honeyhive-automation
作者 ComposioHQhoneyhive-automation 可帮助 Claude 通过 Composio Rube MCP 自动化 Honeyhive 工作流，并在执行操作前完成设置检查、有效连接验证以及基于 schema 优先的工具发现。
此 skill 得分为 68/100，表示可以收录到目录中，但更适合作为轻量级连接器工作流来展示，而不是完整的 Honeyhive 自动化套件。目录用户可以获得足够信息来判断何时安装它——通过 Rube MCP 自动化 Honeyhive，并使用实时 schema 发现——但在具体任务执行细节上，应预期依赖 Rube 发现到的工具。
- 有效的 frontmatter 声明了必需的 MCP 依赖（`rube`），并为 Honeyhive 自动化提供了简洁的触发说明。
- 前置条件和设置步骤会引导代理检查 `RUBE_SEARCH_TOOLS`、管理 Honeyhive 连接，并在执行操作前确认 ACTIVE 状态。
- 该 skill 反复要求代理先调用 `RUBE_SEARCH_TOOLS`，有助于减少对当前 Composio/Honeyhive 工具 schema 的猜测。
- 除 SKILL.md 外，没有支持文件、脚本、参考资料或 README，因此用户获得的主要是内联指导，而不是可复用的自动化资产。
- 操作细节主要集中在通用的 Rube 工具发现和连接设置上；从现有材料看，具体的 Honeyhive 任务示例比较有限。
honeyhive-automation skill 概览
honeyhive-automation 能做什么
honeyhive-automation 是一个 Claude skill，用于通过 Composio 的 Rube MCP server 自动化执行 Honeyhive 相关操作。它不会硬编码 Honeyhive 工具名称或依赖过时的 schema，而是要求 agent 先发现当前可用的 Honeyhive tools，验证 Honeyhive connection，再根据 Rube 返回的 schema 执行你请求的 workflow。
最适合的用户与任务
如果你已经在使用 Honeyhive 做 LLM evaluation、observability、prompt/version tracking 或 experiment workflow，并希望让 AI agent 代替你完成运营类操作，而不是手动调用 API，那么这个 skill 会很有用。适合的使用者包括 AI engineers、eval owners、prompt ops teams，以及希望 Claude 检查可用 Honeyhive actions、创建或更新资源、检索 evaluation data，或协调重复性 Honeyhive 管理任务的开发者。
核心差异：schema-first automation
honeyhive-automation skill 的主要价值在于它采用“先搜索工具”的模式。Rube MCP tool schemas 可能变化，Honeyhive 的能力也可能因 connection 或账号而不同。这个 skill 要求在执行前先调用 RUBE_SEARCH_TOOLS，再使用返回的 tool slugs、required fields、execution plan 和 pitfalls，从而减少脆弱、容易失效的自动化。
安装前需要确认什么
只有在你的 Claude client 支持 MCP，并且你可以添加 Rube MCP endpoint 时，才建议安装这个 skill。该 repository path 下只有一个 SKILL.md，所以运行逻辑很紧凑：没有 helper scripts、examples directory 或 local resources 可供查看。这让采用成本更低，但也意味着你的 prompt 必须补足缺失的业务上下文，例如 Honeyhive project、target object、desired action 和 success criteria。
如何使用 honeyhive-automation skill
honeyhive-automation 安装与配置
从 skill directory 安装：
npx skills add ComposioHQ/awesome-claude-skills --skill honeyhive-automation
然后在兼容 Claude 的 client 中添加 Rube MCP：
https://rube.app/mcp
安装后，确认 RUBE_SEARCH_TOOLS 可用。使用 RUBE_MANAGE_CONNECTIONS，或 Rube 暴露的 connection-management tool 来连接 honeyhive toolkit。如果 connection 不是 ACTIVE，先按照 Rube 返回的 authentication link 完成授权，再让 agent 执行 Honeyhive actions。
你需要提供给 skill 的输入
为了稳定地使用 honeyhive-automation，不要只给 agent 一个类似“update Honeyhive”的宽泛请求。请包含：
- Honeyhive object type，例如 project、dataset、evaluation、run、prompt、trace 或 experiment
- operation，例如 list、create、update、compare、export 或 summarize
- identifiers 或 filters，例如 project name、environment、date range、run ID、dataset name 或 metric
- safety limits，例如“read-only first”“do not delete”或“ask before writes”
- output format，例如 table、execution summary、JSON payload 或 change log
更好的 prompt 示例是：“Use honeyhive-automation for Workflow Automation. First discover the current Honeyhive tools via Rube. Check that my Honeyhive connection is active. Then list recent evaluation runs for project support-agent-prod from the last 7 days, summarize pass rate and main failure categories, and do not modify anything.”
推荐的执行流程
一份好的 honeyhive-automation 使用指南通常遵循四步：
- 要求 Claude 调用该 skill，并针对你的具体 Honeyhive 任务调用
RUBE_SEARCH_TOOLS。 - 让它先检查返回的 tool schemas，再选择要使用的 tool。
- 确认 Honeyhive connection 处于 active 状态。
- 先执行最小且安全的操作，再逐步扩展。
对于写入操作，务必要求增加 preview step：“Show the tool, schema fields, and proposed payload before executing.” 这样可以避免因为缺少 project IDs、名称含糊，或对 Honeyhive API 结构的过时假设而导致误更新。
优先阅读的 repository 文件
先看 composio-skills/honeyhive-automation/SKILL.md。它包含核心前置条件、setup pattern 和 discovery-first workflow。这个 skill path 下没有 README.md、metadata.json、scripts/、references/ 或 resources/ folder，因此不要期待内置示例。如果你需要 Honeyhive-specific object semantics，可以结合 source 中链接的 toolkit documentation 使用：https://composio.dev/toolkits/honeyhive。
honeyhive-automation skill 常见问题
honeyhive-automation 只适合高级用户吗？
不一定，但初学者需要先确保 MCP setup 可用。如果你能熟练添加 MCP server，并完成类似 OAuth 的 connection flow，那么这个 skill 可以引导你进行 tool discovery。如果你从未使用过 Honeyhive，或者不知道自己需要哪个 project、run 或 dataset，建议从 read-only 的 listing 和 summarization 任务开始。
它比普通 prompt 好在哪里？
普通 prompt 可能会猜测 Honeyhive API fields，或者编造 tool names。honeyhive-automation skill 会明确要求 agent 在操作前先向 Rube 查询当前 Honeyhive tool schemas。对于 live workflow automation 来说，valid inputs、auth state 和 available actions 往往比通用的 Honeyhive 知识更重要，因此这种方式更可靠。
什么时候不应该使用这个 skill？
如果你的 client 无法连接 Rube MCP、你的 Honeyhive account 无法通过 Composio 连接，或者你需要 offline-only repository scripts，就不应使用它。对于 destructive changes 也要谨慎，除非你加入 confirmation checkpoint，并要求 agent 在执行前展示 proposed tool call。
它需要 Honeyhive API keys 吗？
source 表明，Rube MCP 通过 https://rube.app/mcp 添加，Honeyhive connection 则通过 Rube connection tooling 管理。不要把 secrets 粘贴到 prompts 里。请完成 Rube 返回的 connection flow，并确认 toolkit status 为 ACTIVE。
如何改进 honeyhive-automation skill 的使用效果
改进 honeyhive-automation 的 prompts
提升输出质量最有效的方法，是把任务描述得足够可执行。把“analyze my evals”改成：“Discover Honeyhive tools, then retrieve evaluation runs for project checkout-agent, environment staging, last 14 days. Group failures by metric and include run links if available. Read-only only.” 这样 agent 会同时获得目标、过滤条件、约束和输出形态。
为写入类 workflow 增加 guardrails
对于 create、update、archive 或 delete workflow，要求采用两阶段计划：先 discovery 和 payload preview，再 execution。一条更强的指令是：“Before any Honeyhive write action, show the selected Rube tool slug, required schema fields, inferred values, missing values, and risks. Wait for approval.” 这可以弥补该 skill source 较为紧凑的限制，避免 agent 过度自信地执行自动化操作。
需要留意的常见失败模式
大多数失败来自 inactive connections、含糊的 Honeyhive identifiers，或跳过 tool discovery。如果 agent 返回的是泛泛建议而不是 tool calls，请重申它必须先使用 RUBE_SEARCH_TOOLS。如果它找不到正确对象，请提供准确的 names、IDs、date ranges，或把 screenshots 中的信息复制成文本。如果出现 schema error，让它重新运行 discovery，并根据最新 schema 重建 payload。
根据第一次结果继续迭代
把第一次运行视为校准。要求 agent 汇报它发现了哪些 tools、使用了哪一个、哪些 fields 是必填的，以及它做了哪些假设。然后基于这些事实优化下一次 honeyhive-automation 请求。长期来看，可以为团队保留一个小型 prompt template，包含常用 Honeyhive project names、naming conventions、安全默认 filters 和必要的 approval rules。