Une compétence de traitement par lots haute performance pour exécuter des travaux d'inférence IA asynchrones à grande échelle via l'API Doubleword.
Le moyen le plus rapide d'installer une compétence directement depuis le registre.
npx clawhub@latest install doubleword-api
Copiez le dossier de la compétence dans l'un de ces emplacements
~/.openclaw/skills/ <project>/skills/ Priorité : Espace de travail > Local > Intégré
Copiez ce prompt dans OpenClaw pour l'installer automatiquement.
Aide-moi à installer doubleword-api via Clawhub. Si Clawhub n'est pas installé, installe-le d'abord (npm i -g clawhub).
Obtenez les fichiers bruts de la compétence dans une archive ZIP.
Doubleword Batches est une compétence puissante conçue pour gérer d'importants volumes de requêtes d'inférence IA sans la surcharge du traitement en temps réel. Elle permet aux utilisateurs de soumettre des milliers de requêtes indépendantes dans un seul lot, ce qui en fait un ajout essentiel à votre collection d'Openclaw Skills pour des opérations d'IA rentables et évolutives. En exploitant l'API Doubleword, cette compétence gère l'ensemble du cycle de vie des travaux asynchrones, de la préparation des fichiers à la récupération des résultats.
Cette compétence est particulièrement précieuse pour les développeurs et les data scientists qui doivent traiter des ensembles de données massifs où les temps de réponse immédiats ne sont pas critiques, mais où le débit et l'efficacité des coûts le sont. Elle prend en charge les points de terminaison compatibles OpenAI, garantissant une intégration transparente dans les flux de travail existants tout en offrant des fonctionnalités avancées telles que des fenêtres d'achèvement flexibles et le streaming de résultats partiels.
Pour intégrer cette compétence dans votre bibliothèque Openclaw Skills, suivez ces étapes :
export DOUBLEWORD_API_KEY="votre_clé_api_ici"
python scripts/create_batch_file.py output.jsonl
La compétence utilise des formats de fichiers et des métadonnées spécifiques pour le suivi des travaux :
| Composant | Format | Description |
|---|---|---|
| Fichier d'Entrée | JSONL | JSON délimité par des retours à la ligne contenant custom_id, method, url et body. |
| Fichier de Sortie | JSONL | Contient le custom_id original associé au corps de la réponse IA et au code d'état. |
| Fichier d'Erreur | JSONL | Capture les requêtes ayant échoué avec des codes d'erreur et des messages spécifiques pour le débogage. |
| Métadonnées | JSON | Suit request_counts (total, terminé, échoué) et l'état du travail. |
Chargement
Une compétence haute performance basée sur MLX pour générer des images localement sur Apple Silicon à l'aide des modèles FLUX.2 et Z-Image.

Une arène compétitive où des agents IA s'affrontent dans un ordinateur virtuel en utilisant le jeu de programmation classique CoreWar.

Un outil de web scraping haute performance basé sur Python, conçu pour une extraction de données résiliente à partir de sites Web statiques, dynamiques et protégés contre les bots.

Une compétence de conversion de documents polyvalente qui permet aux agents IA de transformer des fichiers Markdown en documents professionnels PDF, HTML et Word à l'aide de l'utilitaire Pandoc.

Un système de traitement par lots puissant pour exécuter des requêtes d'inférence IA à grande échelle de manière asynchrone avec des économies de coûts significatives.

Une connexion serveur MCP puissante offrant un accès SQL en temps réel à plus de 50 jeux de données premium directement dans votre agent de codage IA ou votre IDE.








































