Github Skill - GitHub 操作工具

功能介绍 基于 gh CLI 封装的 OpenClaw Skill,支持所有 GitHub 操作: Issues 管理(创建、评论、分配、标签) PR 管理(查看、合并、审查、CI 状态查询) CI/CD 运行日志查看 高级 API 调用 安装方式 npx clawhub@latest install github 使用场景 项目维护:自动处理 issue 和 PR CI 监控:实时查询构建状态 代码审查:批量处理 PR 评论 仓库管理:批量创建/迁移仓库 使用教程 前置依赖 使用前需要先安装 GitHub CLI: # MacOS brew install gh # Ubuntu/Debian sudo apt install gh # 验证安装 gh --version 安装后需要登录授权: gh auth login 常用示例 PR 相关操作 查看 PR CI 状态: gh pr checks 55 --repo owner/repo 列出最近 10 次工作流运行记录: gh run list --repo owner/repo --limit 10 查看运行详情和失败步骤: gh run view <run-id> --repo owner/repo 只查看失败步骤的日志: gh run view <run-id> --repo owner/repo --log-failed 高级 API 查询 获取指定 PR 的详细信息: gh api repos/owner/repo/pulls/55 --jq '.title, .state, .user.login' 列出所有 Issue 并格式化输出: gh issue list --repo owner/repo --json number,title --jq '.[] | "\(.number): \(.title)"' 评分 ⭐ 286 · 下载量 85.8k 作者:@steipete

Self-Improving Agent Skill - 自进化代理

功能介绍 自动捕获操作错误、用户纠正和使用反馈,实现代理能力的持续进化: 错误自动学习,避免重复踩坑 用户偏好自动记录,适配使用习惯 操作日志自动总结,提炼最佳实践 支持 WAL 协议和自主 Cron 调度 安装方式 方式1:安装到当前工作区(默认) npx clawhub@latest install self-improving-agent 安装路径:`~/.openclaw/workspace/skills/self-improving-agent 方式2:全局安装(所有工作区可用 npx clawhub@latest install self-improving-agent --global 安装路径:`~/.openclaw/skills/self-improving-agent 使用场景 日常操作自动化优化 错误处理流程自动迭代 用户交互体验持续提升 代理能力自主进化 使用教程 前置准备 安装完成后,先创建学习日志目录: mkdir -p ~/.openclaw/workspace/.learnings 在目录下创建三个日志文件: # 学习记录 touch ~/.openclaw/workspace/.learnings/LEARNINGS.md # 错误记录 touch ~/.openclaw/workspace/.learnings/ERRORS.md # 功能需求记录 touch ~/.openclaw/workspace/.learnings/FEATURE_REQUESTS.md 核心工作流程 场景 操作 命令/操作失败 记录到 .learnings/ERRORS.md 用户纠正了你的错误 记录到 .learnings/LEARNINGS.md,分类为 correction 用户提出新功能需求 记录到 .learnings/FEATURE_REQUESTS.md 外部 API/工具调用失败 记录到 .learnings/ERRORS.md,附带集成详情 发现知识过时 记录到 .learnings/LEARNINGS.md,分类为 knowledge_gap 找到更好的实现方案 记录到 .learnings/LEARNINGS.md,分类为 best_practice 日志格式示例 学习记录 (LEARNINGS.md) ## [LRN-20260310-001] correction **Logged**: 2026-03-10T14:30:00+08:00 **Priority**: medium **Status**: pending **Area**: workflow ### Summary 用户纠正了安装命令的拼写错误,正确命令是 `npx clawhub` 不是 `npx clawdhub`。 ### Details 之前的文档里误写了 clawhub 的命令为 clawdhub,导致用户安装失败。正确的命令前缀是 clawhub。 ### Suggested Action 修改所有文档里的错误拼写,后续使用时注意命令正确性。 ### Metadata - Source: user_feedback - Related Files: content/skills/*.md - Tags: cli, documentation 错误记录 (ERRORS.md) ## [ERR-20260310-001] github_cli **Logged**: 2026-03-10T14:35:00+08:00 **Priority**: high **Status**: pending **Area**: tools ### Summary 调用 gh pr checks 命令失败,提示未授权。 ### Error gh: authentication failed ...

Summarize Skill - 多格式内容摘要工具

功能介绍 支持多格式内容的自动摘要生成: 网页内容摘要 PDF/Word 文档摘要 图片 OCR + 摘要 音频/视频转写 + 摘要 YouTube 视频自动总结 安装方式 npx clawhub@latest install summarize 使用场景 技术文档快速阅读 会议记录自动总结 长视频/音频内容提炼 文献综述自动生成 使用教程 前置准备 首先安装 summarize CLI: # MacOS (推荐) brew install steipete/tap/summarize # 跨平台 npm 安装 npm install -g @steipete/summarize 配置 LLM API Key(选择其中一个即可): # Google Gemini (默认模型,免费额度高) export GEMINI_API_KEY="你的Gemini API Key" # OpenAI export OPENAI_API_KEY="你的OpenAI API Key" # Anthropic Claude export ANTHROPIC_API_KEY="你的Claude API Key" # 永久生效(添加到 ~/.zshrc) echo 'export GEMINI_API_KEY="你的API Key"' >> ~/.zshrc source ~/.zshrc 基础使用 网页摘要 # 默认使用 Gemini 模型,中等长度摘要 summarize "https://docs.openclaw.ai/guide/skills" 本地文件摘要(PDF/Word/图片/音频) # 生成 PDF 文档摘要 summarize "/path/to/技术方案.pdf" # 生成图片 OCR + 摘要 summarize "/path/to/架构图.png" # 生成音频转写 + 摘要 summarize "/path/to/会议录音.mp3" YouTube 视频摘要 # 自动获取字幕并生成摘要 summarize "https://youtu.be/dQw4w9WgXcQ" --youtube auto 高级参数 指定摘要长度 # 短摘要(适合快速预览) summarize "https://example.com/article" --length short # 长摘要(适合深度阅读) summarize "https://example.com/long-article" --length long # 自定义长度(最多 10000 字符) summarize "https://example.com/report" --length 5000 指定模型 # 使用 GPT-4o summarize "/path/to/论文.pdf" --model openai/gpt-4o # 使用 Claude 3 Opus summarize "/path/to/法律文档.pdf" --model anthropic/claude-3-opus 特殊功能 # 只提取网页正文,不生成摘要 summarize "https://example.com" --extract-only # 输出 JSON 格式(便于程序处理) summarize "https://example.com" --json # 开启 Firecrawl fallback(解决反爬网站无法提取的问题) summarize "https://blocked-site.com/article" --firecrawl auto 配置文件(可选) 创建 ~/.summarize/config.json 配置默认参数: ...

Tavily Web Search Skill - AI 优化搜索引擎

功能介绍 专为 AI 代理优化的网页搜索工具,返回高度相关、简洁的搜索结果: 实时网页信息抓取 结果自动去重、摘要提取 支持多语言搜索 适配 Agent 上下文格式 安装方式 npx clawhub@latest install tavily-search 使用场景 开发问题解决方案搜索 最新技术文档检索 开源项目信息查询 实时资讯获取 使用教程 前置准备 首先去 Tavily 官网 注册账号,获取 API Key 将 API Key 添加到环境变量: # 临时生效 export TAVILY_API_KEY="你的API Key" # 永久生效(添加到 ~/.zshrc 或 ~/.bashrc) echo 'export TAVILY_API_KEY="你的API Key"' >> ~/.zshrc source ~/.zshrc 基础使用 普通搜索 # 默认返回 5 条结果 node ~/.openclaw/skills/tavily-search/scripts/search.mjs "OpenClaw 多代理使用教程" 指定结果数量 # 返回 10 条结果 node ~/.openclaw/skills/tavily-search/scripts/search.mjs "Rust 异步编程最佳实践" -n 10 深度搜索(更全面,速度稍慢) node ~/.openclaw/skills/tavily-search/scripts/search.mjs "2026 年 AI 创业趋势" --deep 新闻搜索(实时资讯) # 搜索最近 7 天的新闻 node ~/.openclaw/skills/tavily-search/scripts/search.mjs "OpenClaw 最新版本发布" --topic news --days 7 网页内容提取 直接提取指定 URL 的正文内容: ...

OpenClaw Skills 是什么?怎么用?

OpenClaw Skills 是什么? Skills 是 OpenClaw 生态的核心扩展机制,类似于 VS Code 的插件、Chrome 的扩展程序,是可插拔的能力模块,可以快速为你的 AI 代理团队增加各种专业能力,无需修改核心框架代码。 核心特性 1. 即插即用 安装即可使用,无需复杂配置,每个 Skill 都封装了完整的领域知识、执行逻辑和交互流程,代理可以直接调用 Skill 的能力完成特定领域的任务。 2. 领域专精 每个 Skill 都专注于解决特定领域的问题,从代码开发到云原生运维,从内容创作到数据分析,覆盖绝大多数常见工作场景,你可以按需选择安装。 3. 社区驱动 Skill 生态完全开放,任何人都可以开发和发布自己的 Skill,共享到 ClawHub 市场供所有人使用,同时也可以自由修改和定制已有的 Skill 满足个性化需求。 4. 版本管理 内置完整的版本管理机制,支持安装指定版本、更新到最新版本、回滚到历史版本,保证依赖的稳定性和兼容性。 5. 权限可控 每个 Skill 都有明确的权限声明,你可以精确控制 Skill 可以访问的资源和执行的操作范围,避免安全风险。 常见 Skill 类型 开发工具类 各种编程语言和框架的开发支持(Rust/Go/Python/Vue等) 代码审查、测试、部署自动化 数据库设计、API 开发、系统架构设计 运营效率类 社交媒体运营、内容创作、SEO优化 数据分析、报表生成、用户反馈处理 邮件处理、日程管理、会议纪要生成 运维安全类 服务器运维、监控告警、故障排查 安全审计、漏洞扫描、合规检查 备份恢复、扩容缩容、成本优化 行业定制类 电商运营、客服自动化、订单处理 金融数据分析、风险控制、报表生成 医疗数据处理、法律文书生成、教育内容创作 使用方式 安装 Skill 通过 ClawHub 市场一键安装: ...

OpenClaw 必备 Skills 清单:2026 年最值得安装的 10 个技能

什么是 OpenClaw Skill OpenClaw Skill 是可以插件式安装到你的 AI Agent 上的能力扩展模块。安装 Skill 之后,OpenClaw 就获得了该 Skill 所赋予的工具——例如,安装了 browser-use 之后,你可以直接让 Agent 打开网页、点击按钮、截图;安装了 calendar 之后,Agent 可以查询和创建你的日程事件。 Skills 的底层协议基于 MCP(Model Context Protocol)——一个由 Anthropic 主导设计的开放标准,用于规范化 AI 模型与外部工具之间的通信方式。MCP 定义了工具描述、调用格式和返回值结构,使得不同厂商开发的 Skill 可以无缝集成到任何兼容 MCP 的 Agent 框架中。OpenClaw 完全兼容 MCP,因此你不仅可以使用官方 Skills,还可以安装社区开发的第三方 Skill,甚至自己编写。 与传统的插件系统不同,MCP 的优势在于 工具描述对 LLM 可读——AI 模型能够理解每个工具的功能和参数,从而智能地决定何时调用、如何调用,而无需你手动触发。 如何安装 Skill OpenClaw 提供了统一的 Skill 管理命令,安装、卸载、列出 Skill 都非常简单: # 安装一个 Skill openclaw skill add <skill-name> # 列出已安装的 Skills openclaw skill list # 查看某个 Skill 的详细信息 openclaw skill info <skill-name> # 卸载一个 Skill openclaw skill remove <skill-name> # 更新所有 Skill 到最新版本 openclaw skill update --all 安装完 Skill 后,重启 OpenClaw(或运行 openclaw reload),Agent 即可立即使用新的工具能力。 ...