wakatime-automation
作者 ComposioHQwakatime-automation 可協助 agent 透過 Composio Rube MCP 執行 WakaTime 工作流程：探索目前可用工具、檢查 wakatime 連線，並執行符合 schema 的安全操作。
此 skill 評分為 66/100，屬於可收錄但能力有限的候選項目。目錄使用者可以掌握它是用於透過 Composio 的 Rube MCP 進行 Wakatime 自動化，也能了解 agent 應如何安全開始；不過它更像是圍繞 tool discovery 的輕量包裝，而不是詳盡、可獨立使用的 Wakatime 工作流程函式庫。
- Frontmatter 有效，且清楚宣告觸發意圖：透過 Rube MCP 自動化 Wakatime 任務，並對 `rube` 設定 MCP requirement。
- 包含必要的前置條件與設定檢查：確認 `RUBE_SEARCH_TOOLS`、管理 `wakatime` connection，並在執行工作流程前確認狀態為 ACTIVE。
- 反覆指示 agent 先呼叫 `RUBE_SEARCH_TOOLS`，可降低 schema drift 風險，並協助 agent 使用目前的 Composio/Wakatime tool definitions。
- 未提供支援檔案、腳本、metadata 或安裝指令；是否能順利採用，取決於使用者是否已知道如何在自己的 client 中加入 Rube MCP endpoint。
- 工作流程指引多半是通用的 Rube discovery pattern，而不是具體的 Wakatime 任務範例，因此 agent 仍可能需要從即時 tool search 結果中推斷特定任務的執行細節。
wakatime-automation skill 概覽
wakatime-automation 的用途
wakatime-automation 是一個 Claude skill，用來透過 Composio 的 Rube MCP server 執行與 WakaTime 相關的工作流程。它不是把 WakaTime API 呼叫寫死在流程裡，而是要求 agent 先探索目前可用的 Rube tool schema、確認 WakaTime 連線狀態，再執行合適的 toolkit action。
這一點很重要，因為 Rube tool 的名稱、欄位與執行方式都可能變動。wakatime-automation skill 的主要價值，不在於提供一長串固定指令，而是在即時 WakaTime 自動化時，提供更安全的操作模式。
最適合的使用者與任務情境
如果你希望 AI agent 協助處理 WakaTime 任務，例如檢查 coding activity、擷取 summaries、查看 project 或 language stats，或用 WakaTime 資料建立報表，這個 skill 會很適合。對已經在 Claude 或支援 MCP 的環境中工作、且能連接 Rube MCP 的使用者來說尤其實用。
最強的使用情境是工作流程自動化：「找到正確的 WakaTime tool、確認我的帳號連線、執行任務，並回傳結構化結果。」因此，相較於要求模型憑記憶猜測 WakaTime API 細節，wakatime-automation for Workflow Automation 會更可靠。
重要差異化特色
這個 skill 的關鍵差異，在於它要求先做 tool discovery：執行前一律先呼叫 RUBE_SEARCH_TOOLS。這可以降低因 schema 過期、參數名稱錯誤，或假設了不支援的行為而導致失敗的機率。
它也把設定與執行分開處理。在執行 WakaTime 操作之前，agent 應該先確認 Rube MCP 可用，並透過 RUBE_MANAGE_CONNECTIONS 確認 wakatime toolkit connection 是 ACTIVE。
採用前要先知道的限制
wakatime-automation 依賴 Rube MCP。如果你的 client 無法把 https://rube.app/mcp 加為 MCP server，這個 skill 目前就無法直接派上用場。你也需要有一個已透過 Rube 授權的有效 WakaTime connection。
目前 repository path 只有一個主要檔案：composio-skills/wakatime-automation/SKILL.md。沒有額外的 scripts、references 或 rule folders 可供檢查，因此你的安裝決策應該聚焦在：這種由 MCP 驅動的工作流程，是否符合你的使用環境。
如何使用 wakatime-automation skill
wakatime-automation 安裝情境
如果你的 skill manager 支援從 GitHub 安裝 skill，請從 repository path 安裝：
npx skills add ComposioHQ/awesome-claude-skills --skill wakatime-automation
接著在你的 AI client 中加入以下位址，設定 Rube MCP：
https://rube.app/mcp
完成後，確認 agent 能存取 RUBE_SEARCH_TOOLS。這個 skill 本身預期的設定流程包含三項檢查：Rube MCP 可連線、RUBE_MANAGE_CONNECTIONS 能管理 wakatime toolkit，以及 WakaTime connection 是 ACTIVE。
skill 需要哪些輸入
較弱的 prompt 是：「Get my WakaTime stats.」
更適合 wakatime-automation 使用的 prompt，應包含目標結果、日期範圍、分組方式、輸出格式，以及任何限制條件：
Use the wakatime-automation skill. Discover current WakaTime tools first with
RUBE_SEARCH_TOOLS, verify mywakatimeconnection is active, then retrieve my coding activity for the last 7 days grouped by project and language. Return a concise Markdown table plus any schema limitations you encountered.
這樣 agent 才有足夠脈絡去搜尋正確的 Rube tool、選擇參數，並避免自行編造不支援的欄位。
建議的工作流程
每個任務都應從 tool discovery 開始：
RUBE_SEARCH_TOOLS 搭配明確的 use case，例如「WakaTime weekly coding summary by project」。
接著檢查 connection：
RUBE_MANAGE_CONNECTIONS 搭配 toolkit wakatime。
只有在 connection 為 active 之後，agent 才應該執行選定的 WakaTime tool。如果你正在建立可重複使用的工作流程，可要求 agent 在推理摘要或最後備註中保留已探索到的 tool slug 與 input schema；在有用時尤其建議這麼做。
依賴前應該先閱讀的檔案
先閱讀 SKILL.md，並特別注意這些段落：Prerequisites、Setup、Tool Discovery 與 Core Workflow Pattern。除了 skill file 之外，沒有隨附 helper scripts 或範例，因此使用者應把這個檔案視為操作協定，而不是完整的 WakaTime 報表產生器。
若要更深入了解能力邊界，請查看 skill 中連結的即時 toolkit 文件：https://composio.dev/toolkits/wakatime。不過，live Rube discovery response 仍然是 schema 的最終依據。
wakatime-automation skill 常見問題
wakatime-automation 只能用於 WakaTime 嗎？
是。這個 skill 的範圍限定在透過 Composio 的 WakaTime toolkit 執行 WakaTime 操作。它不會自動化任意的 time tracking services，除非那些服務另外透過 Rube MCP 與其他 skill 或 toolkit 暴露出來。
它比一般 prompt 好在哪裡？
一般 prompt 可能會要求模型記住 WakaTime API 欄位，或猜測 endpoint 行為。wakatime-automation skill 則會指示 agent 先搜尋 Rube tools，並使用目前的 schemas。對於 tool availability 與 required inputs 會影響成敗的即時自動化來說，這種方式更合適。
新手友善嗎？
如果你的 AI client 已經支援 MCP servers，它算是新手友善。概念流程很簡單：連接 Rube、授權 WakaTime、搜尋 tools、執行任務。如果你從未設定過 MCP 或 OAuth-style tool connections，門檻就會比較高。
什麼時候不應該使用這個 skill？
如果你只需要 WakaTime 的靜態說明、手動 dashboard 操作導覽，或對匯出的 CSV files 做離線分析，就不需要使用它。若你的組織無法授權第三方 MCP connections，或 WakaTime data access 受到政策限制，也應避免使用。
如何改進 wakatime-automation skill
改善 wakatime-automation prompts
更好的 prompt 會帶來更好的 tool discovery。請包含報表期間、metric、分組方式與輸出格式：
Use wakatime-automation to create a month-to-date engineering activity summary. Search current WakaTime tools first, confirm my connection, then return totals by project, top languages, and daily trend notes. If the toolkit lacks one of these fields, explain the gap instead of fabricating it.
這能避免 agent 把寬泛的分析需求，當成一個模糊的「stats」呼叫來處理。
常見失敗模式
最常見的失敗，是跳過 RUBE_SEARCH_TOOLS，直接呼叫過期或猜測出來的 tool schema。另一個常見阻礙是 WakaTime connection 未啟用；agent 應該停下來，請你完成回傳的 auth link，而不是繼續往下做。
更不明顯的失敗，是要求 dashboard-style insights，卻沒有指定資料期間或分組方式。WakaTime data 可以用許多方式切分，因此 prompt 應該定義清楚「summary」、「productivity」或「activity」代表什麼。
根據第一次輸出反覆調整
拿到第一次結果後，請要求 agent 依據回傳欄位調整，而不是依據你的假設調整。例如：「Use only fields available in the discovered schema and add a comparison to the previous 7-day period if supported.」
如果要做可重複的自動化，請把成功使用的 discovered tool slug、required parameters 與 output format 存在你自己的 workflow notes 中。由於這個 skill 有意依賴 live discovery，這份紀錄能幫助你比較之後的 schema 變更。
什麼會讓這個 skill 更強
如果上游的 wakatime-automation skill 能加入具體 example prompts、sample Rube discovery responses，以及幾個已驗證的 workflows，例如 weekly project summaries、language breakdowns，和在 toolkit 支援時的 team reporting，會更完整。
在這些範例出現之前，使用者可以透過明確描述 WakaTime task、讓 Rube discovery 驅動執行，並把不支援的欄位視為限制而不是讓 agent 猜測的理由，來改善結果。