如何去寻找想要的开源skills

我上次给你们分享的这个四千个 skills 合集不到一周，现在已经超过两万七千个了，进化速度堪比坐了火箭。但是问题也来了，找到自己需要的 skills， 现在就像大海捞针。 今天我就分享给你们一串神秘代码，用它就能快速的找到你需要的那款。我用的是开源免费的 open code， 输入这串代码，再加上你要寻找的技能，比如 excel， 它就能快速地从这两万七千个 skills 当中把和 excel 相关的筛出来，每一个你都可以点进去查看它的详情，如果合适，复制最上方的链接就能直接安装，省心又省力，主打的就是一个效率拉满。

今天给大家分享一个开源项目，是专门给这个 open curl 做的一个 skills 技能商场，这个是集合了五千多个 skills 的 项目，它的 star 数也是达到了十三 k， 是 非常恐怖的一个量，可以看到他们收入了五千多个，精选了二千九百九十个技能，而且它是把它分门别类的都整理好了，比如说做代码编程的，做销售的 和一些生产人力任务，还有一些电子商务金融相关的，还有就是浏览器自动化这种相关的，里面都有非常多的 skills， 直接打开就可以下载。因为我们做这个 open curl 的 时候，感觉好像安装好了，但是不知道怎么样下手，不知道它到底有哪些功能，其实就可以按照这个方式去选择你自己想要的一些项目 去安装来试一试。个人现在用的比较少，我个人感觉还没有怎么用好，我我会偏向于把它拿来做一些爬虫这种爬数据的一些功能，或者写代码的一些功能，但是看见有很多大神都拿这个来做一些硬件的控制，这些都有， 这个 open curl 还是值得大家去关注和使用的。特别是 skills， 因为感觉 skills 出来了之后，现在的一些应用开发都没有特别大的必要， 基本上只要你能做出一个简单的 skills， 你 会越用越顺心，越用越好。这个 skills 只要你用了之后，你进行了调整之后，达到了最终结果，你就可以把这些经验和试错全部放去更新，这个 skills 就 会越用越好。

如果你安装了 openclaw 却不知道要做什么，千万不要错过这两个开源项目。第一个，它精选了社区三十七个 openclaw 实用的 skills， 覆盖社交媒体、创意建设、开发、运维、生产力、研究学习等多个方面，每个 skill 都值得去研究一下。第二个， 它的内容更加丰富，分类整理了 openclaw 近五千五百个 skills， 包含了数据分析、开发、运维、市场营销、电子商务、金融、 生产力、自动化、个人成长、图像视频生成等三十二个分类，非常适合向深度拓展 open class 用边界的人群。如果你也想在二零二六年养虾，一定要多关注这两个开源的明星项目。项目名称放在视频下方了，需要的自取。

openclaw 里面的 skill 是 必不可少的，我们完成很多任务都需要它。那在 openclaw 的 官方呢，有一个叫 clawhub， 里面集合了五千多个 skills， 那 很全，但是有一个大问题是它不好去查找，没有分门别类，而且最近有一些恶意的 skill， 它可能会盗取你的私人信息， 那在这里面也没有甄别出来。所以最近有一个开源的项目非常的良心，他解决了这两个问题。第一，他把所有的 skill 帮你分门别类列出来了。其次，他把那些恶意的 skill 帮你排除了。我们看一下，首先按照目录帮你列出来了一共有两千多个正常安全的 skill， 比如说编码相关的，市场营销购物相关的，流媒体相关的， 那你针对性地去找 skill 就 可以了。其次，它帮你排除了这些可能恶意的，有垃圾邮件的，并且重复的 低质量的 skill。 所以 我觉得这个开源项目非常的良心，大家可以去试一试，叫 awesome open claw skills， 到 github 里面去找就可以了。

你一不小心在 skus 后面输入 s h， 你 发现这是一个全网最全的 agent skills 的 宝藏库，它收入了超五万的 agent skills， 并且完全开源免费，想要什么直接就能部署。不管你想找的是竞品分析、 ui 设计、营销创意，还是写文案、做 ppt、 代码审查等等，覆盖生活服务的方方面面就非常好使。

tiktok 上最近出现了一个非常火的项目， agent skills for contest engineering， 发布不到一周就斩获了二点三 k stars。 为什么它能瞬间引爆社区？今天我们深入来聊聊这个项目。你可能有过这样的经历，用 ai 编程时，明明给了足够的上下文，可 ai 要么答非所问，要么被永长的历史信息绕晕。最近 github 上的一个项目或许能解决这个痛点。 这个叫用于上下文工程的智能体技能的项目，发布不到一周就拿下了二点三 k 星。为什么他能这么火？我们从二零二五年末的技术背景说起， 这些年大厂白皮书里反复提到上下文工程，但对每天敲代码的开发者来说，那些理论太飘了。 我们需要的不是什么是上下文的论文，而是能直接用到 cloud code 里的工具。这个项目恰恰填补了这个空白，它把灰色的上下文管理策略打包成十个即插即用的智能体技能，借助 cloud 的 自动加载和触发机制， 让 ai 终于能像资深工程师一样自己管理内存。这就是一套上下文工程的最佳实践工具库。怎么理解它的核心逻辑？项目把上下文拆解成五个部分， 系统指令、工具定义、查找文档、消息、历史和工具输出。其中工具输出是最拖后腿的。研究显示，原始工具返回结果往往占了上下文百分之八十以上的体积，就像你电脑开了太多网页导致卡顿。 ai 的 上下文也有注意力，预算 一旦超支，性能就会下降。项目提出的渐进式路由策略就是解决这个问题的关键。初始状态下，智能体只读取所有技能的名称和简短描述，就像你手机桌面只显示常用 app 图标。 当你输入 prompt 后，智能体会自动进行语义匹配，找到相关能力，再加载详细内容。这跟操作系统的液交换机制很像，确保模型始终处理最相关的高信号信息。 你可能听说过 ai 的 迷失在中间现象，当信息放在上下文中间位置时，召回准确率比两端低百分之十到百分之四十。 除了这个，长对话里还会出现上下文中毒、干扰、混淆、冲突等问题。比如你先问 ai 怎么写 python 爬虫，再问怎么优化 java 性能。旧的爬虫信息可能干扰 ai 对 java 问题的回答。项目里提到的压缩优化技术能帮我们解决这些问题。 比如观察掩码技术，读取原文后提取核心结论，把原文从上下文里替换成引用 id， 这样上下文体积能骤降百分之九十。就像你把厚厚的参考手册换成一张锁影卡，需要时再去查详情。还有铆钉、叠带、摘药技术， 维护结构化的状态快，包括绘画意图、状态清单、决策记录和下一步行动向，让 ai 始终记得对话的核心目标。在多智能体协助场景里，上下文隔离很重要。比如一个项目分三个智能体， 写前端的，写后端的，做测试的。如果写前端的智能体看到后端的代码细节，可能反而会影响它的工作效率。 项目建议，每个子智能体只关心自己的任务，拥有专用工具，减少后选工具数量，实现故障阻断。 就像工厂里的流水线，每个工位只做自己的事，互不干扰。记忆系统也是上下文工程的重要部分。传统的向量检索有个时态盲区，它能找到相关的知识，但不知道这些知识的时间顺序。比如， ai 可能会把二零二三年的旧技术和二零二五年的新技术混在一起。 项目里提到的时态知识图谱就是给知识加上时间戳，让 ai 能区分旧方法和新进展。在工具设计方面，项目提出了一个反直觉的建议， 不要为每个细小功能写一个工具，而是把高度藕合的步骤合并。比如，你要做读取文件加分析代码加生成报告，与其写三个工具，不如合并成一个，这样能减少工具调用次数，提升效率。 项目还建立了完整的评估体系。智能体性能的百分之九十五变异由三个因素决定， token 使用量占百分之八十，工具调用次数占百分之十，模型本身选择占百分之五。这意味着优化上下文比换模型更能提升性能。 最后，项目给出了从 demo 到生产环境的五阶段流水线方法论。第一阶段，先用人肉方式跑通流程，再写代码。第二阶段，利用文件系统作为状态机，管理任务进度。这跟软件开发的最小可行产品思路类似，先验证流程可行，再投入开发。 通过这个项目，我们能看到，智能体开发已经进入了系统工程时代。以前我们可能只关注模型本身，现在发现，上下文工程才是构建确定性系统的关键。就像造房子，模型是地基，上下文工程就是框架， 没有好的框架，再好的地基也建不起高楼。这个项目的意义在于，它把抽象的上下文工程理论变成了开发者能直接用的工具，让更多人能用上高质量的智能体。说到这里，你可能会想， 以后 ai 会不会自己变得越来越会管理自己？我们会不会不再需要花太多时间调整 prompt？ 这些问题或许会在未来的技术发展中找到答案。好了，今天的内容就聊到这里了，如果你有什么想法，欢迎在评论区交流，我们下期再见。

当你不小心安装了一个 openclaw， 然后发现不知道拿它做什么，直接去 github 搜 awesome openclaw skills， 你 会发现有大佬把三千零二多个 openclaw 的 核心 skill 全部开源了，整整覆盖了三十多个吸粉领域。 不管你是想搞 ai 应用开发，网页自动化、图像视频生成，还是做搜索研究、市场营销甚至 devops 部署，总有一款适合你。最牛的是，每个 skill 的 核心工作流都给你拆解好了，直接抄作业，完全零基础可上手，而且全部免费，从此你就有了一个技能仓库。

真的太离谱了，这个项目我愿称之为二零二六年 cloud bot 的 最强外挂，有大佬直接把七百多个 cloud bot 的 核心 skill 全部开源了， 整整覆盖了三十一个气氛领域，不管你是想搞代码开发，网页自动化，还是视频生成、数据分析，甚至是市场营销，这里面全都有。 最牛的是他把每个 skill 的 核心工作流都给你拆解好了，你直接抄作业就行，完全零基础上手。最关键的一点是全部免费，这种顶级资源建议先收藏，晚了真怕他被下架。

做产品的朋友们注意了，今天给你安利一个 skill， 装上之后， cloud 就 变成了你的资深产品经理搭档。 平时让 ai 帮你写 prd， 他 给你的东西一看就很烦，因为 ai 根本不懂产品经理的专业工作流。但有了这个 skill 就 不一样了，这个项目叫 product manager skills， 是 一位资深 pm 开源在 github 上的总共四十六个产品管理框架， rise 优先级排序、用户洞察、用户故事。这些真实的产品经理方法论，全部拆解成了 cloud 能够理解的 skill 模块。装上之后， cloud 就 像读过这些方法论的资深 pm， 会主动按框架引导你的工作 来看效果。我给 cloud 的 五个产品需求，让它做 rise 优先级排序，它按照 reach、 impact、 confidence 四个维度逐个打分，给出综合排序，还告诉你哪些是 quick win， 哪些是 big bet。 而且这四十六框架不只是产品经理能用，运营可以用它做用户洞察分析，创业者可以用它梳理产品定位，项目经理可以用它管理需求池。 本质上，这是一套决策框架，如果你有做需求分析的场景，这套技能包强推！收藏，关注我，带你了解更多 ai 实用技能！

介绍一个开源项目，智能科研工具库 cloud scientific skills。 如果你对 ai 赋能科研有兴趣，建议先收藏一下。这个资源库集合了超过一百四十八项现成的科学技能，它包含了生物医学、化学、基因组学、 药物研发等多个领域。它可以帮助你自动完成数据分析、实验设计、文献查找等复杂工作。这个项目集成了丰富的科学数据库和工具，比如药物信息库、 基因数据库和常用的数据分析软件库等。用户只需要简单输入指令，智能助手就能自动调用相关技能，完成多步骤研究任务，无需自己写代码或手动整合数据。 此外，项目提供了一个云平台，用户无需安装任何软件，就能获得强大的计算资源和专业技能，支持快速运行科研流程，生成高质量的图表和报告。项目配套有详细的教程和势利，帮助各种背景的用户轻松上手。他还支持实验室数据管理和实验流程自动化，提升团队协助效率。 总之，这个开源项目帮助科研人员节省了大量时间和精力，让科学研究朋友更加智能和高效。感兴趣的活动可以上手试试。

想玩转 cloud bot？ 这个开源项目是 cloud bot skills 技能合集 awesome open cloud skills 带你玩转 cloud bot， 最开始叫 cloud bot， 然后 motor bot， 最终 open cloud 出来几天，它的 skills 集合就收获十一 k 的 star。 cloud bot 是 一个本地运行的 ai 助手，在你的电脑中，这个开源仓库就是它生态的资源总管家，收集了上千个的 skills 技能， 包含编码集成、市场营销和销售、网页前端开发、数据分析。想玩转 open curl 机械爪从这个开源项目开始，感兴趣的赶紧收藏。

一分钟看完一周 ai 大 事！ remote 开源视频制作 skills 爆火，使用 cloud code 全自动写脚本，画分镜渲染动画不会 pr a e 也能做 mg 动画，动动嘴指出专业演示视频 工程师为 ai 编程开发出无线画布插件爆火使用 cloud code 全自动化页面，还支持导入 figma， 所有元素都能手动调样式，彻底改变了产品开发流程，设计和代码不再分家。工程师开源个人 ai 助手爆火，完全跑在本地，给他发个消息就能操作电脑干活， 甚至能给自己写 skills， 边用边进化，七乘二十四小时给你打工。 cloud excel 插件更新，支持多表格数据处理，再也不用学 excel 公式了。 gemini 上线 sat 备考助手，从刷题评分生成个性辅导计划， ai 把传统教培彻底打蒙了！ runway 上线最强视频模型，他们还做了一个实验，只有不到百分之十的人能分辨出 ai 视频。 ai 视频正式迈过实拍临界点。 crea 实时编辑接入小香蕉，边打字边出图。研究员开源最强抠像模型，能从视频中分离出指定对象，并转成透明背景的素材。阿里开源跳舞模型， 一张图就能做出多人群舞字节开源视频参考模型，上传一段视频就能复制他的视觉特效，人物表情、动作、视频风格和运镜方式，人人都能拍。同款 字节发布最强数字人直播模型，能长时间直播，画面不崩，表情动作非常自然。阿里开源最强文本转语音模型，支持声音克隆和自己捏声音，支持实时对话，能在本地运行 flash labs 开源实时语音对话模型，能听懂人的情绪，能边听边说，随时打断，适合做客服和数字人。英伟达也开源了端到端语音对话模型， 微软开源最强语音识别模型，支持中文，能用来做会议、要客服通话等。研究源，开源最强 ocr 模型，能把扫描件转成结构清晰的文本。 google 发布四 d 感知模型，让 ai 像人类一样理解动态世界。研究源，开源最强三 d 重建模型，给他一张图， 自动在 blender 里重建三 d 场景和物理交互。特斯拉网约车服务正式上线，把你送到公司后，自己出去拉活赚钱。科学家研发出 ai， 喉咙，戴在脖子上能捕捉肌肉电信号，再用 ai 还原表达，帮助中风患者重新说话。

不管你是有未来开一一人公司的打算，还是已经在财务相关领域有经验的小伙伴，看完今天我为大家分享的这套开源的财务 agent skills， 那 对于懂 ai 又懂财务的你或许会有很大的帮助。 大家注意，在网上听到关于用 ai 制作一人公司的信息可能已经数不胜数了吧，但作为公司必不可少的财务记账却少有人去提及。 大家知道企业的经营离不开交易，而交易又需要发票管理和记账。我们从最早的纸质发票到电子发票，再到现在的全面数字化电子发票，见证了整个发票的发展历程。对于大约模型而言，天生就具备相当不错的视觉识别能力，再加上他对规则的理解和推理，那处理财务记账可以说游刃有余。那我就是依照这个思路， 先从发票的信息提取入手，再进行相应的会计过账处理。那我针对的是主流的增值税专票和普票，也就是大家日常的采购和销售业务。 那我在网上找到了两张发票样本，上面这张呢是新版的书店票，下面这张呢是传统的纸质发票。那今天我们先不去讨论增值税专用发票和股票在税务抵扣方面的时间，大家可以看到这张老式的纸质样本打码的栏位比较少，那我们就拿这张来作为演示。 那在开始之前，有小伙伴会问，你用的什么 agent 呢？什么 agent 都可以， clock co， enter gravity 以及最近火热的 open claw 龙虾仔都可以。那为了演示方便，我们在 enter gravity 的 terminal 里面运行 pmono 这个经典的开源 agent， 来给大家看一下财务 skills 的 过程。那这个 pmono 在 之前节目里和大家分享过， 就是 open claw 的 底层核心 agent， 你 在运行 open claw 的 时候， pmono 也在悄悄帮你干活。那关于 model 呢？我们的 demo 使用的是平平无奇的 geminal flash， 我 觉得屏幕前的你用的肯定会比我好。那我们 skills 目前是两步，先是提取发票信息，其次是基于提取的发票信息进行过账。那既然是过账，那肯定得知道我们是发票的销售方还是采购方，那我们 假设是这张样本发票上的销售方，那我们的公司名就是另一家公司，税号是这个三三三幺幺幺六六六八八八，这不是相当于定义自己公司的财务主体让我们发出指令，帮我提取这张发票信息，再提取这个发票的样本。 好了，这边他把提取到的发票的样本好了这边他把提取到的发票的样本好了，这边他把提取到的发票的样本。 skills 已经帮我提取了发票的信息。那如果不放心的话，我们对照着纸质发票验证一下，这个金额数额都一样。好，我们继续。可以，这里他说可以作为台账，也就是把发票信息记录到 excel。 好， 那我们先录入台账，接着我们让他给我们过账。 好，这里他就开始读 invoice posting 这个 skill。 大家看到他其实会根据我们前面呃这个公司信息来判断我们是销售还是采购。那我们还预设了一人公司的会计科目表，这些都是为记账做准备 好了，他给出了 log 信息，那通过税号判定我们是销售方，所以会按照销售业务来进行记账。 结算方式呢，是收款，所以挂在应收账款这个科目，那发票上还有数额待机销项数额科目分录也没有问题，金额也没有问题。 他把这个会计记账的 jason 文件也保存了下来。过账信息的 jason 文件呢，就像一座大桥，你可以通过这个文件给专门的财务 sas 软件进行集成。那如果你嫌 sas 的 订阅费太贵， 那么在 ai 时代，你完全可以让别的 agent 帮你记账，把这个 json 文件给他就可以。或者就像我们这样记录到本地的一人公司使用 excel。 好 了，我们来看看这次记账在 excel 里面的情况。大家看到有两个页签，一个是发票台账，一个是过账分路，那发发票台账的信息都在这里， 过账分路借贷平衡科目也没有错，完美。 好了，通过这次发票管理的两个财务 accounting skills 呢，我们把一人公司最核心的业务记账就这么搞定了。当然，在实际业务中，你公司的业务范围科目表可能会不一样，但是你完全可以拿着这个 skills 作为你的模板进行微调一下就好。当然，我们今天只是初出茅庐，比 比如目前的全面数字发票，还有航空客票行程单。那对于这种类型，我会考虑作为报销模块来处理这个业务，因为这类票制设计的会计分录和业务逻辑呢，跟采购销售是完全不一样的。好了，今天就到这里感谢你的收看，我们下期再见。