Un CLI Python sans dépendances pour créer et répertorier des pull requests GitHub, vérifier le statut des commits et envoyer un fichier unique via la Git Data API.
Installer & Télécharger
1. ClawHub CLI
Le moyen le plus rapide d'installer une compétence directement depuis le registre.
npx clawhub@latest install github-workflow-integration
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 github-workflow-integration 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 Intégration des workflows GitHub ?
L’intégration des workflows GitHub est un wrapper léger en ligne de commande pour certaines opérations de la GitHub REST API. Conçu pour Python 3.8+, il utilise uniquement la bibliothèque standard. Il permet de créer et répertorier des pull requests, d’interroger le statut combiné des commits et d’envoyer un fichier unique selon la séquence de la Git Data API : blob → tree → commit → ref. Les utilisateurs d’Openclaw Skills peuvent automatiser ces workflows sans installer Git, GitHub CLI ni paquets Python tiers.
L’authentification utilise un Personal Access Token fourni par l’utilisateur et lu depuis GITHUB_TOKEN lors de l’exécution de la commande. Le jeton n’est ni enregistré ni affiché. Les opérations d’écriture peuvent être prévisualisées avec --dry-run ; avant toute modification à distance, les utilisateurs doivent confirmer le dépôt, la branche et le message cibles. Il s’agit d’une intégration spécialisée, et non d’un client GitHub généraliste.
Cas d'utilisation de Intégration des workflows GitHub
- Créer une pull request depuis un script sans installer le CLI
gh. - Répertorier les pull requests ouvertes et renvoyer leurs numéros, titres, branches et URL.
- Vérifier le statut combiné d’un commit ou d’un ref afin d’examiner les résultats du CI.
- Envoyer un fichier local vers une branche distante depuis une tâche CI ou un environnement restreint à l’aide de la Git Data API.
- Prévisualiser une requête d’écriture avec
--dry-runavant de modifier l’état du dépôt. - Utiliser les opérations de la GitHub REST API dans un environnement Python sans dépendances tierces.
Comment fonctionne Intégration des workflows GitHub
- Vérifiez que
GITHUB_TOKENest défini. S’il manque, le CLI se termine avec le code 2 et fournit des instructions de configuration au lieu de tenter une requête non authentifiée. - Exécutez la commande appropriée avec le
owner\/repocible et les options requises :pr create,pr list,statusoupush-file. - Pour les opérations d’écriture, exécutez d’abord la commande avec
--dry-runet confirmez le dépôt, la branche et le message avant d’envoyer la requête réelle. - Le CLI Python envoie la requête à la GitHub REST API. Pour l’envoi d’un fichier unique, il crée un blob, un tree et un commit, puis met à jour le ref cible.
- Examinez le résultat : les appels réussis renvoient des informations lisibles, comme le numéro ou l’URL d’une PR, l’état du statut ou le SHA du commit. Les erreurs d’API et de réseau sont signalées séparément.
- Gérez les codes de sortie :
0indique une réussite,1une erreur d’API ou de réseau et2une erreur d’utilisation ou l’absence du jeton. Un 401 peut signaler un jeton expiré ou une portée insuffisante ; un 404 peut indiquer un dépôt ou une branche incorrects.
Configuration de Intégration des workflows GitHub
Prérequis
- Python 3.8 ou version ultérieure.
- Aucun paquet Python tiers, installation de Git ou installation de GitHub CLI n’est nécessaire.
- Un GitHub Personal Access Token (PAT) disposant de la portée
reporequise pour les opérations visées. Ce skill utilise l’authentification PAT, et non OAuth.
Configurer l’authentification
Créez un PAT dans GitHub, sous Settings → Developer settings → Personal access tokens, puis fournissez-le via la variable d’environnement GITHUB_TOKEN. Ne versionnez pas le jeton et ne l’incluez pas dans la sortie des commandes.
export GITHUB_TOKEN="<your-personal-access-token>"
python3 scripts\/gh_workflow.py pr list --repo owner\/repo
Exécuter des commandes
Utilisez le point d’entrée scripts\/gh_workflow.py du skill. Pour les opérations d’écriture, prévisualisez d’abord la requête et vérifiez la cible demandée avant d’exécuter la commande sans --dry-run.
python3 scripts\/gh_workflow.py pr create --repo owner\/repo --title "Fix bug" --head fix --base main --body "details" --dry-run
python3 scripts\/gh_workflow.py status --repo owner\/repo --ref main
python3 scripts\/gh_workflow.py push-file --repo owner\/repo --path .\/local.txt --message "add local.txt" --branch main
Schéma de données et taxonomie de Intégration des workflows GitHub
Le skill est un CLI sans état : il ne définit ni base de données locale, ni fichiers de métadonnées générés, ni stockage de jetons. Les entrées sont des arguments de ligne de commande et les résultats sont écrits dans un format lisible par l’utilisateur.
| Élément | Détails |
|---|---|
| Point d’entrée | scripts\/gh_workflow.py |
| Environnement d’exécution | Python 3.8+ ; bibliothèque standard uniquement |
| Authentification | Variable d’environnement GITHUB_TOKEN, lue au moment de l’appel |
| Identifiant du dépôt | owner\/repo |
| Commandes | pr create, pr list, status, push-file |
| Simulation | --dry-run prévisualise la structure de la requête sans l’envoyer |
| Sortie | Détails de la PR, état du statut, SHA du commit ou informations d’erreur |
| Codes de sortie | 0 réussite ; 1 erreur d’API/réseau ; 2 erreur d’utilisation ou jeton manquant |
Pour push-file, le workflow de la Git Data API crée un blob, construit un tree, crée un commit et met à jour un ref. Le jeton n’est ni écrit sur le disque, ni consigné dans les journaux, ni affiché.
Fonctionnalités avancées de Intégration des workflows GitHub
- Accès à l’API sans dépendances : utilise les fonctions réseau de la bibliothèque standard Python, sans paquets tiers ni sous-processus.
- Envoi d’un fichier unique via la Git Data API : écrit un fichier dans une branche distante selon la séquence blob → tree → commit → ref, utile lorsqu’un push Git classique est impossible.
- Prévisualisations en simulation : examinez la structure de la requête avant d’envoyer les opérations d’écriture prises en charge.
- Limite d’authentification explicite : exige un PAT créé par l’utilisateur dans
GITHUB_TOKEN; ne lance pas OAuth et n’ouvre pas de navigateur. - Gestion des erreurs exploitable : distingue les erreurs d’API/réseau des erreurs d’utilisation et d’absence de jeton, avec des codes de sortie adaptés aux scripts.
- Périmètre ciblé : couvre la création et la liste des PR, le statut combiné des commits et l’envoi de fichiers uniques. Ne gère ni les merges, ni les commentaires de revue, ni les releases, ni le déclenchement de workflows, ni l’installation de GitHub App.
- Adapté à Openclaw Skills : fournit un composant compact de workflow GitHub pour les scripts et tâches CI où il est important de limiter les dépendances et d’éviter le stockage persistant des identifiants.
SKILL.md
Chargement
Compétences Openclaw associées
llms-generator
Générez un guide de projet structuré selon LLMs.txt v2 pour aider les agents d’IA à découvrir et à comprendre votre projet.
Budget de tokens de contexte
Estimez l’utilisation du contexte d’IA et appliquez un budget de tokens en mode échec fermé avant qu’un prompt ne dépasse sa limite.
Matrice des risques ISO 14971
Un assistant CLI Python pour noter les risques liés aux dispositifs médicaux, examiner les options de maîtrise de l'ISO 14971:2019 et vérifier l'exhaustivité du fichier de gestion des risques.
Base Gas
Base Gas provides live and historical network fee data to estimate transaction costs, compare chains, and decide when to transact.
The Yard
La compétence The Yard permet à un bot OpenClaw de rejoindre le forum de discussion de Stackyard réservé aux bots pour lire, publier, répondre et voter via HTTPS.
Générateur de squelette de Skill
Générez en une seule commande Python un point de départ structuré pour une AI skill alignée sur LGD, comprenant SKILL.md, AGENTS.md et des répertoires cibles.