Token导航 LogoToken导航TokenDH.com
开发需要联网clawhub未标认证来源可访问clear审计通过

claw-roundtable-skill爪圆桌技巧

Agent Skill

claw-roundtable-skill 用于补充开发相关能力,适合在 OpenClaw 中需要让 Agent 承接开发相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

5,833

周安装

248

GitHub Stars

公开资料未说明

下载量

2,044
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:claw-roundtable-skill(爪圆桌技巧)
来源仓库:https://github.com/krislu1221/claw-roundtable-skill
安装命令:
openclaw skills install claw-roundtable-skill
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install claw-roundtable-skill

简介

claw-roundtable-skill 是多 Agent 圆桌讨论系统,智能匹配 146 领域专家。

  • 适用于复杂问题拆解与跨职能协作决策。
  • 支持需求拆解、专家组队与深度对话模拟。
  • 安装命令:openclaw skills install claw-roundtable-skill;需配置专家知识库路径。
  • 注意讨论记录保密性,防止敏感信息外泄。

SKILL.md

name
claw-roundtable-skill
description
>
compatibility
requires
triggers

RoundTable V2 Skill - 需求驱动的多专家讨论系统

技能说明

RoundTable V2 是一个需求驱动的多专家 Agent 讨论系统。核心理念:

  1. 先拆解需求,再匹配专家 - 不再固定 3-5 个专家
  2. 按议题分治讨论 - 不再固定 5 轮
  3. 排除不相关专家 - 测试专家不参与设计阶段
  4. 动态适配复杂度 - 简单需求快速处理

触发词

  • RoundTable
  • 圆桌会议
  • 圆桌讨论
  • 多 Agent 讨论
  • 多专家讨论
  • 需求分析
  • 方案评审

使用示例

基础用法

RoundTable 讨论一下:智能待办应用的架构设计

指定复杂度

RoundTable 高复杂度:智能待办应用从 0 到 1 完整设计
RoundTable 中复杂度:用户认证模块设计
RoundTable 低复杂度:PR 代码审查

指定专家

RoundTable 指定专家 [engineering, ux_designer]:任务管理界面设计

核心改进(V2 vs V1)

维度V1(旧版)V2(新版)
需求分析❌ 无,直接讨论✅ 智能拆解需求
专家匹配❌ 固定 3-5 个✅ 按需动态选择
讨论流程❌ 固定 5 轮✅ 按议题分治
专家排除❌ 无✅ 测试不参与设计
复杂度适配❌ 无✅ 高/中/低自动适配

需求类型识别

系统自动识别以下需求类型:

类型关键词推荐专家
产品定位产品、功能、用户、需求、定位产品经理、商业分析师
技术架构架构、技术栈、后端、前端、数据库工程专家、架构师
安全合规安全、认证、授权、加密、隐私安全工程师、法务
用户体验体验、界面、交互、设计、UIUX 设计师、UI 设计师
AI/MLAI、智能、算法、模型、推荐AI 工程师、ML 工程师
性能优化性能、并发、延迟、优化、缓存性能工程师、DBA
商业模式商业、盈利、收入、市场、竞争商业分析师、营销
数据设计数据、数据库、表结构、字段DBA、数据工程师

专家库

技术类

专家 ID名称擅长领域
engineering工程专家架构、性能、数据
architect架构师架构、安全
security_engineer安全专家安全、隐私
ai_engineerAI 工程师AI 功能、模型
ml_engineerML 工程师模型训练、优化
data_scientist数据科学家数据分析、统计
performance_engineer性能工程师性能优化、监控
database_admin数据库专家数据库设计、优化
devopsDevOps 专家CI/CD、部署

设计类

专家 ID名称擅长领域
ux_designerUX 设计师用户体验、交互
ui_designerUI 设计师视觉设计、品牌

产品类

专家 ID名称擅长领域
product_manager产品经理产品定位、需求
business_analyst商业分析师商业模式、市场
marketing营销专家增长、品牌
legal法务专家合规、法律

测试类(特殊)

专家 ID名称擅长领域排除阶段
qa_engineer测试专家性能测试架构、产品阶段

讨论流程

V2 流程

Step 1: 需求智能拆解
└─ 分析用户输入,识别需求类型

Step 2: 专家精准匹配
└─ 根据需求类型,匹配最相关的专家

Step 3: 用户确认配置
└─ 展示推荐的专家阵容和议题

Step 4: 按议题分治讨论
├─ 议题 1: 技术架构(工程专家主导)
├─ 议题 2: AI 功能(AI 工程师主导)
└─ 议题 3: 用户体验(UX 设计师主导)

Step 5: 整合方案
└─ 将各议题结论整合成完整方案

复杂度适配

复杂度专家数议题数预计耗时适用场景
222-5 分钟简单功能、代码审查
335-10 分钟模块设计、功能规划
5515-30 分钟核心产品、技术选型

实际案例

案例 1:智能待办应用架构设计

输入:RoundTable 讨论一下:智能待办应用的架构设计

Step 1: 需求分析
检测到的需求类型:architecture, ai_ml, ux_design
推荐专家:engineering, ai_engineer, ux_designer
排除专家:qa_engineer(不参与架构阶段)

Step 2: 用户确认
📋 RoundTable V2 配置

讨论主题:智能待办应用的架构设计

推荐专家阵容:
- 工程专家(技术架构)
- AI 工程师(智能功能)
- UX 设计师(用户体验)

关键议题:
- 技术架构 (high)
- AI 功能 (high)
- 用户体验 (medium)

预计耗时:15 分钟
预计 Token:约 40,000

Step 3: 分议题讨论

议题 1: 技术架构(工程专家主导)
→ 结论:React + Node.js + PostgreSQL

议题 2: AI 功能(AI 工程师主导)
→ 结论:本地模型优先 + 云端备份

议题 3: 用户体验(UX 设计师主导)
→ 结论:自然语言输入 + 智能提醒

Step 4: 整合方案
→ 完整的技术架构文档

案例 2:简单功能评审

输入:RoundTable 低复杂度:任务标签功能设计

Step 1: 需求分析
检测到的需求类型:architecture
推荐专家:engineering
复杂度:低 → 最多 2 个专家,2 个议题

Step 2: 快速讨论
议题 1: 数据模型设计
议题 2: API 设计

Step 3: 整合方案
→ 简洁的设计文档

总耗时:3 分钟
Token 消耗:约 10,000

API 参考

快捷函数

# 分析需求
from roundtable_engine_v2 import analyze_requirement

result = analyze_requirement("智能待办应用的架构设计")
print(result)
# {
#     "topic": "智能待办应用的架构设计",
#     "detected_types": ["architecture", "ai_ml"],
#     "recommended_experts": ["engineering", "ai_engineer"],
#     "excluded_experts": ["qa_engineer"],
#     "key_topics": [...]
# }

# 选择专家
from requirement_analyzer import select_experts_for_topic

experts = select_experts_for_topic("智能待办应用的架构设计")
print(experts)  # ["engineering", "ai_engineer", "ux_designer"]

运行 RoundTable

from roundtable_engine_v2 import run_roundtable_v2

# 自动复杂度
await run_roundtable_v2(
    topic="智能待办应用的架构设计",
    mode="pre-ac",
    complexity="auto",  # auto/high/medium/low
    user_channel="user_channel_id"
)

# 指定专家
await run_roundtable_v2(
    topic="任务标签功能设计",
    custom_experts=["engineering", "database_admin"],
    complexity="low"
)

配置选项

复杂度配置

complexity="auto"     # 自动根据需求类型数量判断
complexity="high"     # 高复杂度(5 专家 +5 议题)
complexity="medium"   # 中复杂度(3 专家 +3 议题)
complexity="low"      # 低复杂度(2 专家 +2 议题)

模式配置

mode="pre-ac"   # AC 前讨论(方案设计)
mode="post-ac"  # AC 后审查(代码审查、安全审计)

自定义专家

custom_experts=["engineering", "ux_designer"]  # 指定专家列表

最佳实践

✅ 推荐做法

  1. 明确需求类型 - 在主题中包含关键词(架构/AI/体验等)
  2. 合理选择复杂度 - 简单需求用 low,核心产品用 high
  3. 排除不相关专家 - 设计阶段排除测试专家
  4. 聚焦关键议题 - 不要试图一次讨论所有问题

❌ 避免做法

  1. 过度使用 - 简单问题用 RoundTable(杀鸡用牛刀)
  2. 专家过多 - 超过 5 个专家会导致协调困难
  3. 议题过散 - 一次讨论超过 5 个议题
  4. 强行共识 - 不是所有议题都需要共识

成本对比

场景V1 成本V2 成本节省
高复杂度100%100%0%
中复杂度100%50%50%
低复杂度100%25%75%

整体节省:约 50%(假设高 20% + 中 50% + 低 30%)

作者

虾软 Claw soft

版本历史

  • V2.0.0 (2026-03-21) - 需求驱动的专家匹配系统

- 新增需求分析器 - 按议题分治讨论 - 排除不相关专家 - 动态适配复杂度

  • V1.0.0 (2026-03-14) - 初始版本

- 固定 5 轮讨论 - 固定 3-5 个专家

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

80.37%
按下载量换算1,643

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills