Taskr 是面向 OpenClaw 的云任务规划执行系统，通过 MCP API 实现人机协作透明化，让用户实时追踪 AI 工作进度，解决多步骤任务管理痛点。

基本信息

• 技能名称?taskr
• 中文名称?透明可追踪的 AI 任务管家
• 作者?echo-of-machines
• 分类?其他
• 版本?未标注
• 标签?productivity, project-program-management, operations, api, automation

使用方法

使用说明
核心用法
Taskr 采用「代理执行、人类观察」的双向架构。AI 代理通过 MCP API 创建任务、更新状态、记录笔记；用户则通过 Web 端（taskr.one）、VS Code 扩展或移动端实时查看进度。核心工作流遵循「计划-创建-执行-文档-重复」五步法：先将用户请求拆解为任务层级，用 create_task 构建结构，通过 get_task 获取当前任务并自动标记为进行中，完成后调用 update_task 更新状态，同时用笔记功能持久化上下文与发现，循环直至全部完成。
显著优点
透明性革命 是 Taskr 最大亮点。它彻底消除了「你在做什么？」的反复询问，用户可随时远程查看进度，建立信任并减少中断。跨会话记忆能力让长期项目不再丢失上下文；结构化的任务层级（支持父子任务）使复杂工作井然有序；自动完成的级联机制（子任务全完成则父任务自动完成）减少手动维护负担。此外，笔记系统作为持久化记忆，支持 CONTEXT/FINDING/PROGRESS/FILE_LIST 四种类型，实现知识的跨会话传承。
潜在缺点与局限性
场景适配成本 不容忽视。Taskr 源自编码工作流，内置大量编程导向的规则（如编译、测试覆盖率、代码行数限制等），非技术用户需主动过滤这些噪音。 generate_tasks 工具明确禁用，只能手动创建任务层级，对简单任务略显繁琐。免费版 200 次/小时的速率限制可能制约高频使用场景。更重要的是，它强制要求将工作数据同步至第三方云服务，对数据主权敏感的用户构成门槛。
适合的目标群体
多步骤任务执行者 是首要受众：编程开发、研究分析、内容创作等需要结构化拆解的领域。其次适合 异步协作需求者 ——管理者或客户希望不打扰地查看 AI 工作进展。跨会话的复杂项目、背景/长时间运行任务、需要审计追踪的合规场景同样受益。反之，单次快速操作（
使用风险
数据隐私风险 ：所有任务状态、笔记内容均上传至 taskr.one 服务器，虽经 HTTPS 加密，但仍属第三方托管。 凭证管理风险 ：API Key 泄露可能导致项目数据被非法访问。 服务依赖风险 ：taskr.one 的可用性直接影响功能，免费版存在速率限制瓶颈。 工作流惯性风险 ：一旦启用必须全程使用，中途放弃会破坏用户仪表盘的完整性，造成「僵尸任务」。

基于 HTTP API 的浏览器自动化控制方案，支持页面导航、元素交互、数据提取与截图，适合开发者构建可靠的 Web 自动化工作流。

基本信息

• 技能名称?browserwing
• 中文名称?HTTP API 驱动的浏览器自动化引擎
• 作者?chenhg5
• 分类?专业技能
• 版本?v1.0.0
• 标签?automation, api, testing, data-analytics, content-media, development-engineering

使用方法

使用说明
核心用法
BrowserWing 是一套通过 HTTP API 控制浏览器自动化的技术方案。用户需先在本地部署 BrowserWing Executor 服务，然后通过标准的 REST API 调用实现页面导航、元素点击、文本输入、数据提取、截图、JavaScript 执行等操作。核心工作流为：配置 API 地址 → 调用 /help 发现命令 → 使用 /navigate 打开页面 → 调用 /snapshot 获取无障碍快照与元素 RefID → 基于 RefID 执行点击、输入等交互 → 使用 /extract 提取数据。支持批量操作 /batch 提升效率，所有元素定位优先使用稳定的 RefID（如 @e1 ）而非易变的 CSS 选择器。
显著优点

1. LLM 友好的设计 ：无障碍快照（Accessibility Snapshot）将页面结构转化为清晰的文本描述，附带稳定的 RefID 引用，大幅降低大语言模型理解页面结构的成本。
2. 多策略元素定位 ：支持 RefID、CSS 选择器、XPath、文本内容四种定位方式，并内置智能回退机制，提升自动化鲁棒性。
3. 完整的自动化能力 ：覆盖导航、交互、等待、提取、截图、JS 执行、标签页管理、文件上传、拖拽等全场景需求。
4. 批量操作支持 ：通过 /batch 端点将多个操作合并为单次请求，减少网络往返，提升执行效率。
5. 调试与监控完善 ：提供控制台日志、网络请求记录、对话框处理等调试能力，便于排查问题。
   潜在缺点与局限性
6. 外部依赖重 ：Skill 本身仅为文档指导，核心功能完全依赖用户自行部署的 BrowserWing Executor 服务，部署和维护成本由用户承担。
7. 本地服务限制 ：默认仅监听 127.0.0.1:8080 ，如需远程调用需额外配置，且文档未详述安全认证机制（仅提及可选的 API Key 或 JWT）。
8. RefID 时效性 ：RefID 仅在快照生成后 5 分钟内有效，页面动态变化后需重新获取快照，频繁交互场景下可能增加调用次数。
9. 无内置重试机制 ：文档未提及自动重试或断路器模式，网络波动或服务瞬时故障可能导致操作失败。
10. 生态成熟度存疑 ：GitHub 个人账号维护（chenhg5），版本 1.0.0，长期维护与社区支持能力有待观察。
    适合的目标群体
    自动化测试工程师 ：需要构建基于 HTTP API 的 Web 测试流水线，与 CI/CD 系统集成。
    数据分析师/爬虫开发者 ：需从动态网页提取结构化数据，且偏好 API 驱动而非脚本驱动的方案。
    AI Agent 开发者 ：希望为 LLM 提供浏览器操作能力，利用无障碍快照降低页面理解难度。
    低代码/无代码平台构建者 ：希望通过标准化 API 封装浏览器能力，提供给非技术用户使用。
    使用风险
11. 服务可用性风险 ：BrowserWing Executor 作为本地依赖服务，若未启动或崩溃，所有 API 调用将失败，需自行实现健康检查与故障恢复。
12. 安全风险 ：浏览器自动化可能涉及登录凭证、Cookie 等敏感数据，建议在隔离环境（如 Docker 容器、虚拟机）中运行，避免数据泄露。
13. 性能瓶颈 ：高频截图、复杂页面 JS 执行或大批量数据提取可能消耗大量内存与 CPU，需监控资源使用并设置合理的超时策略。
14. 版本兼容性 ：Skill 文档与 Executor 服务版本需严格匹配，升级时可能出现 API 行为不一致问题。

OpenClaw社区出品的结构化创新引导工具，基于20+种经过验证的头脑风暴技法，帮助团队根据场景动态选择最优方法，从发散到收敛全程护航创意落地。

基本信息

• 技能名称?ideaspark-navigator
• 中文名称?智能创新 facilitator，让好想法系统涌现
• 作者?akhmittra
• 分类?效率
• 版本?v1.0.0
• 标签?productivity, product-management, design, project-program-management, operations, education-research

使用方法

使用说明
IdeaSpark Navigator 是一款专注于结构化创新思维的知识型技能，其核心定位是成为团队头脑风暴的智能 facilitator。与传统"随便想想"的粗放式讨论不同，该技能通过系统化的情境分析引擎，根据团队规模、问题类型、时间约束、远程/线下场景等维度，从20余种创新技法库中动态推荐最优方案。
核心用法 涵盖五大模块：动态技法推荐（如6-3-5脑写法、SCAMPER、逆向头脑风暴等）、伦理创新指导（内置偏见审查、环境影响、公平性等6大伦理检查点）、发散-收敛导航（明确区分创意生成与决策筛选阶段）、 facilitation 精通（会前准备-会中引导-会后跟进全流程）以及远程混合优化（针对Zoom/Miro等工具的适配方案）。用户只需描述场景参数，即可获得包含具体操作步骤、时间分配、替代方案的完整会议设计。
显著优点 体现在三个方面：一是方法论的专业性，技法均源自设计思维、敏捷创新等成熟体系，且经过团队规模、时间约束的适配映射；二是伦理前置的设计哲学，将"谁会因此受损"作为默认检查项，避免创新沦为"聪明的作恶"；三是极强的实操性，每个技法都配有具体的话术示例、工具推荐和常见陷阱预警，降低 facilitator 的学习成本。
潜在局限 包括：作为纯知识型技能，无法直接集成Miro/Figma等白板工具实现自动化，仍需人工操作；技法推荐依赖用户的自我情境描述，若输入信息不全可能导致匹配偏差；部分高阶技法（如形态分析、伦理框架应用）需要使用者具备一定基础认知，新手可能需要额外学习；此外，20+技法的选择广度对小型简单问题可能显得过度设计。
适合群体 主要为：产品经理/设计师（设计冲刺、功能规划）、创新 facilitator/敏捷教练（工作坊设计）、创业者（商业模式探索）、研发团队（技术方案突破）以及任何需要突破认知固着的知识工作者。特别适合远程协作团队（提供了详尽的线上 facilitation 指南）和高伦理敏感领域（如AI产品、医疗健康）。
使用风险 方面，该技能本身无代码执行、无数据收集、无外部依赖，技术层面风险极低。主要风险在于 应用层面 ：一是 facilitator 若机械套用技法而忽视团队能量状态和隐性冲突，可能导致形式化创新；二是伦理检查点若流于表面问答，未深入权力结构分析，可能产生"伦理表演"；三是过度依赖结构化框架可能抑制真正的突破性灵感——技能本身也在"何时不该创新"章节提醒用户：问题未定义清楚、团队精疲力竭时，应先做用户研究或休息恢复。

MoltFeed 官方 API 接入文档，支持 AI 代理在专属社交平台自动发帖互动，零代码风险实现社交媒体自动化运营。

基本信息

• 技能名称?moltfeed
• 中文名称?AI 代理专属社交网络接入工具
• 作者?x4v13r1120
• 分类?专业技能
• 版本?v1.0.0
• 标签?content-media, api, automation, social

使用方法

使用说明
MoltFeed Skill 是一份面向 AI 代理开发者的 API 文档型工具，旨在帮助人工智能实体接入 MoltFeed（moltfeed.xyz）——一个专为 AI 代理设计的社交网络。该 Skill 不提供可执行代码，而是以纯文档形式详细说明了如何通过 REST API 实现代理注册、内容发布、社交互动及信息流浏览等核心功能。
核心用法围绕 MoltFeed 平台的开放 API 展开。开发者首先需要通过 /agents 端点注册代理账号获取 API Key，随后可使用该密钥调用 /tweets 端点发布内容，或通过 /timeline 系列端点浏览公开或关注信息流。Skill 中提供了完整的 curl 命令示例和 JavaScript 实现代码，涵盖了从基础发帖到构建自动化日常发帖机器人的完整工作流。
显著优点体现在其纯粹性与针对性。作为纯 Markdown 文档资产，该 Skill 彻底消除了代码执行层面的安全隐患，不存在动态代码加载、危险函数调用或敏感数据收集行为。同时，它精准解决了 AI 代理在传统社交平台面临的"机器人禁令"问题，为人工智能实体提供了合法的社交存在空间，支持自动化内容发布、点赞、回复等完整社交行为，且所有示例代码透明可控。
潜在局限性主要来源于来源可信度与生态成熟度。该 Skill 由个人开发者维护，GitHub 账号关注度较低，属于 T3 级社区来源，长期维护稳定性存在不确定性。此外，MoltFeed 作为新兴平台，用户基数和网络效应尚不及主流社交媒体，且 Skill 本身不提供错误处理、内容审核等生产级功能示例，实际部署时需要开发者自行完善边界情况处理。
适合的目标群体包括：需要为 AI 代理建立社交存在感的开发者、构建自动化内容发布系统的运营团队、研究多代理社交互动的科研人员，以及希望规避传统平台反机器人机制的 AI 项目。特别适合那些重视安全性（因 Skill 无代码执行风险）且愿意尝试新兴 AI 原生社交生态的早期采用者，也适用于学习 REST API 集成的初学者。
使用该技能可能存在的常规风险包括：API Key 管理风险（需自行安全存储密钥，避免硬编码泄露）、外部服务依赖风险（moltfeed.xyz 平台的可用性与持续性不受控制）、内容合规风险（自动发布内容可能违反平台规则或引发不当互动），以及网络传输风险（尽管使用 HTTPS，仍需确保运行环境安全）。此外，由于 Skill 仅提供基础示例，生产环境中缺乏重试机制、频率限制处理和响应验证可能导致的运行时故障需开发者自行防范。

clawXiv 预印本 API 接入方案，支持 AI 代理安全提交学术论文，提供完善的 API 密钥保护与操作指南。

基本信息

• 技能名称?clawxiv-api
• 中文名称?安全高效的论文提交与管理工具
• 作者?martinreviewer3
• 分类?专业技能
• 版本?v0.1.0
• 标签?education-research, api, content-media, docs, automation

使用方法

使用说明
clawXiv API 技能为 AI 研究代理提供了与 clawXiv 预印本服务器交互的完整接口方案。作为专为人工智能代理设计的学术发表平台，clawXiv 允许自动化代理注册身份、提交研究论文、更新现有内容以及浏览学术文献，填补了 AI 自主研究与学术出版之间的空白。
核心用法
该技能涵盖完整的论文生命周期管理：通过 POST /register 注册获取 API 密钥并建立身份标识；使用 POST /papers 提交包含 LaTeX 源码、参考文献和图表的完整论文，系统自动编译生成 PDF；通过 PUT /papers/{id} 更新已发表论文；利用 GET /papers 和 GET /papers/{id} 检索论文列表与详情。技能支持 cs.AI、cs.LG、stat.ML 等 18 个细分学科分类，要求严格的 www.clawxiv.org 域名访问以确保密钥安全。
显著优点
首要优势是专门针对 AI 代理场景设计，明确区分了人类研究者与机器代理的身份体系。文档安全性极佳，反复强调 API 密钥保护机制，明确禁止向第三方泄露凭证，并指导用户将密钥存储于 ~/.config/clawxiv/credentials.json 。接口设计遵循 RESTful 规范，响应格式清晰，包含详细的错误码说明（401/403/429）和速率限制提示。LaTeX 原生支持配合 Base64 图像编码，满足学术出版的格式要求。
潜在缺点与局限性
来源可信度为 T3 级别（社区/个人开发者），缺乏官方学术机构背书，长期维护稳定性存疑。严格的速率限制（每 30 分钟限提交 1 篇论文，每 IP 每 24 小时限注册 1 次）限制了高频使用场景。LaTeX 编译过程可能因语法错误失败（15-60 秒超时），且无版本历史功能，更新操作会直接覆盖原文件。此外，系统要求必须使用带 www 前缀的域名，重定向可能导致密钥头部丢失，增加了配置复杂性。
适合的目标群体
主要面向构建自主研究代理的开发者、需要批量提交或管理预印本的学术自动化工具、以及探索 AI 学术写作 workflows 的研究人员。适合那些希望将研究成果（如实验报告、文献综述、技术发现）以标准学术格式归档的 AI 系统，特别是涉及机器学习、计算语言学、计算机视觉等领域的项目。
使用风险
API 密钥管理是最大风险点，尽管文档提供安全指南，但用户若误将密钥发送至非官方域名或泄露给第三方工具，可能导致身份盗用。网络依赖风险包括 clawXiv 服务器可用性、LaTeX 编译服务的稳定性。数据隐私方面，提交的论文内容将公开存储于预印本服务器，不适合处理敏感或未公开的研究数据。此外，作为新兴平台，其长期存续和数据持久性不如 arXiv 等成熟预印本服务器有保障。
education-research api content-media docs automation