具验证数字"
}
```

**适用场景**：需要智能判断 + 自动化执行的复合任务。

---

## 执行优先级

AI 执行粘连点步骤时，按以下优先级选择方案：

1. **hybrid** — 最优先，组合 LLM + 工具的最大能力
2. **auto** — 次优先，能脚本化就不手动
3. **manual** — 兜底，LLM 直接执行

---

## 自愈机制

每次加载含粘连点的调用链时，AI 执行自愈检查：

```
1. 扫描 skill 库（skill-sub 所在目录的兄弟目录）
2. 对每个粘连点，用 adhesion.reason 关键词搜索 SKILL.md
3. 找到匹配 → 将 adhesion 步骤升级为 skill 步骤
   - type 改为 "skill"
   - 填充 skill_name / action
   - 原 adhesion.solutions 写入 notes
4. 未找到 → 按原有 3 方案执行
```

也可手动触发：`python cha

references/antipatterns.md

# skill-sub 反模式

> 本文档收录 skill-sub 使用中的常见错误和正确做法。完整反模式示例见 `references/faq.md`。

---

## AP-01：把 skill-sub 编入调用链

**错误做法：**创建调用链时把 `skill-sub` 作为一个步骤加入。

```
步骤1: skill-sub → 规划
步骤2: xxx
```

**为什么错：**skill-sub 是编辑器/规划器，不是执行器。链需要的是"谁干活"，skill-sub 不干活。

**正确做法：**调用链只包含执行型 Skill（如 semantic-split、git-sync），不包含 skill-sub 本身。

---

## AP-02：为一次性任务创建调用链

**错误做法：**用户说「帮我查一下今天天气」，就创建一个"天气查询"调用链。

**为什么错：**调用链的价值是复用。一次性任务下次不会用到，反而积累垃圾链。

**正确做法：**判断任务是否有复用价值。以下信号表明值得创建链：
- 用户说「每次」「以后也」「下次」
- 涉及 ≥3 个 Skill 协作
- 有明确的输入→输出模式

---

## AP-03：跳过摘取阶段，直接写 action

**错误做法：**不读目标 Skill 的 SKILL.md，凭记忆写 action 描述。

```json
{"action": "执行安全审计"}  // 太模糊，实际执行时不知道具体做什么
```

**为什么错：**action 是执行时的唯一指引。不读 Skill 原文会导致遗漏关键步骤或用错指令名。

**正确做法：**执行阶段2摘取——读取目标 Skill 的 SKILL.md「工作流程」章节，摘取步骤名+关键动作+指令名。action 要包含具体的**做什么**（动词+对象+产出）。

---

## AP-04：把所有步骤都标为里程碑

**错误做法：**3 步的链，全标 `is_milestone: true`。

**为什么错：**里程碑=失败即中止。全标等于没有区分，任何一步失败都中止，丧失灵活性。

**正确做法：**用里程碑判断规则（关键词/瓶颈点/最终交付）自动判断，只对关键步骤标里程碑。非关键步骤用 `on_exhaust: ask` 或 `skip` 而非 `abort`。

---

## AP-05：依赖关系写错导致链无法执行

**错误做法：**
```json
{"index": 1, "depends_on": []},
{"index": 2, "depends_on": [3]},  // 依赖了后面的步骤！
{"index": 3, "depends_on": [1]}
```

**为什么错：**步骤2依赖步骤3，但步骤3在步骤2之后执行——死锁。

**正确做法：**`depends_on` 只能引用 `index` 小于自己的步骤。创建后用 `chain_executor.py validate` 检查。

---

> 更多反模式与正确做法 → `references/faq.md`

references/blueprint.md

# 步骤蓝皮书

skill-sub 将每个已安装技能的 SKILL.md 解析为结构化步骤蓝图，供搜索和链规划使用。

**硬约束：** search 命令自动比对指纹，过期直接拒绝搜索。
**LLM 提取路径：** check-fingerprint → prepare-llm-input → LLM → apply-blueprint
**Regex 兜底：** scan --force

Github ReposUpdated 9h 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.