新闻详情

新闻详情

首页 / 资讯中心 / 详情

treg skill install 安装共享技能:SKILL.md 配方+密钥+工具三位一体完整指南

发布时间:2026/11/13 5:39:20来源:尧图网络
treg skill install 安装共享技能:SKILL.md 配方+密钥+工具三位一体完整指南
treg skill install 安装共享技能SKILL.md 配方密钥工具三位一体完整指南【免费下载链接】tregOpenRouter for agent tools. Join community here: https://discord.gg/6mQYYfFMAn项目地址: https://gitcode.com/GitHub_Trending/treg/tregtreg skill install一条命令把团队共享的技能三位一体拉进你的 AI 编程智能体——技能配方 SKILL.md 落到本地、API 密钥留在服务端、工具即插即用。treg 是面向 AI Agent 的工具注册中心3600 端点、97 家供应商本文将带你从零理解并上手这个共享技能体系无需在本地管理任何凭证。什么是三位一体技能在 treg 里一个完整的技能skill / bundle由三部分组成注册时原子性地打包在一起组件作用存放在哪里配方SKILL.md告诉 AI 智能体怎么用这个工具的操作手册你的智能体技能目录本地密钥secretsAPI Key / OAuth Token 等凭证仅存服务端只写不可读工具tools上游 API 的 base_url 凭证绑定团队组织内共享关键设计密钥永远不会下发到你机器。队友把凭证和技能注册进团队后你的智能体只需拿到配方文件调用时由 treg 代理在服务端注入密钥并忠实转发请求。这就是 SKILL.md 配方、密钥、工具三位一体的含义——本地只有一份无敏感的说明书能力却完整可用。快速上手5 步装好 treg 技能先装好 CLI 并登录只需一次详见 src/treg/web/skill.mdcurl -fsSL https://treg.to/install.sh | sh # 1. 安装 CLI treg login # 2. 浏览器登录GitHub/Google/邮箱验证码 treg mcp install # 3. 把 treg 工具注册进当前智能体然后安装共享技能treg skill ls # 查看团队注册了哪些技能 treg skill install seo-blog-writer # 安装指定技能 treg skill install --all # 一键安装团队全部技能install会把配方写入.agents/skills/name/SKILL.md和.claude/skills/name/SKILL.md智能体重启后即可自动发现并使用它。常用安装参数一览参数效果--all安装当前团队的全部技能重名自动去重--agent cursor只装给某一个智能体名称见treg agents ls--all-agents扇出到所有已知智能体的技能目录--global写入智能体的全局目录而非当前项目--dir 路径指定一个明确的目标目录跳过自动扇出--force覆盖本地已存在的 SKILL.md⚠️保护你的手工修改如果本地已有同名 SKILL.md默认保留你的版本并提示差异确认要换成团队版时才加--force。带工具的技能安装后还会提示对应工具名直接treg call 工具名 路径即可调用。队友如何上传三位一体技能给你分享侧的完整流程创作与分发详见 docs/context/interface/skill.md写一个带 frontmatter 的SKILL.mdnamedescription智能体靠它发现技能treg skill init --dir ./posthog—— 自动生成treg.json草稿猜 base_url、找密钥treg skill add --dir ./posthog——配方 密钥 工具一次注册多凭证的复杂技能可用treg skill scaffold生成清单补全绑定后treg skill push 清单。两条安全铁律密钥只写write-onlyAPI 永不返回已存储的值对你、对任何人都一样不要孤立存放密钥存了没人绑定的 key 就是死重量——用secret add时同一步绑定到工具。装完之后怎么用treg tool ls # 团队已注册的工具清单 treg skill ls # 团队技能清单 treg health --run # 检查全部凭证状态ok | invalid | unknown treg call posthog api/projects/current # 工具名上游路径凭证自动注入安装技能后你的智能体按 SKILL.md 里的步骤工作查工具 → 读参数与价格 → 发起调用。每次调用的花费通过X-Treg-Cost-Micro响应头结算treg balance可查余额与最近扣费。工具与调用审计记录可在 docs/context/interface/cli.md 中了解 CLI 完整能力。小结一个技能 SKILL.md 配方 密钥 工具原子注册、一键分发treg skill install name只下发无敏感的配方密钥由服务端注入本地零凭证风险--all/--agent/--global/--force灵活控制安装范围本地手工修改默认受保护核心实现见 src/treg/cli.pycmd_skill_install官方技能示例见 skills/treg/SKILL.md。 提示技能目录默认写入.agents/skills与.claude/skills两处若插件已提供过同一技能可删除其中一份避免重复。【免费下载链接】tregOpenRouter for agent tools. Join community here: https://discord.gg/6mQYYfFMAn项目地址: https://gitcode.com/GitHub_Trending/treg/treg创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/13 0:43:49

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/13 0:02:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉