/install coolskill-builder
CoolSkill Builder
将任意资源转化为标准化、零依赖、跨生态兼容的 Skill 模块。
核心原则
- 零依赖:impl.py 仅使用 Python 标准库白名单模块(详见 references/spec.md)
- 极致省 Token:内部变量 1-2 字符,零注释,短路求值,列表推导优先
- 版本隔离:每个 Skill 全局唯一 ID
{domain}-{func}-{rand3},Semver 递增,历史版本只读 - 跨生态兼容:manifest.json 声明 OpenAI Function / Claude Tool / HTTP 三种调用格式
6 步工作流
收到资源后,严格按以下顺序执行:
Step 1: 解析资源
提取以下信息,整理为结构化需求:
| 字段 | 说明 |
|---|---|
| 功能意图 | 该 Skill 的核心功能是什么 |
| 输入 schema | 参数名、类型、是否必填、默认值 |
| 输出 schema | 返回值结构、成功/错误格式 |
| 边界规则 | 长度限制、取值范围、异常场景 |
| domain | 功能领域(data, text, web, file, api, calc...) |
如果用户提供的是:
- 自然语言描述 → 自行推导输入输出 schema,必要时反问确认
- 代码片段 → 提取函数签名、参数、返回值,转化为 run() 接口
- API 文档 → 将 endpoint 映射为 run() 入参,response 映射为返回值
- GitHub 仓库 → 提取核心逻辑,重写为标准库实现
Step 2: 生成 4 文件
基于解析结果,生成以下文件。详细模板见 references/file-templates.md。
skill.yaml(元数据)
- 键名压缩:
v替代 version,d替代 description,src替代 source,pf替代 platforms,props.dom替代 domain,props.st替代 status meta.id使用scripts/generate_skill_id.py生成,或按{domain}-{func}-{rand3}规则meta.src标记来源:github|registry|custom|apischema.in/schema.out为 JSON Schema 格式perms按需声明:net(网络)、fs(文件系统)、env(环境变量)、exec(执行命令)
impl.py(零依赖实现)
- 固定签名:
def run(a):其中a为 dict - 固定返回:
{'s': 'ok|err', 'd': result, 'e': error_string} - 导入行只保留实际使用的模块
- 内部变量/函数 1-2 字符(
_e=raise,_j=json.dumps,_p=json.loads,_h=hash,_t=time,_u=url,_f=file,_s=string,_m=math) - 零类型提示、零文档字符串、零注释
- 统一单引号;分号连接相关语句;列表推导替代 for
- 字典访问用
d['k'],除非需要默认值才用.get() - 错误处理:
try/except包围全部逻辑,r['s']='err';r['e']=str(x) - 禁止
if __name__=='__main__'之外的任何 I/O(测试/调试代码除外)
test.py(隔离测试)
- 首行:
sys.path.insert(0, os.path.dirname(os.path.abspath(__file__))) - 从
impl import run,禁止相对导入其他 Skill - 测试类
T提供a()(断言)、r()(运行并断言)、x()(汇总退出) - 用例覆盖:t1 正常输入、t2 必填缺失、t3 类型错误、t4 边界值、t5 异常恢复
- 性能测试可选:检查运行时间是否超过阈值
manifest.json(跨生态适配)
universal: entry=run, input=dict, output=dictopenai_function: name/description/parameters/strict=trueclaude_tool: name/description/input_schemahttp_api: POST /skill/{skill-id}, headers 含 X-Skill-Version
Step 3: 5 层安全校验
运行 scripts/security_scan.py \x3Cimpl.py> 执行自动扫描。任一失败则阻断,仅输出修复指令,不写入 Registry。
手工复核要点:
| 层级 | 规则 | 自动扫描 | 人工复核 |
|---|---|---|---|
| L1 依赖扫描 | 仅标准库白名单 | ✅ | 检查 import 行 |
| L2 注入检测 | 禁止 eval/exec/os.system/subprocess | ✅ | 检查危险调用 |
| L3 密钥检测 | 禁止硬编码 API Key/Token | ✅ | 检查常量字符串 |
| L4 网络边界 | perms 无 net 则禁止 urllib/http/socket | ✅ | 核对 perms 声明 |
| L5 信息泄露 | 禁止返回 traceback/os.environ/密钥 | ✅ | 检查错误返回内容 |
详细规则见 references/security-rules.md。
阻断后行为:
- 输出失败层级和具体问题
- 给出修复指令(原生代码重写/安全等价实现/参数化/脱敏)
- 返回 Step 2 重新生成
- 不执行 Step 4-6
Step 4: 原生测试
在隔离进程中执行 test.py:
cd registry/{skill-id}/{version} && python test.py
- 失败则阻断,返回修复指令
- 通过标准:
ALL_OK输出,F=0 - 测试进程必须独立,不加载其他 Skill 模块
Step 5: 版本隔离注册
生成/获取 Skill ID
首次生成:
- 运行
python scripts/generate_skill_id.py {domain} {func} - 或按
{domain}-{func}-{rand3}规则自行生成
迭代生成:
- 读取
registry/index.json找到该 ID 的最新版本 - 按规则递增:修复→Patch+1, 功能变更→Minor+1, 破坏性重构→Major+1
写入 Registry
registry/
├── index.json
└── {skill-id}/
└── v{version}/
├── skill.yaml
├── impl.py
├── test.py
└── manifest.json
更新 index.json:
- 添加/更新该 skill-id 的 versions 记录
- 更新 latest 指向
- 时间戳使用 ISO8601 格式
详细格式见 references/registry-format.md。
Step 6: GitHub 同步(可选)
检测环境变量:
GITHUB_TOKEN: GitHub Personal Access TokenGITHUB_REPO: 格式owner/repo
若缺失:输出 [CONFIG REQUIRED] 提示,继续本地注册。
若存在:使用 urllib.request + base64 + json 推送 4 文件到 skills/{skill-id}/{version}/。
同步代码模板(零依赖):
import urllib.request,json,os,base64
GH='https://api.github.com'
G=os.environ.get('GITHUB_TOKEN')
R=os.environ.get('GITHUB_REPO')
输出报告格式
所有 Skill 生成完成后,输出以下报告:
=== SKILL REPORT ===
ID: {skill_id}
Name: {name}
Version: {version}
Domain: {dom}
--- skill.yaml ---
{yaml}
--- impl.py ---
{code}
--- test.py ---
{code}
--- manifest.json ---
{json}
--- SECURITY ---
L1: PASS/FAIL {detail}
L2: PASS/FAIL {detail}
L3: PASS/FAIL {detail}
L4: PASS/FAIL {detail}
L5: PASS/FAIL {detail}
--- TEST ---
P {pass} F {fail}
{case list}
--- REGISTRY ---
Local: registry/{skill_id}/{version}/ (isolated)
Latest: {version}
History: [v1.0.0, v1.0.1, ...]
--- CROSS-PLATFORM CALL ---
Kimi: import ...
OpenAI: function name={skill_name}
Claude: tool name={skill_name}
HTTP: POST /skill/{skill_id}
--- GITHUB ---
Status: PUSHED_or_SKIP
URL: {commit_url_or_none}
=== END ===
内部工具
| 脚本 | 用途 |
|---|---|
scripts/security_scan.py \x3Cimpl.py> |
L1-L5 安全扫描,输出 JSON |
scripts/generate_skill_id.py [dom] [func] |
生成全局唯一 Skill ID |
scripts/validate_impl.py \x3Cimpl.py> |
校验语法/run签名/返回格式/Token密度 |
参考文档
| 文件 | 内容 |
|---|---|
references/spec.md |
完整规格:零依赖、省Token、版本隔离、跨生态兼容 |
references/file-templates.md |
4 文件完整模板及跨生态调用示例 |
references/security-rules.md |
5 层安全校验详细规则 |
references/registry-format.md |
Registry 目录结构、索引格式、版本递增规则 |
关键约束速查
- 导入白名单:仅 sys,json,os,re,math,random,datetime,itertools,collections,typing,inspect,hashlib,base64,urllib.request,http.client,socket,ssl,time,uuid,string,warnings,traceback,io,csv,html.parser,pathlib,fnmatch,glob,copy,functools,enum,dataclasses,contextlib,builtins
- 固定签名:
def run(a):→{'s':'ok|err','d':result,'e':error} - 版本格式:Semver
{major}.{minor}.{patch},历史版本只读 - Skill ID:
{domain}-{func}-{rand3},全局唯一,生成后固定 - 阻断规则:L1-L5 任一失败、test.py 失败 → 阻断,不写入 Registry
- 生态兼容:必须输出 manifest.json(OpenAI/Claude/HTTP 三种格式)
- 确保已安装 OpenClaw(本地或 Docker 部署)
- 在对话框中输入安装命令:
/install coolskill-builder - 安装完成后,直接呼叫该 Skill 的名称或使用
/coolskill-builder触发 - 根据 Skill 的参数说明提供必要输入,即可获得结构化输出
CoolSkill Builder 是什么?
Skill 生成与治理节点。将任何资源(GitHub 仓库、API 文档、自然语言需求、代码片段) 转化为零外部依赖、极致省 Token、可被任意生态(Kimi/OpenAI/Claude/自研 Agent)直接调用的标准化 Skill。 触发条件:(1) 用户要求创建/生成/编写一个 Skill,(2) 用户提... 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件,目前累计下载 31 次。
如何安装 CoolSkill Builder?
在 OpenClaw 或 Claude Code 对话框中运行命令「/install coolskill-builder」即可一键安装,无需额外配置。
CoolSkill Builder 是免费的吗?
是的,CoolSkill Builder 完全免费,采用 MIT-0 许可证,可自由下载、安装和使用。
CoolSkill Builder 支持哪些平台?
CoolSkill Builder 跨平台运行,可在任意部署了 OpenClaw / Claude Code 的环境中使用(cross-platform)。
谁开发了 CoolSkill Builder?
由 fredtai(@fredtai)开发并维护,当前版本 v1.0.0。