新闻详情

新闻详情

首页 / 资讯中心 / 详情

treg技能(Bundle)完全指南:团队共享AI工作流的终极方案

发布时间:2026/11/17 22:47:47来源:尧图网络
treg技能(Bundle)完全指南:团队共享AI工作流的终极方案
treg技能Bundle完全指南团队共享AI工作流的终极方案【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 是一个面向 AI Agent 的工具目录平台号称agent 工具的 OpenRouter用一把统一密钥即可调用 3,600 个数据接口。而treg 技能Skill / Bundle则是它的团队协作核心把一份工作流配方SKILL.md、API 密钥和调用工具打包成一个 Bundle注册到团队队友的 AI 助手即可直接使用——全程无需把密钥交到任何人手上。本文是面向新手的 treg 技能 Bundle 完全指南带你快速掌握团队共享 AI 工作流的方法。什么是 treg 技能Bundletreg 对技能的定义非常简洁见 skills/treg/SKILL.mdBundle 配方SKILL.md 密钥Secrets 工具Tools组成说明共享后谁持有配方 Recipe一段 SKILL.md教 Agent 何时、如何调用这个工具所有人可见是文档密钥 SecretAPI Key / OAuth Token服务端注入只有 treg 持有任何人看不到工具 Tool上游 API 地址 密钥绑定规则团队内可用三条黄金规则决定了 Bundle 的安全性密钥只写不读write-only——注册后 API 永远不会回显密钥值连创建者本人也看不到。服务端注入——treg 代理在转发请求时自动补上认证头调用方机器上不存在密钥。组织隔离——所有资源只属于当前团队org一个 token 只够得着本团队的工具。为什么要把 AI 工作流打包共享想象这个场景你配好了一个查竞品 SEO 数据的 Agent 工作流队友也想用。传统做法是把 API Key 发给他——密钥从此躺在聊天记录和脚本里无法审计。用 treg 技能 Bundle 后✅ 队友的 Agent 直接treg call 工具名 路径调用你只授权访问不交出凭证✅ 每次调用都记入审计日志归属到具体发起人的 token✅ OAuth 凭据可由 treg自动刷新到期不用重新上传✅treg health一键体检失效密钥会主动提醒负责人。如何三步创建第一个技能 Bundletreg CLI 把打包注册做成了三条命令完整命令表见 USAGE.mdtreg skill init --dir ./posthog # 1. 扫描目录生成 treg.json 草稿 treg skill add --dir ./posthog # 2. 配方密钥工具 原子化注册 treg tool ls # 3. 确认工具已在团队生效第 1 步的目录里只需要一个SKILL.md带 name/description 头部供 Agent 发现技能和密钥文件。扫描器会自动识别密钥来源、猜测 base_url 并生成绑定规则其分类逻辑api_tool / recipe_only在 src/treg/skills.py 中实现。也支持先出清单、手动补全、再推送的两段式流程适合多凭证的复杂场景treg skill scaffold ~/.claude/skills/google-ads --out gads.json # 生成清单 treg skill push gads.json # 编辑后原子注册在网页端注册过程同样友好——控制台里粘贴 Bundle 载荷即可提交 小技巧批量整理现有资产时用treg scan做只读预览列出目录里的密钥和技能确认后treg upload --all一次注册随时可重复执行幂等。团队共享与权限管理Bundle 创建后共享靠的是团队邀请而不是拷贝treg org invite bobcompany.com --role member邀请队友对方treg accept一键接受角色分四档owner admin member viewer成员只能管理自己创建的资源还可以给每个 Agent 发独立身份treg org agent-new ci-bot --tools stripe --cap 500让机器人只能碰指定工具、每天有调用上限且行为都以它自己的名义记录。审计与监控谁调用了什么一目了然共享不等于失控。团队成员可以用两条命令随时复盘treg calls # 审计日志谁、何时、调了哪个工具、状态如何 treg health --run # 体检所有凭据ok / invalid / unknown控制台的 Activity 页面则以可视化方式展示每一次调用的费用与结果异步任务如视频生成从generating…到done全程可追延伸阅读skills/treg/SKILL.md — treg 官方技能文件Agent 视角的完整接口说明src/treg/skills.py — 技能目录扫描与 Bundle 分类的源码src/treg/web/skill.md — 随产品分发的技能模板docs/context/interface/skill.md — 技能系统的设计文档三种角色、分发渠道USAGE.md — CLI 命令速查表Skills、OAuth、批量上传章节把配方 密钥 工具打包成一个 Bundle是 treg 给团队协作的最简答案密钥留在服务端能力流向全团队调用全程可审计。从treg skill add开始十分钟就能让队友的 Agent 用上你的第一条共享工作流。【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 2026/11/17 7:04:08

【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 2026/11/17 5:42:44

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 2026/11/17 19:43:34

【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 ... 2026/11/17 6:55:04

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 2026/11/17 5:57:47

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 2026/11/17 19:43:32

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
📞 ✉