
de ohmyclaw51
Orchestre les flux de travail d'agents Plan→Travail→Révision avec un pont pour les notifications de canal en temps réel et le routage des modèles (GLM/GPT/Claude).
Fournit un harnais d'orchestration de bout en bout pour les agents OpenClaw utilisant un cycle Plan→Travail→Révision. Le harnais automatise le déploiement des agents, les transitions d'étape et un composant pont qui suit l'état de l'agent et émet des notifications de canal en temps réel. Il contient également des directives de routage des modèles afin que différentes tâches puissent être routées vers les variantes GLM/GPT/Claude (y compris GLM-5.1) en fonction de la langue et de la complexité de la tâche.
Utilisez cette compétence lorsque vous avez besoin de flux de travail multi-agents structurés : division du travail en phases de planification, d'exécution et de révision avec des notifications automatisées et une gestion des erreurs. Idéal pour l'automatisation de style CI, les tâches de codage multi-étapes, les pipelines de révision de code ou les audits orchestrés où le suivi d'état et l'escalade sont requis.
Le mieux adapté aux agents d'exécution OpenClaw qui supportent sessions_spawn et la sélection de modèles (familles GLM/Claude/GPT).
OpenClaw Harness est une compétence complète d'orchestration multi-agents avec un pipeline Plan→Work→Review, des notifications bridge, une gestion de pool de comptes avec round-robin OAuth et un routage de modèles. SKILL.md est détaillé (en coréen) avec des définitions d'agents et des tables de routage claires. Les scripts sont des outils CLI bien structurés avec une gestion appropriée des arguments, mais les 10 ont échoué lors du dry-run en isolation en raison de dépendances de configuration/répertoire manquantes — ce qui est attendu puisqu'ils nécessitent une installation complète du harness. Les sous-systèmes de pool de comptes et de bridge sont sophistiqués avec une logique de cooldown, de fanout et de détection d'écarts.
Compétence volumineuse (10 scripts) couvrant l'orchestration, les notifications et le pooling de comptes. Principes P1-P4 bien conçus. La boucle de détection d'écarts avec feedback automatique est innovante. Les scripts gèrent gracieusement l'absence de python3. La documentation exclusivement en coréen limite considérablement l'accessibilité.