Un cadre de développement rigoureux en 9 étapes et un système de validation conçus pour garantir que les AI agents produisent un code vérifié et de haute qualité au sein des dépôts GitHub.
Le moyen le plus rapide d'installer une compétence directement depuis le registre.
npx clawhub@latest install github-development-standard
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 github-development-standard 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.
Le Standard de Développement GitHub est un cadre complet piloté par une méthodologie, conçu pour maîtriser les modèles d'IA pendant le processus de développement. En imposant un cycle de vie structuré — allant de l'analyse de l'issue à la validation en quatre couches — il garantit que la qualité du code reste constante et prévisible. Cette entrée spécifique dans la bibliothèque Openclaw Skills se concentre sur la résolution de problèmes courants de codage par IA tels que la dérive du périmètre (scope creep), le manque de vérification et le refactoring non autorisé, ce qui en fait un outil essentiel pour les développeurs utilisant des AI agents.
La compétence dépasse la simple génération de code en mettant en œuvre une approche disciplinée : définir d'abord le problème, planifier la correction, exécuter le changement de code et effectuer une validation exhaustive avant toute version. Cela garantit que l'AI agent opère comme un ingénieur professionnel plutôt que comme un simple générateur de code.
Pour implémenter cela dans votre environnement, assurez-vous que le GitHub CLI est installé et configuré. Suivez les commandes de validation multi-couches pendant le processus de développement :
# Step 1: Syntax Validation
python3 -m py_compile path/to/your_script.py
# Step 2: Behavior Verification
python3 test_fix.py
# Step 3: Regression Testing
python3 -m pytest tests/
La compétence organise son flux de travail à l'aide d'une liste de contrôle d'acceptation de 15 points divisée en quatre domaines techniques :
| Domaine | Éléments | Focus |
|---|---|---|
| Cohérence des exigences | A1-A3 | Alignement avec les descriptions et objectifs de l'issue |
| Justesse technique | B1-B4 | Versionage, structures de données et intégrité logique |
| Validation des tests | C1-C4 | Syntaxe, imports, échantillons et régressions |
| Qualité de la version | D1-D4 | Taille du diff, notes de version et évaluation des risques |
Chargement
Un outil de recherche sémantique propulsé par l'AI pour découvrir des opportunités ecommerce, les points de douleur des acheteurs et les produits tendance directement à partir des discussions Reddit.

Une intégration spécialisée qui permet aux agents AI d'autoriser, de récupérer et d'analyser les métriques de santé et de performance de WHOOP v2.

Morning Radar est un outil d'intelligence automatisé pour Openclaw Skills qui collecte, filtre et envoie des briefings d'actualités personnalisés directement à votre espace de travail.

Un ensemble d'outils spécialisés permettant aux développeurs de créer des applications et des agents qui interagissent avec les contrats d'escrow Alkahest dans plusieurs langages de programmation.

Une skill d'AI dédiée fournissant des conseils empathiques et des ressources audio sélectionnées pour les utilisateurs souffrant d'insomnie et de difficultés de sommeil.

Un utilitaire propulsé par Python pour générer du texte descriptif pour l'imagerie animale basé sur des paramètres définis par l'utilisateur.








































