Un assistant propulsé par AI conçu pour automatiser la gestion des erreurs, les stratégies de récupération et la tolérance aux pannes dans les systèmes de production.
Installer & Télécharger
1. ClawHub CLI
Le moyen le plus rapide d'installer une compétence directement depuis le registre.
npx clawhub@latest install cuihua-error-handler
2. Installation manuelle
Copiez le dossier de la compétence dans l'un de ces emplacements
~/.openclaw/skills/ <project>/skills/ Priorité : Espace de travail > Local > Intégré
3. Installation du prompt
Copiez ce prompt dans OpenClaw pour l'installer automatiquement.
Aide-moi à installer cuihua-error-handler via Clawhub. Si Clawhub n'est pas installé, installe-le d'abord (npm i -g clawhub).
Vous préférez télécharger ?
Obtenez les fichiers bruts de la compétence dans une archive ZIP.
Qu'est-ce que cuihua-error-handler ?
cuihua-error-handler est un outil spécialisé au sein de l'écosystème Openclaw Skills qui permet aux développeurs de construire des systèmes résilients et blindés. Il répond à la réalité courante où une mauvaise gestion des erreurs entraîne 80 % des problèmes en production. En détectant automatiquement les blocs try/catch manquants et en identifiant les erreurs ignorées, cette skill garantit que les échecs silencieux et les rejets non gérés (unhandled rejections) ne fassent plus planter vos services.
Au-delà de la simple détection, il aide les développeurs à implémenter des modèles sophistiqués tels que les circuit breakers, l'exponential backoff retries et la dégradation gracieuse. Cela garantit que votre application reste fonctionnelle même lorsque des dépendances tierces ou des services internes échouent, ce qui en fait un ajout essentiel pour ceux qui utilisent Openclaw Skills afin de maintenir une haute fiabilité.
Cas d'utilisation de cuihua-error-handler
- Analyse de répertoires entiers pour détecter les fonctions asynchrones manquant de blocs try/catch appropriés.
- Automatisation de la génération de types d'erreurs spécifiques au domaine et de logging structuré.
- Implémentation de modèles de circuit breaker pour prévenir les défaillances en cascade dans les microservices.
- Ajout d'une logique d'exponential backoff retry pour les appels réseau ou API externes fragiles.
- Création de solutions de repli (fallbacks) de dégradation gracieuse pour renvoyer des données mises en cache ou par défaut lors d'interruptions de service.
Comment fonctionne cuihua-error-handler
- L'agent Openclaw Skills scanne la base de code pour effectuer une analyse de couverture des erreurs, identifiant la logique non protégée.
- Il catégorise les risques en Critique, Moyen et Faible en fonction du contexte du code (par exemple, transactions financières vs logging).
- À partir des invites de l'utilisateur, l'agent injecte un code de gestion des erreurs sur mesure, incluant des classes d'erreurs personnalisées et une logique de validation.
- Il intègre des modèles de résilience avancés comme les mécanismes de retry et les circuit breakers basés sur la configuration fournie.
- Enfin, il génère un rapport de couverture complet pour suivre les améliorations de la fiabilité du système.
Configuration de cuihua-error-handler
Pour commencer avec cette skill, assurez-vous d'avoir installé Node.js. Vous pouvez configurer votre projet en créant un fichier .errorhandlerrc.json dans votre répertoire racine.
# Analysez la couverture de votre projet actuel
openclaw run cuihua-error-handler "Check error handling coverage in src/"
# Protégez un fichier ou une fonction spécifique
openclaw run cuihua-error-handler "Add error handling to getUserById in api/users.js"
Schéma de données et taxonomie de cuihua-error-handler
La skill gère ses opérations via un fichier de configuration et produit des rapports structurés comme suit :
| Composant | Description |
|---|---|
| .errorhandlerrc.json | Fichier de configuration principal pour les cibles de couverture, les modèles de retry et les classes d'erreurs personnalisées. |
| Rapport de couverture | Un résumé Markdown des fichiers analysés, du nombre de try/catch manquants et des recommandations basées sur le risque. |
| Erreurs personnalisées | Classes intégrées comme ValidationError, NotFoundError et ServiceUnavailableError pour des réponses structurées. |
| Modèles | Logique pour CircuitBreaker, retryWithBackoff et mécanismes de fallback. |
Fonctionnalités avancées de cuihua-error-handler
- Intégration CI/CD pour faire échouer les builds si la couverture de gestion des erreurs tombe en dessous d'un seuil défini.
- Détection intelligente du type d'erreur qui différencie les timeouts réseau, les erreurs HTTP et les échecs d'analyse JSON.
- Surveillance des circuit breakers avec seuils de taux d'échec et états de récupération automatique.
- Support multi-agents pour les politiques de gestion des erreurs à l'échelle de l'équipe.
- Génération automatique de rollback de transaction pour les erreurs liées aux bases de données.
SKILL.md
Chargement
Compétences Openclaw associées
Recherche de Produits (Édition LLM Agent)
Un outil d'analyse de marché avancé piloté par AI qui exploite Sorftime MCP et les agents LLM pour effectuer une recherche de produits Amazon multidimensionnelle et une évaluation de décision.
MOVA Connector Setup
Un puissant outil d'intégration qui remplace les sandbox mocks de MOVA par des données de production en direct provenant de vos propres systèmes métier.
Compétence d'Analyse de Projets d'Appels d'Offres
Un outil d'automatisation intelligent pour extraire les données d'appels d'offres d'Excel, les gérer via MySQL et générer des rapports de projet pertinents.
Markdown to Notion Sync Skill
Un moteur de synchronisation puissant qui convertit les fichiers Markdown locaux et les vaults Obsidian en pages de base de données Notion riches et structurées.
LiteBrowse Skill
LiteBrowse est une compétence de recherche de pages web spécialisée à faible consommation de Token, conçue pour extraire uniquement le contenu le plus pertinent des pages longues ou encombrées.
Context Stabilizer
Un outil puissant pour maintenir la cohérence des personnages, de l'univers et de l'intrigue dans les contenus de long format générés par l'IA.
En vedette*
