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

testhytesthy 自动化

Agent Skill

用于辅助测试设计、自动化测试、用例整理和回归验证。它适合让 Agent 编写单元测试、端到端测试、测试计划或根据失败日志定位问题。使用时需要确认项目测试框架、运行命令和夹具数据,避免为了通过测试而改坏真实逻辑;涉及浏览器或外部服务时,应区分本地模拟、测试环境和生产环境。

总安装

9,192

周安装

383

GitHub Stars

公开资料未说明

下载量

3,064
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:testhy(testhy 自动化)
来源仓库:https://github.com/azraelji/testhy
安装命令:
openclaw skills install testhy
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 testhy

简介

testhy 是一个基于 Claude Skills 框架构建的示例技能,支持以最少的集成工作调用自然语言工具。

SKILL.md

Claude Skills 开发框架架构指导手册

1. 项目概述 (Overview)

本框架基于 Anthropic Claude 的 Tool Use (Skills) 特性构建,旨在提供一个通过自然语言聊天即可调用各类底层工具的开发脚手架。 框架遵循高内聚、低耦合的设计原则,使开发者能够专注于“技能(Skill)”本身的编写,而无需过度关心 LLM 对话上下文、工具发现与函数执行的复杂逻辑。

2. 架构设计 (Architecture Design)

整个系统分为以下几个分层架构:

  • 交互层 (CLI/API Interface): 负责接收用户输入,展示 Agent 的回复或执行结果。main.py
  • 代理层 (Agent Layer): 负责维护对话历史、与 Claude API 交互,解析模型返回的 Tool Use 请求。core/agent.py
  • 注册与调度层 (Registry & Dispatcher): 维护系统中所有可用的 Skills(工具),向 LLM 声明这些工具的 JSON Schema,并根据 LLM 的指令找到对应的 Python 函数执行器。core/registry.py
  • 技能层 (Skills Layer): 具体的业务代码抽象类及实现,继承自统一的 BaseSkill。core/skill_base.py, skills/*

3. 核心模块说明 (Core Modules)

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

75.52%
按下载量换算2,314

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