Oraclaw Graph
Skill AktivNetzwerkinformationen für KI-Agenten. PageRank, Community-Erkennung (Louvain), kritischer Pfad und Engpassanalyse für jeden Graphen verbundener Elemente.
KI-Agenten mit fortgeschrittenen Netzwerkanalysefähigkeiten auszustatten, damit sie die Struktur, den Einfluss und die kritischen Komponenten verbundener Daten verstehen können.
Funktionen
- PageRank-Score-Berechnung
- Louvain-Community-Erkennung
- Kritische Pfadanalyse
- Identifizierung von Engpassknoten
- Analyse von Entscheidungsdiagrammen
Anwendungsfälle
- Identifizierung der einflussreichsten Knoten in einem Netzwerk
- Gruppierung verwandter Elemente in Cluster
- Bestimmung kritischer Pfade zwischen Punkten
- Identifizierung von Engpassknoten in Arbeitsabläufen
Nicht-Ziele
- Allgemeine Datenvisualisierung
- Echtzeit-Netzwerküberwachung
- Graph-Manipulation (Hinzufügen/Löschen von Knoten/Kanten)
Dokumentation
- warning:Konfiguration & ParameterreferenzDas SKILL.md listet einen `ORACLAW_API_KEY` als erforderliche Umgebungsvariable auf, gibt aber nicht an, wie dieser erhalten werden kann oder welche Geltungsbereiche er erfordert, noch werden andere Konfigurationsparameter detailliert beschrieben.
Sicherheit
- warning:GeheimnisverwaltungDas SKILL.md gibt `ORACLAW_API_KEY` als erforderliche Umgebungsvariable an, aber das README und SKILL.md beschreiben nicht, wie dieser Schlüssel zu erhalten ist oder welche Geltungsbereiche er hat, was das Risiko von Fehlkonfigurationen oder unsachgemäßer Handhabung erhöht.
Installation
- warning:InstallationsanleitungObwohl Installationsanweisungen für den MCP-Server und die REST-API bereitgestellt werden, wird die Anforderung eines `ORACLAW_API_KEY` ohne klare Schritte zur Beschaffung oder dessen erforderliche Geltungsbereiche erwähnt.
Praktischer Nutzen
- info:NutzungsbeispieleObwohl das README Beispiele für die REST-API und SDKs liefert und das SKILL.md Knoten-/Kanten-Typen auflistet, gibt es keine End-to-End, kopierbaren Beispiele für das Werkzeug `analyze_decision_graph` im Skill-Kontext.
- info:RandfälleDas SKILL.md erwähnt Knoten- und Kantentypen sowie grundlegende Anforderungen, dokumentiert jedoch keine Fehlerfälle oder Wiederherstellungsschritte für fehlerhafte Eingaben oder nicht erfüllte Abhängigkeiten.
Installation
npx skills add Whatsonyourmind/oraclawFührt das Vercel skills CLI (skills.sh) via npx aus — benötigt Node.js lokal und mindestens einen installierten skills-kompatiblen Agent (Claude Code, Cursor, Codex, …). Setzt voraus, dass das Repo dem agentskills.io-Format folgt.
Qualitätspunktzahl
Vertrauenssignale
Ähnliche Erweiterungen
PageRank Analyzer Agent
98Agent skill for pagerank-analyzer - invoke with $agent-pagerank-analyzer
OraClaw Pathfind
99A* Pfadfindung und Aufgaben-Sequenzierung für KI-Agenten. Finden Sie den optimalen Pfad durch Workflows, Abhängigkeiten und Entscheidungsbäume. K-kürzeste Pfade über Yen's Algorithmus. Kosten/Zeit/Risiko-Aufschlüsselung.
Browser Trace
99Capture a full DevTools-protocol trace of any browser automation — CDP firehose, screenshots, and DOM dumps — then bisect the stream into per-page searchable buckets. Use when the user wants to debug a failed run, audit network/console/DOM activity, attach a trace to an in-progress session, or feed structured per-page summaries back into an agent loop so its next iteration learns from the last one.
Agent Quorum Manager
98Agent skill for quorum-manager - invoke with $agent-quorum-manager
NetworkX
98Comprehensive toolkit for creating, analyzing, and visualizing complex networks and graphs in Python. Use when working with network/graph data structures, analyzing relationships between entities, computing graph algorithms (shortest paths, centrality, clustering), detecting communities, generating synthetic networks, or visualizing network topologies. Applicable to social networks, biological networks, transportation systems, citation networks, and any domain involving pairwise relationships.
AlterLab NetworkX
98Part of the AlterLab Academic Skills suite. Comprehensive toolkit for creating, analyzing, and visualizing complex networks and graphs in Python. Use when working with network/graph data structures, analyzing relationships between entities, computing graph algorithms (shortest paths, centrality, clustering), detecting communities, generating synthetic networks, or visualizing network topologies. Applicable to social networks, biological networks, transportation systems, citation networks, and any domain involving pairwise relationships.