新闻详情

新闻详情

首页 / 资讯中心 / 详情

如何用treg scan预览可共享的密钥与技能?只读扫描完整教程

发布时间:2026/11/15 8:47:26来源:尧图网络
如何用treg scan预览可共享的密钥与技能?只读扫描完整教程
如何用treg scan预览可共享的密钥与技能只读扫描完整教程【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是面向 Agent 工具的 OpenRouter——它把散落在你.env里的第三方 API 密钥、本地技能Skills和已安装的命令行工具CLIs统一变成可调用、可共享的工具。而treg scan就是安全的第一步一条只读命令预览你的密钥与技能会被注册成什么且任何数据都不会离开你的机器。本教程带你 5 分钟掌握 treg scan 只读扫描的完整用法。为什么要先 scan再 uploadtreg upload会把检测到的密钥和技能注册为服务端工具密钥加密存储。但在真正注册前你通常会想确认三件事✅ 我哪些密钥会被识别为第三方服务商而不是被误当成应用内部配置✅ 哪些技能能直接共享哪些还缺凭据✅ 机器上装了哪些目录内 CLI处于什么状态treg scan就是答案它与 upload 共用同一套检测逻辑但只报告、不写入。官方文档将其定义为treg scan 只读预览read-only previewtreg upload 注册。详见 env-import.md。一条命令扫描三类资源在项目目录下直接运行treg scan # 扫描当前目录的 .env 技能子目录 本机 CLIs treg scan env # 只扫描 .env 里的密钥 treg scan clis # 扫描本机已安装、可注册的 CLIs treg scan skills --skills-dir ~/.claude/skills # 指定技能目录三种模式的分工模式扫描对象输出env.env文件中的变量名称只读名称识别服务商可注册的密钥清单、OAuth 应用对、跳过的配置项skills技能目录每个技能是一个含SKILL.md的子目录API 工具类技能、仅配方recipe-only技能、缺凭据警告clis本机上已安装的目录内 CLI就绪/缺密钥/缺登录/不支持 分类报告常用参数速查在 src/treg/cli.py 中可以看到scan命令的全部参数定义treg scan --dir ~/projects/my-app # 指定基目录默认为当前目录 treg scan env --env-file /path/.env # 显式指定 env 文件 treg scan --select openai,stripe # 只查看指定名称的项 treg scan clis --status # 仅报告不注册任何东西 小提醒早期的treg import命令已更名为treg upload运行旧命令时 treg 会提示你用treg scan预览。读懂扫描报告scan的报告是**可操作actionable**的——每个缺口都直接告诉你下一步env 侧✓ tool-name base_url [认证方式]并列出被识别的 OAuth 密钥对如CLIENT_ID CLIENT_SECRET同时说明哪些变量被当作配置项跳过skills 侧区分 API-tool skill 与 recipe-only缺凭据的技能会以⚠标出具体缺失的环境变量clis 侧按状态分桶输出——ready (server)treg 可代管密钥服务端注入即可运行ready (local)凭据在 CLI 自己的配置里如aws仅本地运行needs_key/needs_login直接给出修复命令如set STRIPE_API_KEY、run gcloud auth login修好后重跑即可not_installed目录里有、本机没装的 CLI可用treg scan clis --status列出。从 scan 到 upload确认后共享预览满意后切换为treg upload相同参数完成注册。每个成功注册的工具都会打印一个详情页链接↗提示把该链接发给团队成员对方即可查看并调用这个共享工具——密钥在服务端加密存储对方看到的只有工具本身。treg upload # 先 scan 预览再 upload 注册 treg upload clis # 注册本机已就绪的 CLIs 最佳实践scan → 检查报告 → 补缺口 → upload → 分享详情链接四步走全程可重复幂等。延伸阅读导入机制全解docs/context/interface/env-import.md扫描与上传命令实现src/treg/cli.py本地 CLI 运行架构docs/context/architecture/local-run.md上手指南docs/ONBOARDING.md【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 2026/11/15 4:54:16

【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 2026/11/15 2:04:12

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 2026/11/14 10:11:15

【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 ... 2026/11/14 17:14:38

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 2026/11/14 16:35:50

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 2026/11/15 4:06:36

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
📞 ✉