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

fluid-network-agent-lenovo联想流体网络 Agent

Agent Skill

fluid-network-agent-lenovo 用于辅助前端页面、组件、样式和交互逻辑开发,适合在 OpenClaw 中需要维护前端项目、生成组件或检查界面实现时使用。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

4,460

周安装

184

GitHub Stars

公开资料未说明

下载量

1,457
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:fluid-network-agent-lenovo(联想流体网络 Agent)
来源仓库:https://github.com/zebra6-web/fluid-network-agent-lenovo
安装命令:
openclaw skills install fluid-network-agent-lenovo
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 fluid-network-agent-lenovo

简介

从 TOML 读取稳态不可压缩流体网络,计算各节点压力与各管路流量/压差(可选速度),并按工况输出连通性与负载可靠性(PASS/FAIL)。当用户给出网络 TOML 或询问某工况下系统是否能正常工作时使用。

SKILL.md

description
从 TOML 读取稳态不可压缩流体网络,计算各节点压力与各管路流量/压差(可选速度),并按工况输出连通性与负载可靠性(PASS/FAIL)。当用户给出网络 TOML 或询问某工况下系统是否能正常工作时使用。

流体网络求解与可靠性报告

该 Skill 会从 TOML 里读取:

  • 节点:junction(未知压力)和 reservoir(固定压力)
  • 管路:阻力模型(linearquadratic),可选的 gating 用于表示阀门/故障开关
  • 工况:有限变量赋值(例如 valve_v1 = "open"/"closed"
  • 功能判据:由一个或多个负载节点组成的 PASS/FAIL 规则

然后对每个工况计算:

  • 节点压力与各管路流量/压差(需要几何信息时可给出速度)
  • 仅基于启用边的连通性,并按阈值判断负载/功能是否可靠(PASS/FAIL)

用户要做下面任意一件事时用这个 Skill:

  • 计算“各节点压力 / 各管路流量/流速 / 系统流路”
  • 提供流体网络 TOML,或要求把需求整理成 TOML
  • 需要对多个阀门/故障工况做对比,并判断“哪个工况能让哪个负载/功能工作”
  • TOML 文件路径;至少包含 nodesedgesscenarios / functions / analysis 可选但推荐。

如果用户没有提供 TOML,让 Agent 按 reference.md 的格式补全成可运行版本(参考 examples/example_network.toml)。

执行顺序

  1. 先确认用户想看什么:要不要按“工况”对比、以及每个负载/功能的阈值条件。
  2. 检查 TOML 字段是否齐全(缺什么就让用户补齐,或让 Agent 补齐最小可运行字段)。
  3. 跑计算:python scripts/run_fluid_network.py --input <toml_path> --format markdown(需要指定工况就加 --scenario <scenario_id>)。
  4. 失败就按报错定位字段/引用问题,并最多重试两轮。
  5. 输出 Markdown 报告,按工况给出连通性、各边结果和功能 PASS/FAIL。

输出格式

# Fluid Network Scenario Report

## Scenario: <id>
### Connectivity
- Reachable nodes from sources: ...
### Edge results
- <edge_id>: enabled=..., Q=... m3/s, v=... m/s|n/a, dP=... Pa, R_eff=...
### Function reliability
- <function_id>: PASS|FAIL
  - Load <load_node_id>: PASS|FAIL, connected=..., p=... Pa, flow=... m3/s

约定与假设(输出时保持一致)

  • Steady-state, incompressible, network-level mass balance at junction nodes.
  • Flow direction uses edge orientation: positive Q is from -> to.
  • Linear model: dP = R * Q. Quadratic model: dP = R * Q^2.
  • If an edge is scenario-disabled by gating, the solver multiplies its resistance by a large factor

to approximate a blocked pipe (and connectivity uses enabled=boolean).

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

83.75%
按下载量换算1,220

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