一个轻量级的内存优先级任务队列，旨在管理复杂的 AI Agent 工作流和任务编排。
安装与下载
1. ClawHub CLI
从源直接安装技能的最快方式。
npx clawhub@latest install gh-taskqueue
2. 手动安装
将技能文件夹复制到以下位置之一
~/.openclaw/skills/ <project>/skills/ 优先级：工作区 > 本地 > 内置
3. 提示词安装
将此提示词复制到 OpenClaw 即可自动安装。
请帮我使用 Clawhub 安装 gh-taskqueue。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。
更倾向于下载？
获取包含原生技能文件的ZIP压缩包。
什么是 gh-taskqueue？
gh-taskqueue 为 AI Agent 提供了一个强大的后端，通过内存优先级队列来管理工作负载。它类似于面向 AI 环境的轻量级 Celery，此 Openclaw Skills 集成允许开发人员通过特定的优先级和标签来组织任务，确保最关键的操作优先处理。
该技能基于 FastAPI 和 Pydantic 构建，提供简洁的 REST API，用于创建、领取和跟踪任务的整个生命周期。它在多 Agent 系统中特别有效，因为在该系统中，任务分配和状态监控对于保持运营效率和可靠性至关重要。
gh-taskqueue 应用场景
- 编排需要顺序或优先级执行的多步 AI Agent 工作流。
- 管理安全扫描或数据处理作业，确保高优先级任务排在最前面。
- 为多个 Agent 提供一个集中枢纽，用于领取和报告分布式工作项。
- 通过任务完成和失败统计数据实时监控 Agent 的工作效率。
gh-taskqueue 工作原理
- 用户或父级 Agent 初始化服务器，使其作为中央任务存储库。
- 通过 POST /v1/tasks 端点提交任务，并分配优先级（0-10）和描述性标签。
- Worker Agent 使用 /v1/claim 端点自动获取最高优先级的待处理任务。
- 当 Agent 完成工作后，将任务状态更新为完成或失败，并附带输出或错误日志。
- 开发人员使用统计和过滤端点监控整个流水线，以确保工作流的健康运行。
gh-taskqueue 配置指南
要开始使用此 Openclaw Skills 组件，请确保已安装 Python，然后设置环境：
# 使用 uv 安装依赖
uv pip install fastapi uvicorn pydantic
# 启动任务队列服务器
uvicorn taskqueue.app:app --port 8014
gh-taskqueue 数据架构与分类体系
任务队列使用结构化的 JSON schema 来组织每个任务的数据，从而实现轻松过滤和报告：
| 字段 | 类型 | 描述 |
|---|---|---|
| id | String | 任务的唯一 UUID |
| title | String | 任务的人类可读名称 |
| payload | Object | 任务执行所需的自定义数据 |
| priority | Integer | 优先级级别（数字越高越先处理） |
| status | String | 当前状态：pending、running、completed 或 failed |
| tags | Array | 用于基于类别过滤的元数据标签 |
| result/error | Object | 完成后的最终输出或错误消息 |
gh-taskqueue 高级特性
- 智能优先级领取：自动选择最重要的可用任务，防止出现瓶颈。
- 灵活的标签系统：允许按安全、前端或数据科学等特定领域对任务进行精细化过滤。
- 内存性能：低延迟操作，适用于快速响应的 AI Agent 交互。
- 实时统计：提供总数、待处理、运行中和失败任务数的即时可视化，以优化 Agent 扩展。
SKILL.md
加载中
Openclaw 相关技能
AI Daily Intelligence Digest
自动聚合多源新闻，生成 AI 驱动的深度见解，并将每日报告直接发布至飞书 (Feishu) Wiki。
Pipeworx Pokemon
一个零配置的 Model Context Protocol (MCP) 服务器，为 AI Agent 提供对 PokéAPI 数据库的直接访问，以获取 Pokémon 的属性、能力和进化数据。
pipeworx-poetry
一种专门的 Model Context Protocol skill，可将 AI 智能体连接到广泛的 PoetryDB API，实现无缝的诗歌检索和文学搜索。
精选*
