基于 CoinPaprika 和 Yahoo Finance 的加密与股票价格监控工具，支持多资产追踪、智能预警及市场情绪分析，为投资者提供实时市场洞察。

基本信息

• 技能名称?clawwatch
• 中文名称?零配置加密股票双栖监控
• 作者?goarstne
• 分类?专业技能
• 版本?v0.1.0
• 标签?finance-accounting, data-analytics, automation, api

使用方法

使用说明
核心用法
ClawWatch 是一款专注于金融市场的价格监控 Skill，通过命令行接口实现加密资产与股票的统一管理。用户可通过 clawwatch add 快速添加 BTC、ETH 等加密货币或 NVDA、TSLA 等股票标的，系统自动识别资产类型并分类存储。价格查询支持 --json 机器可读输出，便于程序化解析和与其他 Agent（如 market-analyst）联动进行深度分析。预警功能尤为灵活，支持绝对价格阈值（如 BTC 突破 10 万美元）和相对涨跌幅（如 ETH 日内跌超 5%）两种模式，满足差异化监控需求。
显著优点
该 Skill 的最大优势在于 零配置开箱即用 ——加密货币数据通过 CoinPaprika 免密钥获取，大幅降低使用门槛。多源数据整合能力突出，覆盖 CoinPaprika、CoinCap、Yahoo Finance、Finnhub 等主流接口，形成互补冗余。独特的 Crypto Fear & Greed 指数功能帮助用户量化市场情绪，辅助投资决策。本地缓存机制（ ~/.clawwatch/*.json ）支持离线数据读取，提升响应效率。多语言指令识别（如德语"Füg Bitcoin hinzu"）体现了良好的国际化设计。
潜在缺点与局限性
首要局限在于 外部依赖的不可控性 ：核心功能完全依赖 clawwatch PyPI 包的实现质量，该包作为新兴项目（v0.1.0）尚未经过长期稳定性验证。Yahoo Finance 作为非官方 API 存在服务中断或数据延迟风险。API 速率限制（建议 60 秒间隔）在高频监控场景下可能成为瓶颈。此外，Skill 本身为声明式设计，不直接处理数据，这意味着任何功能缺陷或安全漏洞都源于下游依赖，用户缺乏自主修复能力。
适合的目标群体
个人投资者 ：需要轻量级、低成本的多资产监控方案
量化爱好者 ：希望通过 JSON 输出对接自定义分析流程
多语言用户 ：支持德语等指令输入的国际化场景
风险厌恶型用户 ：偏好本地存储、无需云端账户的隐私敏感群体
使用风险

1. 供应链风险 ： clawwatch CLI 工具更新可能引入破坏性变更或安全漏洞，建议版本锁定
2. 数据可靠性 ：第三方 API 数据准确性无 SLA 保障，重大交易决策需交叉验证
3. 服务连续性 ：Yahoo Finance 等非官方数据源存在随时失效的可能
4. 预警延迟 ：API 轮询机制可能导致价格突破通知存在分钟级滞后，不适合高频交易场景

基于 Node.js 的本地自动化运维技能，定时执行技能审计、系统健康检查与日志清理，为开发者提供一站式晨间简报。

基本信息

• 技能名称?nightly-build
• 中文名称?夜间自动运维的晨间简报助手
• 作者?0xRaini
• 分类?专业技能
• 版本?v1.1.0
• 标签?automation, devops, development-engineering, productivity, backend

使用方法

使用说明
核心用法
Nightly Build 是一款面向开发者的本地自动化运维工具，通过定时任务（cron）在夜间执行系统维护任务，并于次日早晨生成结构化报告。用户可通过三条核心命令与技能交互：： nightly report 查看最近一次构建报告，， nightly run 手动触发任务执行（适用于测试场景）， nightly config 配置具体任务项。技能内置五项自动化任务：Skill Audit（运行 npm audit 检测技能依赖安全）、Auto-Update（拉取 Git 仓库最新变更）、Cleanup（清理 7 天以上临时文件与旧日志）、Health Check（验证磁盘空间与系统负载）、Briefing（汇总生成晨间报告）。
显著优点
零外部依赖 ：仅使用 Node.js 内置模块（ child_process 、 、 fs 、 、 path 、 、 url ），彻底规避供应链攻击风险。数据完全本地化：所有处理均在本地完成，报告与日志分别存储于 memory/nightly-report.md 和 memory/nightly.log ，无网络传输。安全设计严谨：命令均为硬编码的信息获取类操作（ git remote update 、 、 df -h 、 、 uptime` 等），无破坏性指令；60 秒超时机制防止命令挂起；完善的 try-catch 错误处理避免敏感信息泄露。 权限匹配精准 ：申请的权限（文件系统读写、系统命令执行）与功能完全对应，无过度授权。 运维场景闭环 ：覆盖开发者日常维护的完整链路——从依赖安全、代码同步到磁盘监控、日志治理，实现"睡前启动、晨起看报"的无感体验。
潜在缺点与局限性
来源可信度受限 ：开发者 0xraini 为个人账号，所属组织 openclaw 规模较小，项目 Stars 数与许可证信息未明确，属于 T3 来源。 系统命令执行风险 ：使用 execSync 执行 git 、 、 npm 、 、 df 等系统命令，虽经硬编码处理，但仍依赖宿主环境命令可用性与版本兼容性。 跨平台适配待验证 ： vm_stat 为 macOS 特有命令，Linux/Windows 环境可能需额外适配。 配置灵活性不足 ：cron 表达式需手动编辑 JSON 配置，缺乏交互式配置向导。 生产环境适用性有限 ：官方明确建议不用于生产服务器关键任务，多用户共享环境需额外权限配置。 日志清理策略固定 ：7 天清理阈值不可配置，特殊场景下可能不符合合规保留要求。
适合的目标群体
本地开发环境维护者 ：需要定期审计技能依赖、同步代码仓库、监控磁盘空间的个人开发者。 小型团队技术负责人 ：希望建立轻量级夜间巡检机制，降低人工运维成本。 DevOps 初学者 ：通过阅读源码学习安全命令执行、错误处理、定时任务设计的实践案例。 隐私敏感型用户 ：拒绝云端服务、坚持数据本地化的安全意识较强群体。
使用风险
环境依赖风险 ：若宿主机未安装 Git 或 Node.js 版本过低，命令执行将失败。 磁盘空间误判 ： df -h 解析依赖特定输出格式，非标准 Unix 环境可能解析异常。 并发执行冲突 ：手动 nightly run 与定时任务重叠时可能产生资源竞争（建议加锁机制）。 日志累积风险 ：若技能本身异常退出，日志文件可能持续增长（需外部监控兜底）。 权限扩散风险 ：文件系统读写权限覆盖整个 SKILLS_DIR ，路径遍历攻击理论上存在利用空间（需验证 WORKSPACE_DIR 环境变量过滤）。

基于OpenViking项目的MCP配置向导，为Claude Desktop/CLI提供本地化RAG语义搜索与文档问答能力，需用户自主配置OpenAI API。

基本信息

• 技能名称?openviking-mcp
• 中文名称?Claude专属语义搜索助手
• 作者?Unknown
• 分类?专业技能
• 版本?latest
• 标签?docs, api, development-engineering, productivity, data-analytics

使用方法

使用说明
OpenViking MCP Server 是一个面向 Claude Desktop 与 CLI 用户的配置指导型 Skill，旨在帮助用户快速部署基于 OpenViking 的 RAG（检索增强生成）服务。作为纯文档型资产，该 Skill 本身不执行任何代码，而是通过详细的步骤说明，引导用户在本地搭建支持语义搜索与文档问答的 MCP 服务器，从而将外部知识库无缝集成到 Claude 的对话流程中。
核心用法
该 Skill 的使用遵循"配置-连接-调用"的三阶段流程。首先，用户需要克隆 OpenViking 仓库并进入 MCP 示例目录，通过 uv 工具同步依赖；随后手动配置 ov.conf 文件，填入 OpenAI API 密钥以启用 LLM 与嵌入模型服务；最后启动本地 HTTP 服务（默认 8000 端口），并通过 Claude CLI 的 mcp add 命令或 Desktop 端的 ~/.mcp.json 配置文件完成接入。一旦连接成功，Claude 即可调用 query 、 search 和 add_resource 三个核心工具，实现从文档检索到智能问答的完整 RAG 流水线。
显著优点
最大的优势在于其标准化与安全性。采用 MCP（Model Context Protocol）协议确保了与 Claude 生态的兼容性，避免了私有 API 对接的碎片化问题。纯文档型的设计意味着 Skill 本身零权限、零代码执行，所有敏感操作（如 API 密钥配置）均需要用户显式手动完成，极大降低了供应链攻击风险。此外，该方案支持本地部署，默认绑定 127.0.0.1，数据无需经过第三方中转，仅在用户本地与 OpenAI 之间传输，兼顾了隐私性与响应速度。对于需要频繁处理本地文档的用户，这种"自有知识库+主流大模型"的组合提供了极高的灵活性。
潜在缺点与局限性
首先，该 Skill 仅提供配置指导，实际运行的 OpenViking 服务器代码来自 T3 级个人开发者账号（ZaynJarvis），缺乏企业级背书，用户需要自行承担第三方代码的审计责任。其次，功能重度依赖 OpenAI API，不仅需要有效的网络环境，还产生了额外的 token 费用，且无法离线使用。技术门槛方面，要求 Python 3.13+ 环境和 uv 包管理器，对非技术用户不够友好。此外，作为本地服务，用户需要自行处理端口占用、进程守护、开机自启等运维问题，缺乏 SaaS 化的开箱即用体验。
适合的目标群体
该 Skill 特别适合以下用户群体：一是 Claude Desktop/CLI 的重度使用者，希望为 AI 助手扩展外部知识库能力；二是注重数据隐私的开发者或研究人员，需要将敏感文档保留在本地环境进行 RAG 查询；三是具备基础 Python 环境配置能力的技术人员，能够处理依赖安装和配置文件编辑；四是构建个人知识管理系统的用户，希望将 PDF、网页等异构数据统一纳入 AI 问答范围。
使用风险
主要风险集中在配置安全与供应链两个方面。用户需在 ov.conf 中明文存储 OpenAI API 密钥，若文件权限设置不当或误提交至 Git 仓库，可能导致密钥泄露。在运行 uv run server.py 前，必须意识到正在执行来自 GitHub 的第三方代码，建议审查 OpenViking 原始仓库的安全性。网络层面，虽然默认仅监听本地地址，但在共享计算环境中仍需防范本地端口嗅探。此外，长期运行的 MCP 服务可能因内存泄漏或异常导致系统资源占用，建议定期监控进程状态。

基于本地持久化存储的跨会话任务管理工具，具备完善路径安全验证，帮助用户高效追踪项目进度并支持 Markdown 导出。

基本信息

• 技能名称?task-runner
• 中文名称?跨会话智能任务追踪管理
• 作者?johstracke
• 分类?专业技能
• 版本?v1.0.1
• 标签?productivity, project-program-management, office, docs, automation

使用方法

使用说明
Task Runner 是一款专注于跨会话任务管理的生产力工具，通过本地 JSON 文件实现数据的持久化存储，解决了 AI 对话中任务状态随会话结束而丢失的痛点。
核心用法
该技能通过命令行接口提供完整的任务生命周期管理。用户可使用 add 命令创建带有项目分组和优先级标记的任务，利用 list 命令按项目筛选查看待办事项，通过 complete 标记任务完成状态，并借助 export 将项目进度导出为 Markdown 格式。所有数据存储于 ~/.openclaw/workspace/tasks_db.json ，确保跨会话连续性。
显著优点
首要优势是 真正的持久化存储 ，不同于会话级的临时记忆，任务数据以结构化 JSON 形式保存在本地，重启后依然可用。其次， 项目化组织 支持多维度任务分类，配合高中低三级优先级体系，便于用户聚焦关键事项。安全性方面，v1.0.1 版本引入了 严格的路径验证机制 ，通过 is_safe_path 函数限制导出操作仅能写入用户工作区、家目录或 /tmp，有效防止了提示注入攻击导致的系统文件写入风险。此外，纯 Python 标准库实现 零外部依赖 ，避免了供应链攻击风险。
潜在缺点与局限性
当前版本采用 单文件存储架构 ，所有任务集中存储于一个 JSON 文件，若文件损坏或误删将导致全部数据丢失，缺乏内置的备份与恢复机制。功能层面， 无多设备同步能力 ，数据绑定于单一机器，无法满足移动办公需求。代码质量方面，异常处理使用裸 except: 语句捕获所有异常，虽不影响安全性，但可能掩盖特定的逻辑错误，增加调试难度。来源可信度为 T3 级（个人开发者），长期维护的稳定性有待观察。
适合的目标群体
该技能特别适合 长期运行的多会话项目 ，如学术研究中的实验跟踪、软件开发 Sprint 规划、以及自主智能体的工作流管理。对于需要 离线优先 、注重数据隐私的用户（数据不出本地），或是希望建立结构化待办事项系统的个人知识工作者，都是理想选择。
使用风险
主要风险集中在 数据持久性 方面：单点故障风险（需手动备份 tasks_db.json）、无版本控制（误操作不可逆）。性能上，随着任务量增长（数千条以上），JSON 文件的读写效率可能成为瓶颈。安全层面虽通过路径验证，但用户仍需 警惕导出路径的确认 ，避免覆盖重要文件。建议定期备份数据文件，并避免在任务描述中存储高度敏感信息（因以明文 JSON 存储）。

基于社区开源方案，通过 CLI 工具实现 Netatmo 恒温器智能控制与全方位环境数据监测，助力家庭能源管理与健康生活。

基本信息

• 技能名称?netatmo
• 中文名称?智能恒温与环境监测专家
• 作者?florianbeer
• 分类?专业技能
• 版本?v1.0.1
• 标签?automation, smart-home, iot, productivity, data-analytics

使用方法

使用说明
Netatmo Skill 是一个面向智能家居场景的纯文档型控制工具，专为拥有 Netatmo 智能恒温器和气象站的用户设计。该 Skill 本身不包含可执行代码，而是通过标准化的 Markdown 文档指导用户利用 netatmo CLI 工具实现对家庭供暖系统的精准控制与环境数据的全面监测。
核心用法方面，用户需预先在本地配置 OAuth 凭据（ ~/.config/netatmo/credentials.json ），随后即可通过一系列直观的命令完成操作。主要功能涵盖：实时查看恒温器状态及多房间传感器数据（包括卧室、客厅、办公室和室外站点的温度、湿度、CO₂、噪音、气压等指标）；灵活设置目标温度（7-30°C 范围）并切换运行模式（常规计划、离家模式、防冻保护）；调取 7-14 天的历史温度数据并以 ASCII sparklines 形式直观展示趋势。所有命令均支持 JSON 格式输出，便于与其他自动化工具集成。
显著优点在于其安全透明的设计理念。作为纯文档型 Skill，它不存在代码注入、远程下载或静默数据收集等风险，所有敏感操作均依赖用户本地安装的官方 CLI 工具完成。功能层面，它提供了企业级智能家居管理能力，支持多维度环境感知（特别是 CO₂ 浓度监测有助于改善室内空气质量），且温度控制具备安全边界（3 小时自动恢复计划模式，防止能源浪费）。
潜在局限性主要包括：其一，依赖外部 CLI 工具，用户需自行安装配置 netatmo 命令行程序并处理 OAuth 认证流程，技术门槛相对较高；其二，作为 T3 级社区来源项目，长期维护更新与技术支持存在不确定性；其三，功能受限于 Netatmo 硬件生态，无设备用户无法使用；其四，温度设置虽有限制，但误操作仍可能导致短期能源浪费或舒适度下降。
该 Skill 特别适合以下群体：已部署 Netatmo 智能恒温器或气象站的家庭用户、关注室内空气质量（CO₂、湿度）的健康生活倡导者、希望通过命令行实现高效家居自动化的技术爱好者，以及需要将环境数据集成到自有监控系统的开发者。
使用风险方面，尽管 Skill 本身安全，但用户需注意：本地凭据文件（ credentials.json 和 tokens.json ）的权限管理（建议设置 700 权限），防止未经授权访问；依赖外部 CLI 的版本兼容性；以及手动温度设置后 3 小时的自动恢复机制可能影响特殊使用场景。总体而言，在正确配置本地安全策略的前提下，该 Skill 提供了安全可靠的智能家居控制能力。