字数 2600，阅读大约需 13 分钟
把自己的 Skill 发布到 ClawHub：从平台装回来才算闭环
AI 应用架构演进实践 · 第 08 集 · X-ray 三部曲（下）
GitHub 解决了“源码放在哪里”，但别人想安装你的 Skill 时，仍要先知道仓库地址、自己判断版本、再想办法放进正确目录。
这一集继续用 X-ray 作为示例，把最后一块拼图补上：将自己的 Skill 发布到 ClawHub，查看自动扫描结果，再从平台重新安装并完成最终验收。 名称、简介和版本号都可以换成你自己的内容。
下集主线：发布 ClawHub、核对扫描、重新安装并换项目复验
- 预计用时：25～35 分钟，安全扫描等待时间另算。
- 需要准备：Node.js/npm、GitHub 账号、已经发布好的 X-ray 文件夹。
- 成功标志：ClawHub 出现 「@ppshux/x-ray」 1.0.0；安装命令成功下载；新测试目录生成 「xray-data.json」 与 「xray-report.html」。
- 今天不做：不修改 X-ray 功能，不运行测试项目代码。
所谓“发布到云端”，不是让 X-ray 在云上偷偷加班，而是把它变成一个可发现、可下载、可版本化的包。真正分析仓库的动作，仍发生在本地 Agent。
1. 先分清 GitHub、ClawHub 和本地 Agent
ClawHub 负责版本分发，本地 Agent 负责真正运行 Skill
- • GitHub：保存源码、README、许可证和提交历史。
- • ClawHub：保存可安装版本、公开页面、分类信息和自动扫描结果。
- • OpenClaw / CodeBuddy：把 Skill 安装到自己能读取的位置，并在本地项目中真正执行。
ClawHub 官方把自己定义为 OpenClaw Skills 与 Plugins 的公共注册表。发布使用 「clawhub」 CLI；安装到 OpenClaw 则可以使用 「openclaw skills install」。完整说明可看ClawHub 官方概览与快速开始。
2. 安装 ClawHub CLI
CLI 是我们与 ClawHub 交互的命令行工具，后面的登录、发布、检查和安装都靠它完成。
ClawHub CLI 通过 npm 安装。没有 Node.js 时，先从 Node.js 官网安装 LTS 版本，再检查：
node --versionnpm --version
能看到两个版本号后，在 PowerShell 执行和截图一致的命令：
npm i -g clawhubclawhub --help
安装 ClawHub CLI 后用帮助命令确认可用
截图使用的 ClawHub CLI 是 v0.23.3。CLI 会继续更新，所以真正复现时，以你电脑上 「clawhub --help」 和官方 CLI 文档为准；但本篇实际用到的 「login」、「skill publish」、「inspect」 与安装路径参数都仍在官方文档中。
看到什么算成功： 终端出现 「ClawHub CLI」 和命令列表，而不是“无法识别 clawhub”。
3. 登录 ClawHub
执行：
clawhub login
运行 clawhub login 后终端给出设备授权入口
终端会给出设备授权网址和一次性验证码。截图中已把验证码遮住；你只需要打开自己终端显示的网址，不要把真实验证码发给别人。
浏览器会进入授权页面，登录 GitHub 后点击授权：
在 ClawHub 页面完成 GitHub 设备授权
回到终端，继续执行：
clawhub whoami
授权完成后用 clawhub whoami 验证当前账号
能看到自己的 ClawHub 用户名，登录就完成了。截图里是 「ppshux」；你看到的应该是自己的账号。
4. 先 dry-run：彩排一遍，不真正上传
在本地 「x-ray」 根目录执行和截图一致的命令：
clawhub skill publish . --slug x-ray --name "X-ray" --categories development --topics "codebase,analysis,onboarding" --dry-run
正式发布前用 --dry-run 预览 x-ray 1.0.0
几个参数只需要记住大白话版本：
- • 「.」：发布当前文件夹；
- • 「--slug x-ray」：公开地址里的名字；
- • 「--name "X-ray"」：页面显示名；
- • 「--categories」 与 「--topics」：帮助别人搜索和筛选；
- • 「--dry-run」：只预览，不上传。
终端出现 「Would publish x-ray@1.0.0」，说明包内容与元数据已经通过预检查。新 Skill 默认从 1.0.0 开始，后续内容变化通常自动增加补丁版本。
5. 正式发布
确认预览没问题后，删掉最后的 「--dry-run」：
clawhub skill publish . --slug x-ray --name "X-ray" --categories development --topics "codebase,analysis,onboarding"
正式提交后 ClawHub 返回待安全扫描的发布结果
截图返回：
Update submitted for x-ray@1.0.0; pending security scans before it becomes public.
这句话的意思是“已经提交，正在等自动扫描”，还不是“全网可见”。别在终点线前两米就开始放礼花。
6. 检查版本和自动扫描
过一会儿执行：
clawhub inspect @ppshux/x-ray --versions
跟做时把 「ppshux」 换成自己的 ClawHub 用户名。
inspect 显示自动扫描结果为 CLEAN
实验截图显示：
Moderate CLEANscanner.llm.cleanNo suspicious patterns detected.
准确说法是：ClawHub 对这个版本的自动扫描没有发现已知可疑模式。 它不是人工逐行审计，也不代表 Skill 永远绝对安全。安装陌生 Skill 前，仍然要看 「SKILL.md」、脚本、权限需求与来源。
还有一个许可证细节：我们的 GitHub 仓库选择了 MIT；ClawHub 官方文档说明，发布到 ClawHub 的 Skill 版本按 MIT-0 分发。两处页面显示不同并不是截图出错，但正式维护项目时最好在 README 中明确说明，避免读者猜。
7. 在 ClawHub 找到自己的 X-ray
打开 ClawHub，搜索 「x-ray」。
在 ClawHub 搜索 x-ray 并找到公开条目
进入详情页，应该能看到作者、版本、说明、扫描状态与安装命令。
X-ray 的 ClawHub 页面展示版本、说明和安装命令
到这里，“发布闭环”已经完成：X-ray 不只是一份 GitHub 源码，还拥有一个可以被搜索和安装的版本页。
8. 换一个项目，准备最终复验
接下来验证安装和复用。你可以使用自己的公开项目，或者任何确认允许当前模型读取的仓库；KOF 只是截图里的测试样例。
为了和截图一致，可以在桌面新建 「测试云端X-ray」 文件夹。
新建测试云端X-ray文件夹，准备第三次独立验收
进入文件夹，执行和截图一致的 SSH 命令：
git clone git@github.com:ppshux/kof.git
克隆一个新项目，作为 ClawHub 路线的最终测试对象
没有配置 SSH Key 时用 HTTPS：
git clone https://github.com/ppshuX/kof.git
本次截图使用公开的 KOF 仓库，只是为了方便对照；和前两次一样，我们只读文件，不安装依赖、不启动游戏。
9. 从 ClawHub 安装 x-ray 1.0.0
这一步要证明的是：别人不需要知道你的本地文件夹，只凭平台上的包名就能把 Skill 下载回来。
ClawHub 页面给出的 OpenClaw 安装命令是：
openclaw skills install @ppshux/x-ray
从 ClawHub 页面复制 OpenClaw 安装命令
如果终端提示找不到 「openclaw」，按截图中的路线先安装：
npm install -g openclaw@latestopenclaw skills install @ppshux/x-ray
OpenClaw 从 ClawHub 下载 x-ray 1.0.0 并写入工作区
截图里可以看到三个关键结果：
Downloading x-ray@1.0.0 from ClawHub...Installing to C:\Users\wenxiaolv\.openclaw\workspace\skills\x-ray...Installed x-ray@1.0.0
这证明 ClawHub 上的 1.0.0 已经成功下载到 OpenClaw 工作区。
用 CodeBuddy 复现时，多补一个“目标目录”动作
OpenClaw 与 CodeBuddy 默认读取的 Skill 目录不同。为了确保下一步 CodeBuddy 用到的就是 ClawHub 下载版本，可以再执行：
clawhub --workdir "$env:USERPROFILE" --dir ".codebuddy/skills" install @ppshux/x-ray
官方 CLI 的目录规则是 「/
/」，所以上面会安装到：
C:\Users\你的用户名\.codebuddy\skills\x-ray
如果该目录已有旧版，先备份或移走旧文件夹，再安装并重启 CodeBuddy。这样就不会出现“ClawHub 确实装了，但 CodeBuddy 其实还在调用旧副本”的证据空档。
10. 在 CodeBuddy 中再次调用 /x-ray
用 CodeBuddy 打开 「测试云端X-ray」，输入：
/x-ray
回到 CodeBuddy 再次执行 /x-ray
看到命令可用，只证明 CodeBuddy 已识别 X-ray；真正的验收仍然是新的 JSON 与 HTML。
等待扫描结束后，打开新项目的报告顶部：
新项目生成第三份 X-ray 分析报告
这次报告识别出 248 个文件、64 个目录、Python 与 JavaScript，并给出 4.5/10 的复杂度。
继续往下看项目结构和复杂度分布：
第三份报告展示项目结构与复杂度分布
最后检查关键文件、适合人群和推荐阅读顺序：
第三份报告给出关键文件、适合人群与推荐阅读顺序
下集通关： X-ray 已发布到 ClawHub，1.0.0 能被下载；在目标 Agent 的 Skill 目录安装后，新项目又生成了一份独立报告。
11. 三个常见问题
- • 「clawhub」 不是命令：重新执行 「npm i -g clawhub」，再运行 「clawhub --help」；如果仍失败，检查 npm 全局命令目录是否进入 PATH。
- • 发布后搜不到：先看终端是否还在 「pending security scans」，稍等后用 「clawhub inspect @你的用户名/x-ray --versions」 检查。
- • 安装成功但 CodeBuddy 没有 「/x-ray」：确认安装目标是 「%USERPROFILE%.codebuddy\skills\x-ray」，而不是只有 「.openclaw\workspace\skills\x-ray」，然后彻底重启 CodeBuddy。
12. 收尾：从一个想法，到可复用数字资产
三部曲通关：制作、GitHub 发布、ClawHub 分发全部闭环
三集下来，我们完成了三个闭环：
- 1. 本地闭环：制作 X-ray，装进 Agent 工具并跑通第一次调用；
- 2. GitHub 闭环：发布源码，从仓库重新安装并换项目复验；
- 3. ClawHub 闭环：发布版本、查看自动扫描、从平台重新安装并完成最终验收。
更重要的是，你已经完整“抄”过一遍 Skill 的制作与发布流程。下次只需要换掉 「SKILL.md」 的目标、脚本、参考规则和资产模板，就能开始做自己的 Skill。
X-ray 的口号可以很酷：Understand any codebase in 5 minutes. 但这三集真正想交付的，不是宣传某个 Skill，而是让你亲手走完“制作 → 本地调用 → GitHub 管理 → ClawHub 分发”的全流程。
现在把 X-ray 换成你的想法，这套路线仍然成立：先从一个小而明确的任务开始，让它真的被调用一次，再考虑发布给别人。
X-ray 三部曲完结：制作、GitHub 发布、ClawHub 分发全部跑通。
