Eine lokale, eigenständige Engineering-Fertigkeit, die komplexe TypeScript-Fehler in einfaches Englisch übersetzt und chirurgische, sichere Typ-Korrekturen implementiert, ohne auf faule Typ-Unterdrückungen angewiesen zu sein.
Der schnellste Weg, einen Skill direkt aus der Registry zu installieren.
npx clawhub@latest install debug-typescript-error
Kopiere den Skill-Ordner an einen dieser Orte
~/.openclaw/skills/ <project>/skills/ Priorität: Workspace > Lokal > Integriert (Bundled)
Kopiere diesen Prompt in OpenClaw, um ihn automatisch zu installieren.
Hilf mir, debug-typescript-error über Clawhub zu installieren. Falls Clawhub nicht installiert ist, installiere es bitte zuerst (npm i -g clawhub).
Hole dir die rohen Skill-Dateien in einem ZIP-Archiv.
Die Debug TypeScript Error-Fertigkeit ist ein entwicklerorientiertes, lokales Dienstprogramm, das entwickelt wurde, um die Reibungsverluste bei der Lösung komplexer TypeScript-Compiler-Probleme zu eliminieren. Anstatt standardmäßig auf breite Typ-Unterdrückungen, unsichere Typ-Casts oder generische any-Deklarationen zurückzugreifen, leitet diese Fertigkeit einen AI-Agenten an, die exakte, kleinste Typ-Grenze zu lokalisieren, die den Fehler verursacht. Durch die Konzentration auf das Finden und Korrigieren der wahren Quelle der Wahrheit stellt sie sicher, dass Ihre Codebasis ihre Typsicherheitsintegrität beibehält.
Da sie als Teil des Openclaw Skills-Ökosystems vollständig lokal arbeitet, sind keine externen Verbindungen oder aufwändige Setups erforderlich. Sie erzwingt einen disziplinierten Debugging-Workflow, der Fehlerübersetzung, lokalisierte Ursachenisolierung, chirurgische Code-Updates und deterministische Verifizierung umfasst. Darüber hinaus enthält die Fertigkeit optionale Funktionen, um architektonisches Wissen zu erfassen oder über Ritual Cloud zu einem strukturierten Entscheidungs-Workflow für das gesamte Team zu skalieren.
any-Typen und nicht-null-Zusicherungen durch strenge Typ-Grenzen zu ersetzen.any, breite Typ-Casts und ! nicht-null-Zusicherungen werden systematisch abgelehnt, es sei denn, ein expliziter Kompromiss ist dokumentiert.tsc --noEmit, verifiziert.Diese Fertigkeit arbeitet vollständig im lokalen Standalone-Modus, ohne dass eine anfängliche Konfiguration erforderlich ist. Um ihre Fähigkeiten optional zu erweitern und eine Verbindung zu einem strukturierten Arbeitsbereichskontext herzustellen, können Sie das CLI-Tool installieren:
npm install -g @ritualai/cli
ritual init
ritual status
Die Fertigkeit kann optional wiederverwendbare Engineering-Erkenntnisse mithilfe des Open Knowledge Format (OKF) erfassen. Genehmigte Notizen werden systematisch als Markdown-Dateien mit strukturiertem YAML-Frontmatter im Repository gespeichert.
knowledge/engineering/<slug>.md
| Attribut | Beschreibung |
|---|---|
type |
Die Kategorie des erfassten Wissens (z. B. API-Konvention, Architektur-Entscheidung). |
title |
Ein prägnanter, einzeiliger Titel, der die Entdeckung zusammenfasst. |
description |
Eine einzeilige Erklärung dessen, was gelernt wurde und wann. |
resource |
Ein relativer Pfad, der auf die Datei oder den Nachweis verlinkt, die die Konvention begründet. |
tags |
Ein Array relevanter, durchsuchbarer Schlüsselwörter. |
timestamp |
Ein ISO 8601-konformer Datums-Zeit-String. |
Laden
Ein KI-gestützter lokaler Entwicklungs-Skill, der automatisch saubere, minimale und hochgradig realistische Storybook-Stories für Frontend-Komponenten generiert.

Eine automatisierte Entwicklungsfertigkeit, die API-Diffs auf Kompatibilität, Sicherheit und Schemaentwicklung überprüft und Änderungen als additiv, verhaltensändernd oder als Breaking Change klassifiziert.

Ein strukturierter Arbeitsablauf für KI-Agenten, um Systemleistungsprobleme mithilfe konkreter Telemetriedaten systematisch zu isolieren und einer Triage zu unterziehen.

Ein Local-First-Entwicklungs-skill, der dafür entwickelt wurde, React- und TypeScript-Komponenten mit minimalen, präzisen Änderungen auf Korrektheit, hook-Sicherheit, prop-Modellierung und Barrierefreiheit zu überprüfen.

Eine dedizierte Agent-Skill, die entwickelt wurde, um Ihre lokalen Agent-Workflows basierend auf echtem Ausführungsfeedback automatisch zu ändern, zu aktualisieren und zu optimieren.

Ein Local-First AI-Coding-Agent-Skill, der entwickelt wurde, um Datenbankmigrationen zu klassifizieren, Runtime-Produktionsrisiken aufzudecken und Zero-Downtime-Bereitstellungssequenzen zu empfehlen.








































