精选 AI 技能合集,涵盖语言学习、知识管理、财富管理、方法论、AI 开发、设计创意、研究创新、系统控制等多个领域
-
6万+Skills市场: https://skillsmp.com
-
skills市场桌面端 https://www.skillhub.club/
-
宝玉的Obsidian自动配图Agent,可以选择Gemini模型或者ModelScope模型
-
归藏老师的基于 AI 自动生成高质量 PPT 图片和视频的工具,支持智能转场和交互
-
将 Z-Library 书籍自动下载并上传NotebookLM,解决获取电子书导入到笔记工具中阅读和分析的繁琐过程
-
香蕉banana老师 如何设计一个自我进化的Skill系统
-
香蕉banana老师 10分钟快速上手 AI Skill:零基础小白完整教程
-
王老师@wshuyi Claude Skills 入门:一篇文章搞懂 AI 怎么从「嘴替」升级成打工人
-
王老师@wshuyi 另一篇:Claude Skill 快照:给你的 AI 技能迭代加个后悔药
-
Pandan 老师@PandaTalk8官方文档推荐 中文版超棒
-
Yanhua 老师@yanhua1010 Skills安装指南
-
卡尔AI沃茨老师@aiwarts 顶级 Skills 推荐 用到现在最好
-
橘子老师@oran_ge 超级小白入门指南
-
乔木老师 @vista8 推荐的非程序员视角完整指南 超详细,降低门槛
-
宝玉老师推荐@dotey Claude code 开发者 Boris 开发者9条实战技巧
-
yanhua老师@yanhua1010 一站式资源汇总 入门到高级
-
Claude Code 101 490万观看
-
Claude Code 102 续集
简介
将 AI 回复格式化为四层双语对照结构(中文原文、汉语拼音、英文翻译、IPA 音标),帮助学习者(尤其是儿童)同时习得中文和英文。支持词汇学习、句子跟读、段落对照、互动对话等多种场景。
使用案例
儿童语言学习:用户输入"试试看",技能会展示"试试看 / Shìshi kàn / Let's try / /lɛts traɪ/",AI 回复同样格式。支持词汇卡片式排列、逐字拼音标注、四行对齐格式等。可根据用户语言习惯智能省略拼音或 IPA 层级,支持扩展为中日、中法、英法等多语言对照。适用于家庭教育和语言启蒙场景。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/bilingual-buddy |
| ClawHub | https://clawhub.ai/wangjiaocheng/bilingual-buddy |
| ⭐ Stars | 暂无公开数据 |
简介
李继刚的底层逻辑是四个字:精准压缩——把复杂的东西压进高密度核心,让 AI 自己展开细节。推荐以下五个核心 skill 覆盖从阅读到表达的完整认知链。
核心 Skills
| 技能 | 描述 |
|---|---|
| ljg-plain | 逼 AI 说人话:把复杂内容改写成 12 岁小孩也能看懂的样子,剥掉所有虚的、模糊的、绕来绕去的东西 |
| ljg-learn | 概念解剖器:一层一层往里拆一个概念,读论文卡住了、看技术文档晕了,扔给它就行 |
| ljg-read | 伴读教练:陪你读长文,自动检测语言、英文翻译成中文、标注结构、追问深层问题 |
| ljg-card | 认知可视化:把文字变成可分享的信息图 |
| ljg-think | 追本之箭:给一个观点一路向下钻到本质,写深度文章前用它把核心观点想透 |
仓库信息
| 项目 | 地址 |
|---|---|
| GitHub | https://github.com/lijigang/ljg-skills |
| 安装命令 | npx skills add lijigang/ljg-skills |
简介
花叔,30 万粉 AI博主,代表作「小猫补光灯」。他把从选题到数据分析的整条内容生产线做成了 21 个 Skill。
核心 Skills
| 技能 | 描述 |
|---|---|
| huashu-slides | PPT 制作:一句话出标准 PPTX,18 种设计风格,三种协作模式 |
| huashu-topic-gen | 选题生成:输入方向输出 3-4 个选题方案,含标题、大纲、优劣分析和工作量评估 |
| huashu-proofreading | 三遍审校:系统化降 AI 味——事实核查→AI 腔识别改写→节奏打磨 |
| huashu-article-to-x | 长文转社交媒体:3000 字公众号文章浓缩成微博/小红书版 |
| huashu-wechat-image | 公众号配图:封面图、正文插图、信息图,AI 生成和 HTML 渲染两条路径 |
| huashu-research | 结构化调研:每搜一轮保存一轮,不怕会话截断 |
| huashu-data-pro | 数据分析报告:Excel 到专业报告,5 种报告风格 |
| huashu-material-search | 个人素材库:从你的笔记中检索素材,让 AI 写的内容有你的"人味" |
仓库信息
| 项目 | 地址 |
|---|---|
| GitHub | https://github.com/alchaincyf/huashu-skills |
| 安装命令 | npx skills add alchaincyf/huashu-skills |
简介
苍何的仓库,是内容创作者的瑞士军刀——从下载素材到生成配图到发布公众号,全流程覆盖。
核心 Skills
| 技能 | 描述 |
|---|---|
| douyin-downloader | 抖音下载+分析:一条链接,视频+文字全搞定,文本层面拆解爆款结构 |
| xhs-images | 小红书配图系列:9 种视觉风格×6 种排版密度,从封面到知识卡片全覆盖 |
| article-illustrator | 文章插图:自动识别文章中需要配图的位置,6 种信息图类型×8 种视觉风格 |
| cover-image | 封面图:五维封面系统——类型×配色×渲染×文字×情绪,54 种组合 |
| post-to-wechat | 发布到公众号:API 和浏览器两种模式,图文、长文、HTML 都能发 |
| wechat-article-extractor | 公众号文章提取:公众号链接一键转 Markdown,素材收集神器 |
| url-to-markdown | 网页转 Markdown:任何网页转 Markdown,支持需登录的页面 |
| format-markdown | MD 格式化:自动排版——YAML 头信息、标题层级、列表、代码块,一键搞定 |
仓库信息
| 项目 | 地址 |
|---|---|
| GitHub | https://github.com/freestylefly/canghe-skills |
| 安装命令 | npx skills add freestylefly/canghe-skills |
简介
袋鼠帝的仓库虽小但实用,围绕内容创作者的日常需求做了 7 个 Skill。
核心 Skills
| 技能 | 描述 |
|---|---|
| ai-article-daily | 起号 SOP:选题→搜集资料→切入角度→初稿和标题→配图→排版→发布草稿箱,全流程内置 Prompt 模板,可以设成定时任务每天自动跑 |
| book-illustration-workflow | 书稿配图流程:梳理章节需要的截图和配图,统一图号→文件名→原文位置,回填到 Markdown 正确位置,同步到飞书文档 |
| multi-agent-image | 多 Agent 图片生成:基于 gpt-image-2 的异步生成+轮询+下载流程,支持批量生成和系列套图 |
| twitter-monitor | X/Twitter 监控:按博主抓取最新推文,输出 JSON/CSV |
仓库信息
| 项目 | 地址 |
|---|---|
| GitHub | https://github.com/kangarooking/kangarooking-skills |
| 安装命令 | npx skills add kangarooking/kangarooking-skills |
简介
知识点原子化拆解与专业讲解技能。将复杂概念拆解为形式化定义、推导过程、数值估算和常见误区,输出结构化的 Markdown/LaTeX 格式内容,适用于教学、研究和专业领域。
使用案例
学术研究:用户询问"什么是量子纠缠",技能会提供形式化定义、数学推导、数值估算和常见误区。输出包含核心概念、公式推导、实际应用和注意事项。适用于学术论文撰写、教学材料准备、技术文档编写等场景。所有输出均为结构化格式,便于直接引用和二次编辑。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/knowledge-explainer |
| ClawHub | https://clawhub.ai/wangjiaocheng/knowledge-explainer |
| ⭐ Stars | 暂无公开数据 |
简介
综合知识体系技能,整合三大知识域:投资哲学与市场理论(6篇)、高级提示词工程(9篇)、AI 辅助编程方法论(3篇)。从价格运动几何必然性到人性觉悟,从增强套件到模式提示,从灵感到实现的标准化工作流。
使用案例
跨领域学习:用户需要理解市场分析、提示词优化和 AI 编程工作流,技能提供从投资哲学(价格运动三大定律、数学三角、三种人生算法)到提示词工程(增强套件、创新元框架、模式转换器)再到编程方法论(复杂功能描述、方法调用结构)的完整知识链。适用于投资决策、AI 能力提升和编程效率优化。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/comprehensive-knowledge-system |
| ClawHub | https://clawhub.ai/wangjiaocheng/comprehensive-knowledge-system |
| ⭐ Stars | 暂无公开数据 |
简介
财富管理四阶段系统:财富积累(裂变获客/微利高频)→ 财富增值(翻倍周期引擎)→ 财富保全(离岸信托/家族办公室/大额保险/离岸架构/黄金实物/第二护照)→ 财富传承(慈善基金会/家族信托/遗嘱公证/家族宪法/第二代身份规划)。
使用案例
财富规划:用户处于财富积累期,技能提供裂变获客算法、变现算法、积累目标和本金分配策略。进入增值期后,提供翻倍公式、收益率-时间对照表、全球跨市场对冲与资产转移。保全期提供全球化保全工具(6项详解)和保全决策矩阵。传承期提供全球化传承工具(5项详解)和传承决策优先级。适用于个人财富规划和家族财富管理。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/wealth-manager |
| ClawHub | https://clawhub.ai/wangjiaocheng/wealth-manager |
| ⭐ Stars | 暂无公开数据 |
简介
方法论层技能,提供清单法和样本法两种结构化内容创作方法。通过构建组件列表、分析样本、组装输出,实现高质量内容的快速生成。支持网络搜索获取模板和样本,推荐尊重版权。
使用案例
内容创作:用户需要撰写一篇技术文档,技能使用清单法构建文档结构(标题、引言、正文、结论、参考文献),使用样本法分析同类优秀文档的风格和结构,然后组装输出。适用于技术文档、学术论文、商业计划书等结构化内容创作。支持自定义模板和样本,确保输出符合特定格式要求。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/compose-methods |
| ClawHub | https://clawhub.ai/wangjiaocheng/compose-methods |
| ⭐ Stars | 暂无公开数据 |
简介
输入处理输出结构递归嵌套模型。IPO 是万物的基元结构,是世界模型,是认知方法,也是改造方法。所有事物、过程、系统均可视为 IPO 的实例或 IPO 的组合,支持递归嵌套到任意深度。
使用案例
任务分解:用户要求"批量重命名文件",技能将任务分解为 IPO 树:Input(收集信息:解析命名规则、确定目标目录)→ Process(生成脚本:LLM 生成 Python 重命名脚本)→ Output(执行与验证:执行脚本 → 检查结果 → 如有错误则修复)。适用于复杂任务规划、系统设计、流程优化等场景。支持展示 IPO 展开细节,便于理解执行路径。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/ipo-model |
| ClawHub | https://clawhub.ai/wangjiaocheng/ipo-model |
| ⭐ Stars | 暂无公开数据 |
简介
身份原语链提示词技能。提供结构化的提示词协议,指导 LLM 如何思考、分解任务、调用工具。支持添加输入源(文件、URL、API)和重定向内部过程输出到工具/插件。
使用案例
AI 对话优化:用户需要 LLM 以特定身份(如数据分析师)执行任务,技能提供身份原语链协议,定义 LLM 的思考方式、任务分解逻辑、工具调用时机。适用于需要精确控制 LLM 行为的场景,如专业咨询、技术分析、创意生成等。支持自定义身份原语链,确保输出符合特定专业标准。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/identity-primitive-chain-prompt |
| ClawHub | https://clawhub.ai/wangjiaocheng/identity-primitive-chain-prompt |
| ⭐ Stars | 暂无公开数据 |
简介
通用执行器原理技能。核心洞察:两个基元(文件增删改查 + 执行命令)× 一个理解一切文字的大脑 = 通用执行器。提供环境自举策略,当 Agent 环境缺少文件操作或命令执行能力时,引导用现有接口创造这两个基元。
使用案例
能力扩展:Agent 只有网页访问能力,技能引导通过浏览器访问在线 Python 沙箱(如 replit、colab),在沙箱中编写文件读写代码,执行系统命令,通过网页 API 控制沙箱输入输出,实现文件基元和执行基元。适用于需要突破 Agent 环境限制的场景,如文件操作、命令执行、软件安装等。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/universal-primitives |
| ClawHub | https://clawhub.ai/wangjiaocheng/universal-primitives |
| ⭐ Stars | 暂无公开数据 |
简介
全知全能技能。认知套件(想)+ 执行框架(编程做)+ 系统控制(操控做),覆盖所有类型的任务。所有操作类型(脚本命令、代码生成、工具调用、技能插件、纯认知输出)均为统一基元,可由编排引擎自由组合为任意复杂度的执行链条。
使用案例
自动化办公:用户要求"打开 Excel,读取 A 列数据,生成每行的汇总报告,保存到桌面,然后调低屏幕亮度",技能编排引擎生成基元序列:[脚本] 激活 Excel 窗口 → [脚本] 截图确认状态 → [认知] 识别 Excel 内容,规划读取方案 → [代码] Python 脚本读取数据并生成报告 → [工具] 保存文件 → [脚本] 调低屏幕亮度。适用于跨层、多步骤、复杂编排的自动化任务。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/omniscient |
| ClawHub | https://clawhub.ai/wangjiaocheng/omniscient |
| ⭐ Stars | 暂无公开数据 |
简介
Linux 版全知全能技能。认知套件 + 执行框架 + 系统控制,覆盖所有类型的任务。支持 Linux 桌面软件、系统硬件、串口设备和物联网平台的综合控制,通过专用 Python 脚本实现十八大控制模块。
使用案例
Linux 系统管理:用户要求"扫描 WiFi、连接网络、调整音量、监控 CPU 温度",技能调用 window_manager.py、hardware_controller.py、thermal_controller.py 等脚本,实现窗口管理、硬件控制、温度监控等功能。适用于 Linux 环境下的系统管理、自动化运维、物联网控制等场景。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/linux-omniscient |
| ClawHub | https://clawhub.ai/wangjiaocheng/linux-omniscient |
| ⭐ Stars | 暂无公开数据 |
简介
认知执行技能。认知套件(想)+ 执行框架(编程做),覆盖认知与代码执行类任务。所有操作类型(代码生成、工具调用、技能插件、纯认知输出)均为统一基元,可由编排引擎自由组合为任意复杂度的执行链条。
使用案例
数据处理流水线:用户要求"读取 CSV 文件,清洗数据,生成统计报告,保存为 Excel",技能编排引擎生成基元序列:[认知] 分析 CSV 结构,规划清洗方案 → [代码] Python 脚本读取 CSV 并清洗数据 → [代码] 生成统计报告并导出 Excel → [工具] 保存文件。适用于数据处理、文件操作、接口调用等认知与执行结合的任务。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/cogniexec |
| ClawHub | https://clawhub.ai/wangjiaocheng/cogniexec |
| ⭐ Stars | 暂无公开数据 |
简介
标准化、可复现的三步 AI 辅助编程工作流。通过"样本模仿"与"提示词驱动"的有机结合,实现从模糊需求到生产代码的确定性转换。默认技术栈:Android 客户端、SpringBoot 服务器、MySQL 数据库、Kotlin 语言。
使用案例
应用开发:用户要求"开发一个待办事项管理 APP",技能执行三步工作流:第一步将需求扩展为结构化的复杂功能描述(需求点 → 功能点 → 执行点);第二步生成跨平台方法调用结构(涵盖客户端和服务端各层);第三步生成完整项目内容(代码 + 配置 + 部署)。适用于移动应用、Web 应用、后端服务等软件开发场景。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/ai-dev-workflow |
| ClawHub | https://clawhub.ai/wangjiaocheng/ai-dev-workflow |
| ⭐ Stars | 暂无公开数据 |
简介
自适应技能叠加技能。通过输入解析层、能力注册表、智能叠加协议,实现能力的动态增长和智能叠加。每次任务完成后,将新能力写入能力注册表,更新叠加协议,实现技能的持续进化。
使用案例
能力积累:首次处理数据分析任务时,技能进入构建模式,分析并解决新领域问题,提炼可复用的方法论,将新能力写入能力注册表。后续相同领域任务将走叠加模式,直接激活已掌握的能力模块。适用于需要持续学习和能力扩展的 AI Agent 场景。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/adaptive-skill-stack |
| ClawHub | https://clawhub.ai/wangjiaocheng/adaptive-skill-stack |
| ⭐ Stars | 暂无公开数据 |
简介
风格设计生成技能。基于两份参考文件中的 100 个风格方案及其内在模板系统,提供五类操作:换主体、要素混搭、模板衍生、新风格延展、领域应用。支持字体设计、信息图设计、漫画分镜、游戏 UI、小说封面等多种产物类型。
使用案例
创意设计:用户要求"将藤蔓生态风格的字体方案应用到漫画领域",技能执行换主体操作:将"字体(藤蔓缠绕形态)"槽位替换为"主体(藤蔓缠绕的人体姿态)",其余槽位保持不变,生成新方案。然后执行领域应用,将风格方案的各槽位值映射到漫画领域的具体创作要素(主角视觉设计、配色方案、主要场景、标志性元素、分镜构图)。适用于创意设计、品牌设计、内容创作等场景。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/style-design-generator |
| ClawHub | https://clawhub.ai/wangjiaocheng/style-design-generator |
| ⭐ Stars | 暂无公开数据 |
简介
因果动力学架构(CDA)研究参考。替代 Transformer 的全新 AI 计算架构提案,核心理念:世界不是符号序列,而是实体及其因果关系的动态系统。以因果图上的哈密顿动力学步进替代 Transformer Self-Attention,原生支持物理约束、因果推理和多尺度建模。
使用案例
AI 架构研究:用户需要理解 CDA 的五层计算栈(感知校准层、因果机制网络、多尺度聚合层、反事实推理层、语言界面层),技能提供从宏观文明演进到具体架构实现的完整知识链。适用于 AI 研究、物理仿真、因果推理等前沿领域研究。包含完整的数学公式、实现路线图和与现有工作的关系分析。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/cda |
| ClawHub | https://clawhub.ai/wangjiaocheng/cda |
| ⭐ Stars | 暂无公开数据 |
简介
CDA 数据合成器技能。提供数据格式规范、合成协议、示例数据集,用于生成符合 CDA 架构的因果数据集。支持热力学、力学、流体、化学反应等多种机制类型的数据生成。
使用案例
数据生成:用户需要生成热力学仿真数据,技能读取数据格式规范,按照 CDA 架构定义的 EntityState 和 CausalEdge 结构,生成包含实体状态、因果边、机制函数的 JSON 数据集。适用于 CDA 架构验证、仿真训练、算法测试等场景。所有生成数据均符合 CDA 数据格式协议。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/cda-data-synth |
| ClawHub | https://clawhub.ai/wangjiaocheng/cda-data-synth |
| ⭐ Stars | 暂无公开数据 |
简介
CDA 代码实验室技能。将 Causal Dynamics Architecture 的理论设计转化为可执行的 Python 仿真代码。生成 PyTorch 仿真代码,支持热力学仿真引擎、多域因果耦合、反事实推理、多尺度聚合等组件。
使用案例
代码生成:用户要求实现热力学仿真引擎,技能读取实现指南、组件规格、PINN 模板,生成完整的 Python 代码文件(data_loader.py、entities.py、mechanisms.py、hamiltonian.py、integrator.py、cdablock.py、run_simulation.py),附带 self-test 函数验证正确性。适用于 CDA 架构实现、仿真实验、算法验证等场景。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/cda-code-lab |
| ClawHub | https://clawhub.ai/wangjiaocheng/cda-code-lab |
| ⭐ Stars | 暂无公开数据 |
简介
Windows 系统统一控制接口。支持桌面应用、系统硬件、串口设备和 IoT 平台的综合控制。六个控制模块:窗口管理器、进程管理器、硬件控制器、串口通信、IoT 控制器、GUI 控制器,每个模块都有专用 Python 脚本。
使用案例
系统自动化:用户要求"打开记事本、调整音量到 50、扫描 WiFi、截取屏幕",技能调用 window_manager.py 打开记事本,hardware_controller.py 调整音量,network_controller.py 扫描 WiFi,gui_controller.py 截取屏幕。适用于 Windows 环境下的系统管理、自动化办公、智能家居控制等场景。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/system-controller |
| ClawHub | https://clawhub.ai/wangjiaocheng/system-controller |
| ⭐ Stars | 暂无公开数据 |
简介
Linux 系统统一控制接口。支持桌面应用、系统硬件、串口设备和 IoT 平台的综合控制。六个控制模块:窗口管理器、进程管理器、硬件控制器、串口通信、IoT 控制器、GUI 控制器,每个模块都有专用 Python 脚本。
使用案例
Linux 系统管理:用户要求"启动 VS Code、调整音量、扫描 WiFi、截取屏幕",技能调用 window_manager.py 启动 VS Code,hardware_controller.py 调整音量,network_controller.py 扫描 WiFi,gui_controller.py 截取屏幕。适用于 Linux 环境下的系统管理、自动化运维、物联网控制等场景。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/linux-system-controller |
| ClawHub | https://clawhub.ai/wangjiaocheng/linux-system-controller |
| ⭐ Stars | 暂无公开数据 |
简介
最小化通用 AI Agent。支持 6 种运行模式:function(V2)、text(V1)、auto(推荐)、mixed(高级)、force_text、force_function。V2 模式限制在 55 个预定义工具内,V1 模式可执行任何系统命令,支持智能模式切换和组合使用。
使用案例
自动化执行:用户要求"截屏后 OCR 文字,保存到文件,然后调整音量",技能使用 mixed 模式,智能分析任务,V1 和 V2 命令夹杂自由切换:V2 模式执行截图和音量调整,V1 模式执行文件操作。适用于需要完全控制权的开发/调试/运维场景,以及安全敏感的生产环境。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/minimal-agent |
| ClawHub | https://clawhub.ai/wangjiaocheng/minimal-agent |
| ⭐ Stars | 暂无公开数据 |
简介
最小化通用 AI Agent,自动化端到端任务执行。理解自然语言意图,生成命令或脚本,执行并分析结果,自动从错误中恢复。支持三种使用模式:独立运行(需要 API Key)、桥接执行(推荐,由外部 Agent 提供 LLM)、模拟执行(最快,无设置)。
使用案例
端到端自动化:用户要求"列出当前目录的文件,过滤 Python 文件,统计行数,生成报告",技能执行四步工作流:Think(LLM 理解任务,判断复杂度)→ Execute(写入文件 → 运行脚本 → 捕获输出)→ Fix(出错时分析错误、自动修复代码、重试)→ Summarize(将技术输出翻译成人类可读语言)。适用于需要动态代码生成和立即执行的场景。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/universal-agent |
| ClawHub | https://clawhub.ai/wangjiaocheng/universal-agent |
| ⭐ Stars | 暂无公开数据 |
简介
内置工具技能。当宿主 Agent 平台缺少某个基础工具时,用本技能的脚本补足。所有脚本纯 Python 标准库实现,零外部依赖,跨 Windows/macOS/Linux。提供 15 个脚本:execute_command、list_dir、search_file、read_file、write_file、replace_in_file、delete_file、search_content、web_search、web_fetch、preview_url、install_binary、update_memory、automation_update、todo_write。
使用案例
工具补足:Agent 环境缺少文件搜索功能,技能提供 search_file.py 脚本,支持递归搜索、模式匹配、JSON 协议。execute_command.py 作为自举入口,可调度所有其他脚本,只需平台支持执行一条 Python 命令。适用于需要补足基础工具能力的 Agent 环境。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/builtin-tools |
| ClawHub | https://clawhub.ai/wangjiaocheng/builtin-tools |
| ⭐ Stars | 暂无公开数据 |
简介
CAD 编辑器技能。将自然语言指令转换为工程图纸(DXF + PNG/SVG/PDF)。覆盖建筑、机械、电气、管道、结构五大领域,遵循 GB/T 制图标准。支持 52 条预定义意图映射模板,涵盖 6 大类图纸。
使用案例
工程制图:用户要求"画一个 4000x3000 的建筑平面图,外墙+门+窗+标注+图框",技能执行五步工作流:解析自然语言指令 → 生成绘图脚本 → 执行脚本生成 DXF → 渲染预览图片 → 交付结果。适用于建筑制图、机械制图、电气制图、管道制图、结构详图等工程制图场景。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/cad-editor |
| ClawHub | https://clawhub.ai/wangjiaocheng/cad-editor |
| ⭐ Stars | 暂无公开数据 |
简介
聊天总线技能。让使用本技能的不同用户/Agent 之间,通过共享文件目录实现聊天对话。支持私聊、群聊、消息历史查询。所有消息是 JSON 文件,天然按时间排序,天然持久化。
使用案例
多 Agent 协作:用户 A 和用户 B 需要通过共享目录聊天,技能提供 register.py(用户注册)、send.py(发送消息)、receive.py(接收消息)、history.py(消息历史查询)、rooms.py(群聊房间管理)等脚本。适用于多 Agent 协作、团队沟通、分布式系统消息传递等场景。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/chat-bus |
| ClawHub | https://clawhub.ai/wangjiaocheng/chat-bus |
| ⭐ Stars | 暂无公开数据 |
简介
游戏盒技能。自包含的多人游戏引擎框架,通过共享目录实现多 Agent 对局。支持 5 种游戏:文字冒险(RPG)、狼人杀、小说接龙、夺旗战(CTF)、文明模拟。LLM 负责叙事和创意内容,脚本负责状态管理和规则执行。
使用案例
多 Agent 对局:用户创建狼人杀游戏,技能提供 manager.py(游戏管理)、turn.py(回合控制)、action.py(统一动作接口)、message.py(消息系统)等脚本,以及各游戏的 LLM 叙事提示词模板。适用于多 Agent 娱乐、游戏开发、AI 游戏研究等场景。
仓库信息
| 项目 | 地址 |
|---|---|
| SkillHub | https://skillhub.cn/skills/gamebox |
| ClawHub | https://clawhub.ai/wangjiaocheng/gamebox |
| ⭐ Stars | 暂无公开数据 |
本 README 按照技能的实际功能进行智能分类,而非用户提供的生活/生产/研究/方法/创新/其它分类。每个技能包含简介(约 100 字)、使用案例(约 200 字)、仓库地址和 star 数量。
注意事项:
- ClawHub 页面未公开显示 star 数量,因此所有技能的 star 数量均标注为"暂无公开数据"
- 所有技能均来自 SkillHub 和 ClawHub 平台
- 技能分类基于实际功能和应用场景,便于用户快速查找所需技能
- 如需更新技能信息或添加新技能,请按照现有格式进行编辑
本 README 仅供技能整理和展示使用,各技能的许可证请参考其原始仓库。
欢迎提交 Issue 和 Pull Request 来完善本技能合集。
最后更新:2026-04-27