基于知名开源 Rust 项目 Himalaya 的终端邮件管理指南，支持 IMAP/SMTP 多账户操作，为开发者提供高效安全的命令行邮件处理方案。

基本信息

• 技能名称?himalaya
• 中文名称?终端极客的邮件效率利器
• 作者?lamelas
• 分类?办公
• 版本?v1.0.0
• 标签?productivity, development-engineering, automation, docs

使用方法

使用说明
核心用法
Himalaya Skill 是一份完整的终端邮件客户端使用指南，帮助用户通过命令行高效管理电子邮件。该技能围绕 Himalaya CLI 工具展开，支持 IMAP/SMTP 协议，涵盖账户配置、邮件收发、搜索筛选、文件夹管理等全流程操作。用户可通过交互式向导或手动编辑 TOML 配置文件完成多账户设置，利用 envelope list 、 、 message read/reply/forward/write 等命令实现邮件的查阅、回复、转发和撰写。高级功能包括 MML 语法编写富文本邮件、附件下载、JSON/纯文本结构化输出，以及与 pass` 密码管理器或系统密钥环的安全集成。
显著优点

1. 效率极致 ：全程键盘驱动，无需离开终端即可完成复杂邮件操作，特别适合开发者工作流。
2. 多账户支持 ：无缝切换个人与工作邮箱，统一界面管理多个 IMAP 账户。
3. 安全设计 ：原生支持 OAuth2、密码管理器调用（ pass show ）和系统密钥环，避免明文存储凭证。
4. 灵活输出 ：支持 JSON、纯文本等多种格式输出，便于脚本集成和数据处理。
5. 开源可信 ：基于 Rust 开发的 Himalaya 项目代码公开可审计，社区活跃，持续维护。
   潜在缺点与局限性
6. 学习曲线陡峭 ：需要熟悉 TOML 配置语法和命令行操作，对非技术用户不够友好。
7. 功能边界 ：作为纯文档技能，本身不执行邮件操作，实际功能依赖外部 Himalaya CLI 的安装与配置。
8. 生态依赖 ：邮件同步速度、稳定性受限于底层 IMAP/SMTP 服务器性能。
9. 富邮件支持有限 ：MML 语法虽支持附件和基础格式，但相比图形客户端的 WYSIWYG 编辑器仍有差距。
   适合的目标群体
   开发者与运维工程师 ：习惯终端环境，追求效率最大化的技术从业者。
   隐私敏感用户 ：希望避免 Web 邮件服务追踪，偏好本地邮件处理的群体。
   自动化需求场景 ：需要将邮件操作集成到 CI/CD 流程或自动化脚本中的团队。
   多账户管理者 ：同时维护多个邮箱，希望统一工具链的用户。
   使用风险
10. 配置复杂性 ：IMAP/SMTP 服务器参数、TLS/STARTTLS 加密设置错误可能导致连接失败或安全隐患。
11. 凭证管理 ：若未按文档推荐方式使用密码管理器，手动配置可能存在凭证泄露风险。
12. 数据同步风险 ：误操作 message delete 或 move 可能导致邮件永久丢失，建议配合服务器端备份策略。
13. 依赖项维护 ：Himalaya CLI 版本更新可能引入破坏性变更，需关注上游发布说明。

为独立创业者提供系统化竞争分析框架，通过六大维度深度拆解竞争对手，识别市场空白并制定差异化定位策略。

基本信息

• 技能名称?competitive-analysis
• 中文名称?独立创业者的竞争破局指南
• 作者?JK-0001
• 分类?其他
• 版本?未标注
• 标签?product-management, marketing, operations, automation, content-media

使用方法

使用说明
核心用法
competitive-analysis 是一个专为独立创业者设计的竞争分析方法论技能，采用六层深度拆解框架帮助用户系统性地研究竞争对手。使用时，用户首先需将竞争对手分为直接、间接和 aspirational 三类，然后针对核心竞品从战略定位、产品功能、定价模式、营销渠道、客户评价和公司发展轨迹六个维度收集情报。该技能特别强调通过 G2、Capterra、Reddit 等平台的用户差评挖掘真实痛点，最终构建对比矩阵并提炼出 3 个可执行的市场空白点，形成独特的竞争楔子（wedge）定位。
显著优点
该技能的最大优势在于其系统性和可操作性。不同于浅层的竞品浏览，它提供了完整的分析框架和检查清单，确保不遗漏关键维度。特别值得称道的是对客户评价层（Layer 5）的重视——通过结构化分析 20+ 条真实用户反馈，能够发现竞争对手官方宣传中隐藏的真实短板。此外，技能强调"可执行的空白点"筛选标准（需同时满足市场共性、用户真实抱怨、自身可解决、非基础功能四项条件），避免了空洞的战略建议。楔子定位公式（"唯一为特定人群做特定事的产品"）也为资源有限的独立创业者提供了清晰的差异化路径。
潜在缺点与局限性
作为纯文档型技能，其局限性主要体现在执行层面。首先，技能假设用户具备基础的情报收集能力（如使用 Ahrefs、Crunchbase 等工具），但未提供具体操作教程，新手可能难以落地。其次，六层分析框架对于简单项目可能过于繁重，完整执行一次深度分析可能需要 8-15 小时，与独立创业者追求轻量验证的需求存在张力。第三，技能主要面向 SaaS/软件类产品优化，对于电商、内容创作等其他 solopreneur 常见形态适配性有限。最后，依赖公开渠道信息可能导致分析滞后——当用户通过 reviews 发现痛点时，竞争对手可能已在修复。
适合的目标群体
该技能最适合三类用户：一是计划进入成熟市场的独立创业者，需要找到差异化切口；二是已有 MVP 但定位模糊的创始人，希望重新校准竞争策略；三是产品进入增长瓶颈期，寻求第二曲线的 solopreneur。特别适合 SaaS、工具类、在线教育、咨询服务等可通过功能/定位差异化取胜的领域。对于追求快速验证、资源极度受限（
使用风险
主要风险在于执行偏差：过度分析导致行动瘫痪（"分析瘫痪"）、选择性关注支持自己假设的证据、或机械复制竞争对手功能而非真正解决用户痛点。此外，公开情报的时效性问题可能导致基于过时信息做决策。建议配合快速原型验证，将分析周期控制在 2 周内，并建立技能内置的季度复盘机制持续校准。

OpenClaw 社区开源的 AI Agent 本地记账工具，零依赖纯本地存储，支持多币种预算管理与自然语言查询，为 Agent 支出提供完整审计追踪。

基本信息

• 技能名称?agentledger
• 中文名称?AI Agent 的隐私优先记账助手
• 作者?c-goro
• 分类?专业技能
• 版本?v1.1.1
• 标签?finance-accounting, productivity, automation, privacy, data-analytics, api

使用方法

使用说明
核心用法
AgentLedger 是一款专为 AI Agent 设计的本地化费用追踪与会计管理工具。其核心工作流围绕"即时记录-分类管理-智能查询-报表导出"展开：Agent 在完成每笔消费（如 API 调用、SaaS 订阅）后，需立即通过 CLI 或 JavaScript API 记录交易详情，包括金额、商家、类别、账户别名及业务上下文；系统支持多币种记账、Privacy.com 虚拟卡数据导入，并提供自然语言查询能力（如"本月 API 支出多少"），最终可导出 CSV/JSON 格式的财务报告。
显著优点
零依赖架构 ：仅依赖 Node.js 内置模块（fs/path），彻底规避 npm 供应链攻击风险。 隐私优先设计 ：所有数据以 JSON 格式存储于本地 workspace/ledger/ 目录，无网络传输、无云端同步，账户使用别名（如 privacy-card-1 ）而非真实卡号。 智能交互体验 ：支持自然语言查询与灵活的时间周期表达（today/this-week/last-quarter 等），大幅降低财务数据检索门槛。 数据安全保障 ：每次写入前自动创建 .backup 备份，损坏时自动恢复；输入层对负金额、缺失必填字段进行严格校验。 多维度预算管控 ：可按类别设置月度预算并触发接近限额警告，帮助 Agent 自主控制运营成本。
潜在缺点与局限性
功能边界明确 ：定位为轻量级个人/Agent 记账工具，不支持团队协作、多用户权限管理或复杂会计科目体系。 货币处理简化 ：虽支持多币种记录，但无实时汇率转换功能，跨币种汇总需用户自行处理。 CSV 安全待强化 ：当前 CSV 导出仅做基础引号包裹，特殊字符转义机制可进一步完善。 无数据加密 ：本地 JSON 文件以明文存储，若工作区被未授权访问，财务数据直接暴露。 生态依赖 ：Privacy.com 导入功能需用户手动导出 JSON 文件，无 API 直连能力。
适合的目标群体
独立 AI Agent 开发者 ：需要追踪 API 密钥、云服务、工具订阅等运营成本
小型自动化项目 ：单 Agent 或少量 Agent 的财务自治场景
隐私敏感型用户 ：拒绝将财务数据上传至任何第三方平台
OpenClaw 生态用户 ：已采用 OpenClaw 框架的 Agent 工作流
使用风险
性能风险 ：随着交易记录增长（数万条以上），JSON 文件的读写与查询性能可能下降，建议定期归档历史数据。 依赖项风险 ：虽无 npm 依赖，但需 Node.js >= 16.0.0 运行时环境。 数据持久化风险 ：虽具备自动备份，但用户仍需避免手动误删 workspace/ledger/ 目录。 权限风险 ：需要工作区目录的读写权限，在多租户环境中需确保目录隔离。

基于纯静态分析的架构设计工具集，零依赖、零网络交互，为开发团队提供安全可靠的架构可视化、依赖检测与模式识别能力。

基本信息

• 技能名称?senior-architect
• 中文名称?零依赖架构设计与分析套件
• 作者?alirezarezvani
• 分类?其他
• 版本?未标注
• 标签?development-engineering, architecture, devops, backend, productivity, docs, automation, testing

使用方法

使用说明
核心用法
Senior Architect 是一套面向软件架构设计的静态分析工具集，包含三大核心组件：

1. 架构图生成器 ：自动扫描项目结构，生成 Mermaid、PlantUML 或 ASCII 格式的架构图，支持组件图、分层图和部署图三种类型，解决团队文档化与沟通需求。
2. 依赖分析器 ：深度解析 npm、Python、Go、Rust 等主流包管理文件，识别循环依赖、计算耦合度分数、标记过期包，输出 JSON 或可读报告供 CI/CD 集成。
3. 项目架构师 ：智能识别 MVC、分层、六边形等架构模式，检测上帝类、混合关注点、层违规等代码异味，提供可操作的改进建议。
   工具通过命令行调用，支持 --verbose 详细模式、、 --output json 结构化输出，以及 -o 指定报告保存路径。
   显著优点
   零依赖安全 ：仅使用 Python 标准库，彻底消除供应链攻击风险
   多格式输出 ：Mermaid/PlantUML 可直接嵌入文档，ASCII 适合终端快速查看
   决策工作流内置 ：提供数据库选型、架构模式选择、单体 vs 微服务的完整决策框架
   广泛技术栈覆盖 ：支持 TypeScript、Python、Go、Rust 等语言及主流前后端框架
   离线可用 ：纯本地执行，无需网络连接，适合内网环境
   潜在缺点与局限性
   静态分析局限 ：无法识别运行时架构特征，如实际服务调用关系、性能瓶颈
   语言支持边界 ：对 C++、Java 等语言的包管理文件支持有限
   模式识别精度 ：基于启发式规则，复杂架构可能误判或置信度不足
   无自动修复 ：仅提供诊断报告，不直接修改代码
   大型项目性能 ：扫描超大规模代码库时可能耗时较长
   适合的目标群体
   技术负责人/架构师 ：进行技术选型、架构评审、制定演进路线
   全栈开发团队 ：快速理解遗留项目结构，制定重构计划
   DevOps 工程师 ：集成依赖检查到 CI 流水线，预防供应链风险
   技术写作者 ：自动生成架构文档配图，保持文档与代码同步
   初创公司技术团队 ：在 MVP 阶段建立合理的架构基线
   使用风险
   输出文件管理 ：使用 -o 参数时注意指定安全路径，避免覆盖重要文件
   分析结果解读 ：静态分析可能产生误报，建议结合人工判断
   大型项目超时 ：极端规模项目可能出现分析时间过长，建议分模块扫描
   模式识别依赖 ：架构模式检测基于文件命名和结构启发式，非 100% 准确

OpenClaw官方娱乐技能，让AI参与TitleClash标题竞赛，为图片撰写创意搞笑标题赢取人类投票，融合韩式 meme 文化与AI创意生成。

基本信息

• 技能名称?titleclash
• 中文名称?AI 创意标题竞赛，赢取人类投票
• 作者?appback
• 分类?内容创作
• 版本?v2.26.0
• 标签?content-media, automation, api, productivity

使用方法

使用说明
核心用法
TitleClash 是一个创意娱乐型 Skill，让 AI Agent 参与在线标题竞赛游戏。用户通过该技能可以为竞赛图片撰写幽默、讽刺或创意十足的标题，与其他 AI 及人类选手竞争投票。完整工作流程包括：查询开放竞赛题目→下载并视觉分析图片→生成符合韩式"제목학원"（标题学院）meme 文化的搞笑标题→提交作品→查看竞赛结果。技能强调必须真实"看到"图片内容，通过分析表情、肢体语言、场景荒诞性来撰写专属该图片的独特标题，而非泛泛描述。
显著优点

1. 创意导向设计 ：明确区分"描述图片"与"创作标题"，引导 AI 发挥幽默感和文化梗理解能力，输出具有传播性的网络内容。
2. 视觉分析严谨 ：强制要求先下载图片再本地查看，规避了 Wikimedia 等图库的 HTTP 429 限制，确保 AI 能真实感知图像细节。
3. 文化融合创新 ：引入韩国流行的"标题学院"meme 文化，为 AI 创意生成提供了成熟的幽默范式（内心独白、荒诞日常、讽刺反讽、谐音梗等）。
4. 结构清晰易用 ：API 设计简洁，五步工作流明确，配合丰富的正反案例对比，降低上手门槛。
5. 来源透明可信 ：OpenClaw 官方技能，代码开源在 GitHub，版本可追溯，服务主页可访问。
   潜在缺点与局限性
6. 外部服务依赖 ：完全依赖 titleclash.com 平台的可用性，若服务宕机或 API 变更，技能将失效。
7. Token 配置门槛 ：需要用户主动注册获取 API Token 并配置环境变量或文件，对非技术用户不够友好。
8. 创意质量不稳定 ：AI 生成的幽默标题高度依赖模型对文化梗、讽刺语境的理解，可能产出"尬梗"或文化错位的内容。
9. 竞赛机制限制 ：每题仅限提交一个标题，且有人类投票环节，AI 无法保证获胜，存在投入产出不确定。
10. 频率限制约束 ：5 次/分钟的提交限制在大规模自动化场景下可能成为瓶颈。
    适合的目标群体
    AI 研究者/开发者 ：测试和对比不同模型的创意生成、幽默理解与文化适应能力。
    内容创作者 ：寻找灵感，学习 meme 标题写作技巧，或批量生成社交媒体配文创意。
    娱乐型 AI 用户 ：希望体验人机协作的趣味竞赛，观察 AI 如何在人类审美评判中表现。
    韩语/东亚网络文化爱好者 ：深入体验"제목학원"文化，理解跨文化幽默的 AI 迁移。
    使用风险
11. Token 安全风险 ：API Token 存储于环境变量或明文文件，在多用户共享环境中存在泄露风险，建议限制文件权限。
12. 内容合规风险 ：生成的标题若触及平台禁止的冒犯性、抄袭或垃圾内容，可能导致账号封禁。
13. 网络稳定性风险 ：图片下载依赖 Wikimedia 等第三方图库，可能因 429 限流或链接失效导致分析中断。
14. 平台政策变更风险 ：TitleClash 作为第三方娱乐服务，其 API 协议、竞赛规则或商业模式可能变更，影响技能长期可用性。