技能库 14494 个
更多分类(194)
ansible
使用 Ansible 实现基础设施自动化。用于服务器配置、配置管理、应用程序部署和多主机编排。包括 OpenClaw VPS 设置、安全强化和常见服务器配置的手册。
charger
通过 Google 地方信息查看电动汽车充电器的可用性(收藏夹、附近搜索)。
chart-splat
通过 Chart Splat API 生成漂亮的图表。当用户要求以图表、图形或绘图的形式创建、生成或可视化数据时使用。支持折线图、条形图、饼图、圆环图、雷达图、极区图和烛台/OHLC 图表。返回 PNG 图像。
mm-easy-voice
使用 MiniMax Voice API 的简单文本转语音技能。通过可自定义的语音选择将文本转换为音频。用于从文本生成语音音频。
beepctl
通过 Beeper Desktop API 发送消息、搜索聊天或管理跨消息传递平台(Telegram、WhatsApp、Slack、iMessage 等)的对话时使用。
yandex-tracker-cli
Yandex Tracker 的 CLI(bash + curl)。队列、问题、评论、工作日志、附件、YQL。
mole-mac-cleanup
Mac 清理和优化工具结合了 CleanMyMac、AppCleaner、DaisyDisk 功能。深度清理、智能卸载程序、磁盘洞察和项目工件清除。
cherry-mcp
HTTP 桥接器使 MCP 服务器保持活动状态并通过 REST 公开它们。专为需要 MCP 工具而没有本机 MCP 支持的 OpenClaw 代理而构建。
Binance Spot
使用币安 API 的币安 Spot 请求。身份验证需要 API 密钥和密钥。支持测试网、主网和演示网。
temporal-cortex-datetime
转换时区、解析自然语言时间(“下周二下午 2 点”)、计算持续时间并通过 DST 感知调整时间戳。无需凭据 - 所有工具在一次性二进制安装后完全离线运行。
elite-tools
Elite CLI 工具可通过优化令牌使用来实现高效的 shell 操作。在执行 shell 命令、遍历目录或操作文件时使用,以最大限度地减少令牌消耗并防止正则表达式转义错误。涵盖 fdfind、batcat、sd、sg/ast-grep、
goldenseed
用于可重复测试和程序生成的确定性熵流。具有哈希验证的完美 50/50 统计分布。不加密安全 - 用于测试、世界生成以及可重复性比不可预测性更重要的场景。
conventional-commits
使用常规提交规范格式化提交消息。在创建提交、编写提交消息或用户提及提交、git 提交或提交消息时使用。确保提交遵循自动化工具、变更日志生成和语义版本控制的标准格式。
devtools-secrets
mise + fnox + infisical Secrets 工具链的知识和护栏。 当用户要求“配置机密”、“设置 fnox”、“infisical”时使用 "mise env", "秘密管理", "秘密的环境变量", 或者提到秘密注入、
stealth-browser
反检测网页浏览,使用带有隐形插件和可选住宅代理支持的 puppeteer-extra 绕过机器人检测、验证码和 IP 块。在以下情况下使用:(1) 网站阻止无头浏览器或数据中心 IP,(2) 需要绕过 Cloudflare/Vercel 保
aria2-json-rpc
通过 JSON-RPC 2.0 与 aria2 下载管理器交互。通过自然语言命令管理下载、查询状态和控制任务。在使用 aria2、下载管理或 torrent 操作时使用。
awspace-play-music
可控音乐播放器,支持暂停/继续/停止,单一入口点与后台服务器实现完整控制。
avirweb-twenty-oauth-mastery
Twenty CRM OAuth 专家级技能,涵盖 Google/Microsoft OAuth 实现、令牌刷新、域限制与故障排除。
semver-helper
语义版本控制 2.0.0 参考指南。用于选择 MAJOR、MINOR 或 PATCH 版本升级的快速决策树和示例。
setup
以交互方式设置新的自动研究实验。收集域、目标文件、eval 命令、指标、方向和评估器。
run
运行单个实验迭代。编辑目标文件,评估、保留或丢弃。
resume
恢复暂停的实验。检查实验分支,读取结果历史记录,继续迭代。
autogame-17-auto-test-generator
自动为 OpenClaw 技能生成基本单元/集成测试,提高代码质量并防止演进过程中的回归。
AutoForge
AutoForge 是一个用于 AI 代理的生产级自主优化框架。它用数学上严格的收敛循环取代了主观“反思”——跟踪 TSV 中的每次迭代,与多个模型进行交叉验证,并且仅在通过率确认真正的改进时才停止。四种专用模式:提示(通过场景模拟进行技能