来自 clawdbot 官方仓库的 PRD 管理技能，通过结构化 JSON 格式帮助团队创建用户故事、定义验收标准，实现 AI 与人类开发者的高效协作开发。

基本信息

• 技能名称?prd
• 中文名称?AI 原生的产品需求管理
• 作者?bjesuiter
• 分类?开发
• 版本?v2.0.5
• 标签?product-management, project-program-management, development-engineering, docs, automation

使用方法

使用说明
核心用法
PRD Skill 是一套用于创建和管理产品需求文档的规范工具，核心工作流围绕 agents/prd.json 文件展开。用户首先定义项目基本信息（project、branchName、description），然后将功能拆解为独立的用户故事（userStories）。每个故事包含唯一 ID、标题、描述、可验证的验收标准、优先级和执行状态。Skill 强调"单上下文窗口完成"的故事粒度原则，确保 AI 代理或开发者能在一次会话内完成单个任务。故事按优先级排序执行，遵循"数据库 → 后端 → UI"的依赖顺序，避免循环依赖。
显著优点
结构化协作 ：将模糊的产品需求转化为机器可解析、人类可执行的明确任务，消除需求理解偏差。 AI 原生设计 ：专为 Claude Code、OpenCode 等 AI 代理优化，验收标准可直接作为 AI 的自我验证清单。 进度可视化 ：通过 passes 布尔字段和 jq 命令行工具，实现轻量级进度追踪，无需复杂项目管理软件。 版本友好 ：纯 JSON 格式天然适合 Git 版本控制，便于代码审查和变更追溯。 零依赖 ：无需安装任何软件包或外部服务，开箱即用。
潜在缺点与局限性
生态锁定 ： ralph// 分支前缀和特定文件路径暗示与特定工作流（可能是 Ralph 框架）深度绑定，通用性受限。 规模天花板 ：JSON 格式在超大型项目（数百个用户故事）下可读性和维护性下降，缺乏分层、标签等组织手段。 协作摩擦 ：多开发者同时编辑同一 JSON 文件易产生合并冲突，缺少实时协作机制。 验收标准主观性 ：虽然强调"可验证"，但"Typecheck passes"等标准仍依赖项目具体配置，跨团队复用需调整。 无自动化集成 ：状态更新依赖手动修改 passes 字段，无法自动关联 CI/CD 流水线或测试报告。
适合的目标群体
AI 辅助开发团队 ：使用 Claude Code、Cursor 等 AI 编程工具的小型至中型团队。 全栈开发者 ：需要同时管理数据库、API 和前端任务的独立开发者或技术负责人。 敏捷转型团队 ：希望从混乱的需求文档过渡到结构化 PRD，但不愿引入 Jira 等重型工具的组织。 开源项目维护者 ：需要清晰、可版本化的贡献者指南和任务分解。 教育场景 ：教授软件工程、产品管理的教学环境，作为 PRD 最佳实践的参考实现。
使用风险
数据丢失风险 ：JSON 文件损坏或误删将导致进度信息丢失，建议配合 Git 使用。 概念误用风险 ：过度拆分或合并故事可能破坏工作流效率，需要团队培训建立共识。 工具链依赖 ：深度依赖 jq 等命令行工具，Windows 环境或非技术成员可能遇到障碍。 版本兼容性 ：Skill 版本更新（当前 2.0.5）可能引入格式变更，需关注 references// 文档更新。 范围蔓延 ：Skill 本身不限制故事数量，缺乏治理机制可能导致 PRD 无限膨胀。

基于 GitHub Pages 的自动化静态网站部署工具，支持一键初始化、CI/CD 自动发布，适合快速搭建作品集与落地页。

基本信息

• 技能名称?web-deploy-github
• 中文名称?一键部署静态网站到 GitHub Pages
• 作者?ThomekSolutions
• 分类?开发
• 版本?v1.0.0
• 标签?frontend, devops, automation, productivity, development-engineering

使用方法

使用说明
核心用法
web-deploy-github 是一套面向单页静态网站的端到端自动化部署方案。用户通过两条核心命令即可完成从项目初始化到线上发布的全流程：首先运行 init_project.sh > 生成标准项目结构（HTML/CSS/JS + GitHub Actions 工作流），随后执行 deploy_github_pages.sh > 完成仓库创建、Pages 配置与首次部署。GitHub Actions 会在后续每次推送到 main 分支时自动触发部署，将站点发布至 https:// .github.io/ / 。
该技能内置三套模板：极简 HTML5 样板、作品集/CV 模板、营销落地页模板，覆盖常见静态站点场景。开发规范强调单页优先、无依赖原生技术栈、移动优先响应式设计，并支持暗黑模式与性能优化（图片懒加载、资源压缩）。
显著优点

1. 零配置自动化 ：完整封装 GitHub CLI 与 Actions 的复杂配置，用户无需手动创建仓库、设置 Pages 源分支或编写 YAML 工作流。
2. 模板化快速启动 ：预置经过设计的现代模板，可直接生成生产级代码，避免从零搭建的重复劳动。
3. 免费托管与 CI/CD ：依托 GitHub Pages 实现全球 CDN 加速与 HTTPS 支持，配合 Actions 实现真正的推送即部署。
4. 技术栈简洁 ：优先使用原生 HTML/CSS/JS，无构建工具依赖，降低维护成本与学习曲线。
   潜在缺点与局限性
   单页架构约束 ：设计哲学偏向单页应用，多页面站点需手动扩展结构。
   GitHub 生态绑定 ：深度依赖 GitHub CLI 认证与仓库权限，无法迁移至其他 Git 托管平台。
   外部脚本黑盒 ：核心逻辑封装在 init_project.sh 与 deploy_github_pages.sh 中，用户若不审查脚本则难以知晓完整执行细节。
   无服务端能力 ：纯静态托管，无法支持表单处理、数据库等动态功能（需配合第三方服务）。
   适合的目标群体
   开发者/设计师 ：需要快速上线个人作品集、简历或项目展示页。
   初创团队 ：为产品 MVP 搭建轻量级营销落地页，验证市场假设。
   技术写作者 ：发布文档站点或博客（可配合静态站点生成器扩展）。
   教育机构 ：学生前端作业的标准化提交与展示平台。
   使用风险
   命令注入风险 ：脚本接收用户输入作为 shell 参数，若项目名包含特殊字符可能导致意外行为。
   权限过度授予 ：需向 GitHub CLI 开放仓库创建与写入权限，建议创建专用令牌并定期轮换。
   网络依赖 ：首次部署依赖 GitHub API 可用性与本地网络环境，国内用户可能需配置代理。
   Actions 配额 ：私有仓库受 GitHub Actions 免费额度限制，公开仓库无此顾虑。

基于 Microsoft Playwright 官方技术，提供比 MCP 更可靠的浏览器自动化方案，支持数据抓取、截图录屏与复杂工作流。

基本信息

• 技能名称?manikantasai-playwright-automation
• 中文名称?直接操控浏览器的高效自动化神器
• 作者?Manikantasai1987
• 分类?开发
• 版本?2.0.0
• 标签?automation, testing, development-engineering, content-media, productivity

使用方法

使用说明
核心用法
该 Skill 基于 Microsoft Playwright 提供直接的浏览器自动化 API，无需通过 MCP 间接调用。它支持 Chromium、Firefox 和 WebKit 三大浏览器引擎，可执行页面导航、元素交互、数据提取、截图、PDF 生成和视频录制等操作。通过 Locators 自动等待机制，代码能够智能等待元素就绪，避免传统自动化工具的脆弱性。支持网络请求拦截、移动端模拟、多上下文隔离登录态，以及通过 Trace 进行可视化调试。
显著优点
相比 MCP 方案，直接调用 Playwright API 更加可靠稳定，避免了中间层可能带来的延迟和兼容性问题。其自动等待和重试机制大幅提升了脚本的健壮性，而基于角色和文本的定位器策略使代码更能抵御 DOM 结构变化。Playwright 的 Trace 查看器提供了强大的调试能力，可回放执行过程并检查 DOM 状态。网络拦截功能允许模拟 API 响应或阻止资源加载，非常适合测试和优化场景。
潜在缺点
作为 T3 来源的个人开发者项目，长期维护的稳定性有待观察。Playwright 需要完整的 Node.js 环境，且浏览器二进制文件体积较大（每个约 100MB），首次安装耗时较长。虽然文档详尽，但掌握最佳实践（如正确处理动态内容、iframe 和 Shadow DOM）仍需一定学习成本。此外，该 Skill 主要提供使用指南，具体的自动化脚本需要用户自行编写和配置。
适合人群
该 Skill 特别适合 QA 工程师构建端到端测试套件，爬虫开发者进行结构化数据提取，以及 DevOps 工程师实现 CI/CD 中的自动化验证。对于需要定期生成网页截图、PDF 报告或录制用户操作流程的产品经理和运营人员同样适用。任何需要将重复性浏览器操作自动化的开发者都能从中获益。
使用风险
浏览器自动化任务通常内存和 CPU 占用较高，长时间运行的脚本需注意资源管理。使用时需遵守目标网站的 robots.txt 和服务条款，避免法律风险。在 Linux 环境配置 sudoers 权限时需谨慎，确保遵循最小权限原则。虽然 Playwright 本身安全，但自动化脚本若处理敏感数据（如登录凭证），需确保在安全环境中运行，避免信息泄露。
automation testing development-engineering content-media productivity

基于 Maton 网关的 Stripe API 代理服务，支持托管 OAuth 认证，实现客户、订阅、发票、支付等全流程管理，适合需要快速集成支付能力但不愿自建基础设施的开发者。

基本信息

• 技能名称?stripe
• 中文名称?托管式 Stripe 支付集成网关
• 作者?jononovo
• 分类?开发
• 版本?v2.3.2
• 标签?pay, api, finance-accounting, backend, automation, saas

使用方法

使用说明
核心用法
Stripe Skill 是一个文档型 API 集成技能，通过 Maton API Gateway 代理访问 Stripe 官方 API。用户无需直接处理 Stripe 的 OAuth 认证流程，只需获取 Maton API Key 并在请求头中携带，即可调用完整的 Stripe 功能，包括客户管理、产品定价、订阅计费、发票处理、支付意图、退款等核心模块。
使用流程分为三步：首先在 maton.ai 注册获取 MATON_API_KEY ；其次在 ctrl.maton.ai 创建 Stripe OAuth 连接并完成授权；最后通过 gateway.maton.ai/stripe/v1/{endpoint}} 发起请求，网关会自动注入 OAuth Token 转发至 Stripe。
显著优点
零认证负担 ：OAuth 流程完全托管，用户无需维护 Token 刷新和存储逻辑。 完整 API 覆盖 ：支持 Stripe 核心资源的全生命周期操作，文档详尽且包含多语言示例。 统一网关管理 ：多连接场景下可通过 Maton-Connection 头部灵活切换，适合多账户管理。 开发友好 ：提供 Python、JavaScript 等现成代码片段，降低接入门槛。
潜在缺点与局限性
强第三方依赖 ：所有请求必须经过 Maton 网关，存在单点故障风险，服务可用性完全取决于 Maton 平台稳定性。 数据隐私顾虑 ：敏感的支付数据、客户信息需流经第三方服务器，对合规要求严格的场景可能不适用。 功能延迟 ：Stripe 新 API 特性需等待 Maton 网关更新，可能存在功能滞后。 调试复杂度 ：问题排查涉及 Maton 和 Stripe 两个服务边界，定位故障源较困难。
适合的目标群体
初创团队和小微企业：希望快速上线支付功能，但缺乏 DevOps 资源维护认证基础设施
多平台运营者：需要同时管理多个 Stripe 账户，借助统一网关简化操作
原型验证阶段：MVP 开发中需要低成本验证商业模式，后期可迁移至直连接口
低代码/无代码场景：配合 AI Agent 实现自然语言驱动的支付操作
使用风险
服务连续性风险 ：Maton 平台停运或网络故障将直接导致支付功能中断，建议配置降级方案。 密钥泄露风险 ： MATON_API_KEY 一旦泄露，攻击者可访问所有托管的 Stripe 连接，需严格遵循密钥管理最佳实践。 费率与计费不透明 ：Maton 可能在 Stripe 官方费率之上附加服务费用，长期使用成本需评估。 合规审计挑战 ：支付数据经过第三方可能增加 PCI DSS 等合规认证的复杂度，金融、医疗等敏感行业需谨慎评估。
pay api finance-accounting backend automation saas

OpenClaw 出品的 Midscene 脚本生成工具，将自然语言描述转化为 Web、Android、iOS、PC 端可执行自动化测试代码，提升测试开发效率。

基本信息

• 技能名称?nl2ms-ui
• 中文名称?AI 驱动的跨平台 UI 自动化测试
• 作者?wu-xiyou
• 分类?开发
• 版本?v1.0.0
• 标签?automation, testing, development-engineering, mobile, frontend, devops

使用方法

使用说明
nl2ms-ui 是一款基于 Midscene 框架的自动化测试脚本生成技能，旨在通过自然语言描述快速生成可跨平台运行的 UI 自动化测试代码。该技能支持 Web、Android、iOS 和 PC 四大主流平台，能够输出 YAML 和 TypeScript 两种格式的脚本代码，帮助用户将"点击登录按钮并验证页面跳转"这类自然语言指令转化为结构化的自动化测试步骤。
在核心用法方面，用户只需明确指定目标平台并描述测试场景，即可获得包含 aiAction、aiWaitFor、aiAssert 等 Midscene 特有 API 的完整脚本示例。技能内置了各平台的详细示例文档和最佳实践指南，包括如何使用描述性步骤名称、优先使用 aiWaitFor 替代固定 sleep、通过 continueOnError 处理可选步骤等实用技巧，确保生成的代码具备良好的工程实践标准。
该技能的显著优点在于其极高的安全性和易用性。作为纯文档型资产，它不包含任何可执行代码，无 eval/exec/system/subprocess 等危险函数，也无网络通信或数据收集行为，从根本上杜绝了代码注入风险。同时，它大幅降低了 Midscene 框架的学习门槛，让测试人员能通过自然语言快速生成专业级自动化脚本。此外，技能来源为 GitHub T2 级可信组织 OpenClaw，内容完全开源透明。
然而，该技能也存在一定局限性。首先，它仅生成示例代码而非直接执行测试，用户仍需自行配置 Midscene 运行环境、安装依赖并处理 API 密钥。其次，生成的脚本可能需要根据具体业务场景进行人工调整，无法保证 100% 开箱即用。此外，该技能深度依赖 Midscene 框架，若框架 API 发生变更，生成的代码可能存在版本兼容性问题。
适合使用该技能的目标群体包括：需要快速搭建 UI 自动化测试体系的测试工程师、希望降低测试代码编写成本的前端开发者、进行跨平台应用质量保障的 DevOps 团队，以及正在学习 Midscene 框架的初学者。对于需要频繁进行回归测试或端到端测试的项目团队，该技能能显著提升测试脚本的开发效率。
在使用过程中，用户需注意以下风险：虽然技能本身安全，但生成的脚本在实际运行时可能涉及敏感操作，建议在隔离的测试环境中执行；API 密钥等配置信息应通过 .env 文件管理，避免硬编码导致的安全泄露；由于自然语言理解的局限性，生成代码的逻辑准确性需人工验证，特别是在处理复杂交互流程时，应进行充分的代码审查和测试验证。