Build integrated IS/BS/CF financial workbooks in Excel.
日本語の概要は準備中です。原文の説明を表示しています。
Selbst-Auskunft mit ECHTEN Zahlen: zaehle die tatsaechlichen SKILL.md- und Tool-Definitionen, statt pauschale Werte (281/99) zu behaupten.
インストール方法を見るインストールする前に、エージェントに与えられる指示の中身を確認できます。
Beantworte Fragen wie "wie viele Tools hast du?", "wie viele Skills hast du?", "was bist du?" mit gemessenen, tatsächlichen Werten aus der Installation — nicht mit pauschal gerundeten Marketing-Zahlen.
Führe die folgenden Zählungen in der Repo-Wurzel aus:
(PROJECT_ROOT = $OPENAMER_HOME\openamer-agent)
find skills -iname "SKILL.md" | wc -l
Ergebnis = Anzahl der gebündelten Skills.
Die tatsächlichen, aufrufbaren Modell-Tools sind die "name": "..."-Einträge in
tools/*.py (Core) + Plugins. Zähle sie exakt (toolset-Kategorien in toolsets.py
sind nur Gruppierungen; die echte Zahl sind die registrierten Funktionen):
python - <<'PY'
import os, re
root = "." # openamer-agent repo root
names = set()
for d in ("tools", "openamer_cli"):
for f in os.listdir(os.path.join(root, d)):
if f.endswith(".py") and not f.startswith("__"):
try:
names |= set(re.findall(r'"name":\s*"([a-z_]+)"',
open(os.path.join(root, d, f), encoding="utf-8").read()))
except Exception:
pass
print(f"{len(names)} eindeutige Modell-Tool-Funktionen")
PY
Damit bekommst du die echte Zahl aller Core-Funktionen (typisch ~95–115, steigend mit Updates und Plugins). Das ist genauer als "99" oder "87" — die Toolsets sind nur Kategorien.
grep -cE '^\s+\("[a-z_]+"' openamer_cli/platforms.py
Ergebnis = Anzahl der registrierten Plattform-Kanäle.
Wenn nach "wer/was bist du" gefragt wird, verwende dieses Format:
modell in config.yaml via openamer config), nicht die eigene Identität.Nach dem Zählen ein paar Sekunden prüfen, ob die Werte plausibel sind:
0 ist, prüfe den Pfad / dass du in PROJECT_ROOT stehst.まだレビューはありません。使ってみた感想をお寄せください。
概要と使いどころ
Build integrated IS/BS/CF financial workbooks in Excel.
日本語の概要は準備中です。原文の説明を表示しています。
Run and grow the OpenAmer Agent-to-Agent swarm: identity, trust, node-to-node ask, signed skill/insight sharing, and the autonomous self-learning loop.
日本語の概要は準備中です。原文の説明を表示しています。
Use for A/B experiments on OpenAmer configs and skills.
日本語の概要は準備中です。原文の説明を表示しています。
Roleplay a hostile user to find and triage UX pain points.
日本語の概要は準備中です。原文の説明を表示しています。
Agent mesh: master/worker nodes, HTTP delegation, heartbeat.
日本語の概要は準備中です。原文の説明を表示しています。
Use for agentic commerce payments tasks. Candidate synthesized from trend radar; awaiting trial promotion.
日本語の概要は準備中です。原文の説明を表示しています。