Resend官方出品的开发者邮件平台技能集，提供发送、接收邮件及AI Agent邮箱安全配置能力，集成prompt injection防护与webhook签名验证机制。

基本信息

• 技能名称?resend
• 中文名称?企业级邮件平台开发套件
• 作者?mjrussell
• 分类?开发
• 版本?v0.1.0
• 标签?api, backend, automation, customer-support, devops, development-engineering

使用方法

使用说明
核心用法
Resend技能是一套面向开发者的邮件平台Agent Skills，采用模块化路由设计，将邮件功能拆分为三个核心子技能：： send-email 负责事务性邮件发送（支持单封/批量、附件、调度、模板及投递状态webhook）， resend-inbound 处理入站邮件（MX记录配置、邮件接收webhook、内容提取与转发）， moltbot 专为AI Agent邮箱场景设计（集成ngrok隧道、五级安全防护体系）。用户通过环境变量配置 RESEND_API_KEY 即可快速接入，SDK覆盖Node.js、Python等主流语言。
显著优点
官方背书与生态完整性 ：作为Resend官方生态组件，直接对接resend.com企业级邮件基础设施，API稳定性与送达率有保障。 安全意识突出 ：在AI Agent场景下提供业界罕见的prompt injection五级防护（严格白名单→域名白名单→内容过滤→沙盒处理→人工审核），并配套检测正则与速率限制代码。 工程实践成熟 ：强制要求webhook签名验证、推荐幂等性键防重发、区分可重试/不可重试错误并配套指数退避策略，大幅降低生产故障风险。 零信任架构友好 ：支持域限定API key实现沙盒隔离，最小化密钥泄露后的 blast radius。
潜在缺点与局限性
纯文档性技能 ：本身不包含可执行代码，所有功能需用户自行集成SDK实现，对低代码场景不够友好。 AI安全依赖用户实施 ：五级防护策略虽完善，但实际生效程度取决于用户是否正确配置，文档无法强制约束。 入站邮件复杂度 ：MX记录配置、DNS传播等待、webhook端点暴露等环节对网络基础设施知识有一定要求。 生态锁定 ：深度绑定Resend服务，迁移至其他邮件服务商需重构集成层。
适合的目标群体
SaaS开发者 ：需要可靠的事务性邮件（注册确认、密码重置、通知推送）且重视送达率指标。 AI Agent构建者 ：为LLM应用配置邮箱交互能力，同时担忧prompt injection攻击风险。 运维与DevOps工程师 ：需要自动化邮件处理流水线（告警聚合、工单系统、日志投递）。 初创技术团队 ：追求快速上线、文档完善、安全最佳实践开箱即用的邮件解决方案。
使用风险
API密钥管理风险 ：尽管文档强调环境变量存储，但用户误提交至版本控制或日志的风险始终存在，建议配合密钥扫描工具。 Webhook端点暴露 ：接收邮件功能需公网可访问端点，配置不当可能成为DDoS或伪造事件攻击面，必须严格实施签名验证。 第三方依赖可用性 ：Resend服务中断将直接影响邮件功能，建议设计降级策略（如队列缓冲）。 内容安全责任 ：出站邮件的HTML内容净化、附件病毒扫描需用户自行处理，技能仅提供传输层能力。

阿里云PAI AIWorkspace官方OpenAPI管理工具，支持资源查询、配置变更与故障排查，零外部依赖，适合企业级AI平台运维。

基本信息

• 技能名称?alicloud-ai-pai-aiworkspace
• 中文名称?阿里云PAI智能工作空间管家
• 作者?cinience
• 分类?开发
• 版本?v1.0.2
• 标签?cloud, ai-ml, devops, automation, api, backend, data-analytics

使用方法

使用说明
核心用法
该Skill是阿里云PAI AIWorkspace服务的OpenAPI管理工具，通过官方SDK或OpenAPI Explorer实现资源全生命周期管理。核心工作流遵循"确认-发现-调用-验证"四步模式：首先确认区域、资源标识与操作意图；其次通过元数据端点发现可用API及参数规范；随后使用Python脚本或SDK执行调用；最后通过Describe/List类API验证结果。内置 list_openapi_meta_apis.py 脚本支持元数据优先探索，可自动生成API清单并持久化到输出目录。
显著优点
架构简洁可靠 ：仅依赖Python标准库（urllib、argparse、json等），零外部包引入，彻底规避供应链攻击风险。 安全设计规范 ：无eval/exec/system等危险函数，输入验证完善，错误处理不泄露敏感信息。 权限模型清晰 ：AccessKey支持环境变量与配置文件双通道，优先级策略明确，符合云安全最佳实践。 运维友好 ：高频操作模式标准化（List/Describe查资源、Create/Update做变更、Get/Query做诊断），降低学习成本。 输出可控 ：所有产物定向写入 output/alicloud-ai-pai-aiworkspace// 目录，便于审计与版本管理。
潜在缺点与局限性
功能边界受限 ：当前版本聚焦元数据发现与只读操作，复杂业务编排需用户自行封装。 T3来源风险 ：社区/个人维护项目，长期更新稳定性不及官方背书，需主动跟踪版本变更。 网络依赖刚性 ：脚本需访问阿里云官方元数据端点，离线环境或网络隔离场景无法使用。 区域策略模糊 ： ALICLOUD_REGION_ID 为可选配置，未设置时需AI推断或询问用户，可能增加交互成本。 生态集成不足 ：缺乏与Terraform、Pulumi等IaC工具的原生对接，多云场景适配性有限。
适合的目标群体
云运维工程师 ：需批量管理PAI工作空间、数据集、训练任务的日常运维人员
平台架构师 ：设计AI中台时需要程序化探索API能力边界的系统设计者
DevOps团队 ：构建CI/CD流水线中集成PAI资源编排的自动化工程师
安全审计人员 ：需审查AI平台配置合规性的安全专员
使用风险
密钥泄露风险 ：AccessKey通过环境变量传递，多用户共享环境或日志打印可能导致凭证暴露。 网络中间人攻击 ：虽访问阿里云官方端点，但若本地DNS或证书链被篡改，存在元数据劫持可能。 输出目录权限 ： exist_ok=True 虽安全，但若父目录权限过宽，可能导致未授权读取。 版本漂移 ：API版本固定为2021-02-04，阿里云服务端升级后可能出现行为不一致。 误操作放大 ：高频变更类API（Create/Update/Delete）若被脚本批量调用，可能造成资源级联影响。

基于启发式与语义分析的 AI Agent 入侵检测系统，通过元数据隔离与人工介入机制，为 OpenClaw 平台提供实时威胁防护与合规安全保障。

基本信息

• 技能名称?hopeids
• 中文名称?AI 代理实时入侵检测与隔离防护
• 作者?emberDesire
• 分类?开发
• 版本?v1.3.2
• 标签?automation, backend, ai-security, threat-detection, intrusion-detection

使用方法

使用说明
hopeIDS Security Skill 是专为 OpenClaw AI 代理平台设计的入侵检测与防护系统，通过启发式规则分析与可选的语义识别技术，实时监测并阻断针对 AI 代理的提示词注入、命令执行、凭据窃取等恶意攻击行为，为 Agent 提供企业级安全防护能力。
在 核心用法 上，该技能采用流水线架构对入站消息进行自动扫描。当消息到达时，系统依据配置的风险阈值（默认 0.7）进行评分，根据 strictMode 设置选择阻断或警告模式。阻断模式下，威胁消息会被立即中止传递，仅将元数据存储至隔离区，并通过 Telegram 发送警报供人工审核；警告模式则向消息中注入安全提示后放行。管理员可通过 /approve 、 /reject 、 /trust 等命令管理隔离记录，且支持为不同代理配置差异化的安全策略，如对外部面向的扫描代理启用严格模式，对内部主代理放宽阈值。
显著优点 体现在其严格的安全架构设计：首先遵循"Metadata only"原则，确保原始恶意内容永不存储，仅通过 SHA256 哈希指纹标识；其次定义了清晰的 Security Invariants，如 Block=full abort 保证阻断消息绝不流入后续处理环节，Approve≠re-inject 防止已阻断消息被错误恢复；此外，完全程序化的警报构建机制避免 LLM 参与处理敏感元数据，降低二次风险。灵活的 per-agent 配置能力允许企业根据业务场景定制安全策略。
潜在局限 方面，作为基于启发式的检测系统，其存在误报可能，不适用于要求 100% 拦截率的极高安全场景；功能上依赖外部 hopeid npm 包和可选的 LLM 端点，在离线环境或供应链受限场景下可能受限；当前版本主要依赖规则匹配，语义分析能力标记为未来功能。
适合群体 主要为部署 OpenClaw 平台的开发者和企业，特别是运行面向不可信用户输入的 AI 代理场景，如公开聊天机器人、文件处理器、邮件解析代理等。对于具备安全运维团队、需要合规审计能力的中大型企业尤为适用。
使用风险 主要包括：性能层面，自动扫描可能增加消息处理延迟；供应链层面，需持续关注 hopeid 依赖包的版本更新与安全公告；配置层面，过度宽松的风险阈值或错误的 strictMode 设置可能导致漏报或业务中断；集成层面，Telegram 警报功能需妥善保管 botToken 以防泄露。

基于阿里云官方DashVector SDK的向量检索技能，支持创建集合、文档插入与相似度搜索，为AI应用提供企业级向量数据库能力。

基本信息

• 技能名称?alicloud-ai-search-dashvector
• 中文名称?阿里云向量检索一键接入
• 作者?cinience
• 分类?开发
• 版本?v1.0.2
• 标签?database, data-analytics, ai-ml, api, backend, cloud-service

使用方法

使用说明
核心用法
DashVector Vector Search 是一个面向阿里云 DashVector 向量数据库的 Python SDK 封装技能，主要用于在 Claude Code/Codex 环境中快速构建向量检索能力。该技能提供三大核心操作：创建集合（Collection）、批量插入文档（Upsert）以及相似度查询（Query）。用户通过环境变量配置 API 密钥和集群端点后，即可使用标准化接口管理向量数据，支持余弦相似度、点积、欧氏距离等多种度量方式，并可附加 SQL 风格的过滤条件实现精准检索。
显著优点

1. 官方 SDK 背书 ：直接基于阿里云 DashVector 官方 Python SDK，依赖可靠，API 稳定
2. 标准化接口 ：封装了创建集合、文档插入、向量查询等高频操作，降低使用门槛
3. 灵活检索能力 ：支持稠密向量、稀疏向量、多向量集合，以及带过滤条件的混合查询
4. 环境变量安全 ：敏感信息通过 DASHVECTOR_API_KEY 和 DASHVECTOR_ENDPOINT 环境变量注入，无硬编码风险
5. Claude 生态适配 ：针对 Claude Code/Codex 场景优化，提供快速启动脚本和完整示例代码
   潜在缺点与局限性
6. 云服务依赖 ：数据存储和处理完全依赖阿里云 DashVector 服务，存在网络延迟和服务可用性风险
7. 成本考量 ：DashVector 为付费云服务，高频调用可能产生较高费用
8. 来源可信度 ：当前为个人开发者维护（T3 来源），非阿里云官方团队直接维护
9. 功能边界 ：仅覆盖基础 CRUD 和查询操作，高级功能如索引优化、集群管理等需直接使用 SDK
10. 版本锁定缺失 ：未明确指定 dashvector SDK 版本，可能存在依赖漂移风险
    适合的目标群体
    需要在 AI 应用中快速集成向量检索能力的开发者
    使用 Claude Code/Codex 进行原型开发的工程师
    已采用阿里云生态、需要向量数据库支持的项目团队
    构建 RAG（检索增强生成）、语义搜索、推荐系统等 AI 应用的开发者
    使用风险
11. 数据出境风险 ：向量数据将上传至阿里云 DashVector 服务，需评估数据合规性要求
12. API 密钥泄露 ：若环境变量配置不当或日志泄露，可能导致 API 密钥暴露
13. 服务依赖风险 ：DashVector 服务的稳定性、计费策略变化可能影响业务连续性
14. 网络性能 ：向量传输和查询受网络质量影响，大规模数据场景需考虑带宽和延迟
15. 调试复杂度 ：401/403/429 等错误需结合阿里云文档排查，本地调试能力有限

OpenClaw 网关配置安全工具，提供自动备份、原子化变更与故障回滚，防止配置错误导致服务中断。

基本信息

• 技能名称?jasper-configguard
• 中文名称?OpenClaw 配置安全变更管家
• 作者?emberDesire
• 分类?开发
• 版本?v1.0.0
• 标签?automation, devops, backend, config-management

使用方法

使用说明
Jasper ConfigGuard 是一款专为 OpenClaw 网关设计的安全配置管理工具，采用 Node.js 开发，提供原子化的配置变更操作与自动回滚机制。该工具通过"备份-应用-验证-回滚"的四步工作流，确保配置变更的安全性，有效避免因配置错误导致的服务中断或系统不可用风险。
核心用法围绕 patch 、 restore 、 list 、 diff 、 validate 和 doctor 六大命令展开。用户通过 patch 命令以 JSON 格式提交配置变更，工具会自动完成当前配置的备份、深度合并补丁、网关重启及健康检查。若健康检查失败，系统将自动触发回滚机制，恢复至变更前状态。 --dry-run 参数允许用户在实际应用前预览变更差异，而 restore 命令支持从最多保留 20 个的历史备份中快速恢复。
显著优点体现在其零依赖架构和防御性编程设计上。工具仅使用 Node.js 内置模块，避免了供应链攻击风险；所有文件路径均经过 path.join() 规范化处理，防止目录遍历攻击；配置变更采用深度合并而非简单替换，减少误操作概率；自动回滚机制为生产环境提供了关键的安全网。此外，完善的错误处理和明确的操作反馈使得运维人员能够清晰掌握每次变更的执行状态。
潜在局限性主要包括生态耦合性和功能专属性。该工具专为 OpenClaw 网关设计，无法直接应用于其他配置管理场景；缺乏分布式配置同步能力，不适用于多机集群环境；备份文件以明文形式本地存储，未提供加密机制；且作为 T3 来源的社区项目，其长期维护稳定性和企业级支持尚待验证。
适合的目标群体主要为 OpenClaw 网关的运维人员、DevOps 工程师以及需要进行频繁配置调优的开发团队。特别是在需要测试不同模型配置（如切换 Claude 版本）或插件管理场景下，该工具能显著降低试错成本。对于重视服务可用性、需要在配置变更时确保快速故障恢复的生产环境，此工具具有较高的实用价值。
使用风险方面，尽管代码本身通过 A 级安全认证，但仍需注意：工具使用 execSync 执行 pgrep 和 kill 命令进行进程管理，虽经硬编码处理无注入风险，但在极端权限环境下仍需谨慎；自定义配置路径参数（ --config 、 --file ）虽经处理，建议用户仍应验证路径合法性；此外，自动重启机制虽便利，但在某些严格管控的维护窗口期可能需要禁用。建议首次使用时运行 doctor 命令验证环境，重要变更前务必使用 --dry-run 预览。