wakatime-automation
作者 ComposioHQwakatime-automation 可帮助 agent 通过 Composio Rube MCP 运行 WakaTime 工作流：发现当前可用工具、检查 wakatime connection，并执行符合 schema 的安全操作。
该 skill 评分为 66/100，属于可以收录但能力边界较明显的候选项。目录用户能获得足够信息，了解它用于通过 Composio 的 Rube MCP 进行 Wakatime 自动化，以及 agent 应如何安全起步；但也应预期它更像是围绕工具发现的轻量封装，而不是详尽、可独立使用的 Wakatime 工作流库。
- Frontmatter 有效，并清晰声明了触发意图：通过 Rube MCP 自动化 Wakatime 任务，同时要求使用 `rube` 这一 MCP。
- 包含必要的前置条件和设置检查：验证 `RUBE_SEARCH_TOOLS`，管理 `wakatime` connection，并在运行工作流前确认 ACTIVE 状态。
- 反复要求 agent 先调用 `RUBE_SEARCH_TOOLS`，这有助于降低 schema 漂移风险，并让 agent 使用最新的 Composio/Wakatime 工具定义。
- 未提供支持文件、脚本、元数据或安装命令；是否能顺利采用，取决于用户是否已经知道如何在自己的客户端中添加 Rube MCP endpoint。
- 工作流指导主要是通用的 Rube 发现模式，而不是具体的 Wakatime 任务配方；因此 agent 可能仍需根据实时工具搜索结果推断特定任务的执行细节。
wakatime-automation skill 概览
wakatime-automation 的作用
wakatime-automation 是一个 Claude skill，用于通过 Composio 的 Rube MCP server 执行与 WakaTime 相关的工作流。它不是把 WakaTime API 调用硬编码进去，而是要求 agent 先发现当前的 Rube tool schemas，确认 WakaTime 连接状态，然后再执行合适的 toolkit action。
这一点很重要，因为 Rube 的 tool 名称、字段和执行方案都可能变化。wakatime-automation skill 的核心价值不在于提供一长串静态命令，而在于为实时 WakaTime 自动化提供一种更安全的操作模式。
最适合的用户和使用场景
如果你希望 AI agent 帮你处理 WakaTime 任务，例如查看编码活动、获取摘要、探索项目或语言统计，或者基于 WakaTime 数据生成报告，这个 skill 会很适合。对于已经在 Claude 或支持 MCP 的环境中工作、并且可以连接 Rube MCP 的用户，它尤其有用。
最强的使用场景是工作流自动化：“找到正确的 WakaTime tool，确认我的账号连接，执行任务，并返回结构化结果。”因此，相比让模型凭记忆猜测 WakaTime API 细节，wakatime-automation for Workflow Automation 更可靠。
关键差异点
这个 skill 最关键的差异点是“先发现工具”的规则：执行前始终先调用 RUBE_SEARCH_TOOLS。这可以减少因 schema 过期、参数名错误或不受支持的假设导致的失败。
它也把设置和执行分开处理。在运行 WakaTime 操作之前，agent 应该确认 Rube MCP 可用，并通过 RUBE_MANAGE_CONNECTIONS 确认 wakatime toolkit connection 处于 ACTIVE 状态。
采用前需要了解的限制
wakatime-automation 依赖 Rube MCP。如果你的客户端无法把 https://rube.app/mcp 添加为 MCP server，那么这个 skill 按当前形式就不太适用。你还需要通过 Rube 授权一个处于 active 状态的 WakaTime connection。
当前仓库路径下只有一个主文件：composio-skills/wakatime-automation/SKILL.md。没有额外脚本、参考资料或规则目录可供检查，所以你的安装决策应重点判断：这种由 MCP 驱动的工作流是否匹配你的环境。
如何使用 wakatime-automation skill
wakatime-automation 安装背景
如果你的 skill manager 支持从 GitHub 安装 skill，可以从以下仓库路径安装：
npx skills add ComposioHQ/awesome-claude-skills --skill wakatime-automation
然后在你的 AI 客户端中添加 Rube MCP：
https://rube.app/mcp
之后，确认 agent 可以访问 RUBE_SEARCH_TOOLS。这个 skill 自身的设置流程需要完成三项检查：Rube MCP 可访问，RUBE_MANAGE_CONNECTIONS 可以管理 wakatime toolkit，并且 WakaTime connection 为 ACTIVE。
这个 skill 需要哪些输入
一个较弱的提示词是：“Get my WakaTime stats.”
更适合 wakatime-automation 的提示词应包含目标结果、日期范围、分组方式、输出格式以及任何约束：
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.
这样 agent 才有足够上下文去搜索正确的 Rube tool、选择参数，并避免编造不受支持的字段。
推荐工作流
每个任务都应从工具发现开始：
RUBE_SEARCH_TOOLS，并提供具体用例，例如 “WakaTime weekly coding summary by project.”
然后检查连接：
RUBE_MANAGE_CONNECTIONS，toolkit 为 wakatime。
只有当连接处于 active 状态后，agent 才应该执行选定的 WakaTime tool。如果你在构建可重复使用的工作流，可以要求 agent 在推理摘要或最终说明中保留发现到的 tool slug 和 input schema，尤其是在这些信息有助于后续复用时。
依赖它之前应阅读的文件
先阅读 SKILL.md，重点关注这些章节：Prerequisites、Setup、Tool Discovery 和 Core Workflow Pattern。除了这个 skill 文件之外，仓库没有附带 helper scripts 或示例，因此用户应把该文件视为一套操作协议，而不是完整的 WakaTime 报告生成器。
如果需要进一步了解能力边界，可以查看 skill 中链接的实时 toolkit 文档：https://composio.dev/toolkits/wakatime。不过，live Rube discovery response 仍然是 schema 的事实来源。
wakatime-automation skill 常见问题
wakatime-automation 只适用于 WakaTime 吗？
是的。这个 skill 的范围限定为通过 Composio 的 WakaTime toolkit 执行 WakaTime 操作。它不会自动化任意时间追踪服务，除非那些服务通过 Rube MCP 以及另一个 skill 或 toolkit 单独暴露出来。
它比普通提示词好在哪里？
普通提示词可能会要求模型记住 WakaTime API 字段，或猜测 endpoint 的行为。wakatime-automation skill 则会指示 agent 先搜索 Rube tools，并使用当前 schema。对于 tool 可用性和必填输入很关键的实时自动化场景，这种方式更可靠。
它适合新手吗？
如果你的 AI 客户端已经支持 MCP servers，它对新手是友好的。整体思路很简单：连接 Rube、授权 WakaTime、搜索 tools、执行任务。如果你从未配置过 MCP 或类似 OAuth 的工具连接，那么上手门槛会更高一些。
什么时候不应该使用这个 skill？
如果你只需要 WakaTime 的静态说明、手动 dashboard 操作指引，或对导出的 CSV 文件做离线分析，就不必使用它。如果你的组织无法授权第三方 MCP 连接，或者 WakaTime 数据访问受到策略限制，也应避免使用。
如何改进 wakatime-automation skill
改进 wakatime-automation 的提示词
更好的提示词会带来更好的工具发现结果。请包含报告周期、指标、分组方式和目标输出格式：
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.
这样可以避免 agent 把一个宽泛的分析请求误当作一次模糊的 “stats” 调用。
常见失败模式
最常见的失败是跳过 RUBE_SEARCH_TOOLS，直接调用过期或猜测出来的 tool schema。另一个常见阻塞点是 WakaTime connection 未激活；此时 agent 应该停下来，并要求你完成返回的 auth link，而不是继续执行。
更隐蔽的失败是要求 dashboard 式洞察，却没有指定数据周期或分组方式。WakaTime 数据可以按很多方式切分，因此提示词应明确 “summary”、“productivity” 或 “activity” 的具体含义。
首次输出后继续迭代
拿到第一次结果后，应让 agent 基于返回字段继续细化，而不是基于你的假设。例如：“Use only fields available in the discovered schema and add a comparison to the previous 7-day period if supported.”
对于可重复的自动化流程，可以把成功发现的 tool slug、必填参数和输出格式保存到你自己的工作流笔记中。由于这个 skill 有意依赖 live discovery，这份记录能帮助你对比未来的 schema 变化。
什么会让这个 skill 更强
如果上游 wakatime-automation skill 能补充具体示例提示词、示例 Rube discovery responses，以及一些经过验证的工作流，例如每周项目摘要、语言占比分析，以及 toolkit 支持时的团队报告，它会更强。
在这些示例出现之前，用户可以通过明确 WakaTime 任务、让 Rube discovery 驱动执行，并把不受支持的字段视为约束而不是让 agent 猜测的理由，来改善结果。