通过 AIsa API 实现 Twitter/X 数据监控与自动化，无需密码即可获取推文、趋势、用户关系及社群数据，支持发布功能。

基本信息

• 技能名称?X/Twitter Automation: 30+ APIs, OAuth Post, One Key
• 中文名称?Twitter 情报中心 · 一钥掌控社交数据
• 作者?0xjordansg-yolo
• 分类?专业技能
• 版本?1.0.3
• 标签?twitter, x-platform, social-listening, data-monitoring, api-integration, competitive-intelligence, trend-analysis, oauth, automation

使用方法

使用说明
核心用法
Twitter Command Center 是基于 AIsa API 的 Twitter/X 数据接入工具，为自主代理提供完整的情报能力。用户仅需配置 AISA_API_KEY 环境变量，即可通过 RESTful API 或 Python 客户端调用丰富的数据接口。
主要功能模块：
用户数据 ：获取用户资料、推文历史、提及、关注者/关注列表、验证粉丝、用户搜索及互关关系检测
推文搜索 ：高级搜索支持 Latest/Top 两种排序模式，可按 IDs 批量获取推文详情、回复、引用、转发者及完整话题线程
趋势与社群 ：全球趋势（WOEID）、列表成员/关注者、社群信息/成员/版主/推文、Spaces 详情
发布能力 ：通过 OAuth 浏览器授权后支持发帖（详细逻辑见 post_twitter.md ）
调用方式 ：
cURL 直接调用： curl -H "Authorization: Bearer $AISA_API_KEY" https://api.aisa.one/apis/v1/twitter/...
Python 客户端： python3 {baseDir}/scripts/twitter_client.py [options]
显著优点

1. 无需账号密码 ：纯 API Key 认证，避免共享 Twitter 登录凭证，降低账号封禁风险
2. 功能全面 ：覆盖 Twitter/X 绝大多数公开数据端点，从个人时间线到社群 Spaces 一应俱全
3. 成本极低 ：单次读取查询约 $0.0004，响应中直接返回用量和剩余积分
4. 批量操作支持 ：用户批量查询、多 Tweet IDs 获取等提升效率
5. 双模式搜索 ：Latest 实时监听 vs Top 影响力分析，适应不同场景
   潜在缺点与局限性
   第三方依赖 ：数据质量与稳定性完全依赖 AIsa 服务，存在供应商单点风险
   速率限制未明示 ：文档未标注具体 RPM/TPM 限制，高并发场景需自行测试
   数据延迟 ：非官方 Twitter API，可能存在抓取延迟，不适合毫秒级实时交易
   地区合规 ：Twitter/X 数据抓取在部分司法管辖区存在法律灰色地带
   OAuth 分离设计 ：发布功能需跳转外部文档，工作流不够内聚
   适合人群
   社交媒体分析师与品牌监听团队
   竞品情报收集的产品经理
   需要自动化 Twitter 数据流的 AI Agent 开发者
   加密货币/NFT 领域的 KOL 监控需求者
   学术研究中的社交媒体数据集构建者
   常规风险
   | 风险类型 | 说明 | |---------|------| | API Key 泄露 | 需妥善保管 AISA_API_KEY，建议配置最小权限并定期轮换 | | 服务中断 | AIsa 服务故障将导致数据获取完全中断，关键业务需设计降级方案 | | 数据合规 | 抓取用户数据需遵守 GDPR、CCPA 及 Twitter/X 服务条款 | | 成本控制 | 高频调用可能产生意外费用，建议设置预算告警 | | 账号关联 | 虽无需密码，但异常高频调用仍可能触发 Twitter 反爬机制 | 技术规格
   依赖 ： curl , python3
   环境变量 ： AISA_API_KEY
   定价 ：~$0.0004/查询，按量付费
   主页 ：https://openclaw.ai | https://aisa.one

Krea.ai API封装工具，支持Flux、Imagen 4等多模型图像生成，采用纯标准库实现，零第三方依赖，本地文件安全存储API密钥。

基本信息

• 技能名称?Krea.ai API
• 中文名称?多模型AI图像生成·零依赖·高安全
• 作者?fossilizedcarlos
• 分类?专业技能
• 版本?0.2.4
• 标签?image-generation, flux, imagen, ideogram, api-client, async, zero-dependency, ai-model, secure-credential

使用方法

使用说明
核心用法
Krea Skill 是一款面向开发者的高级图像生成工具，通过封装 Krea.ai 的异步任务 API，实现对多种前沿文生图模型的统一调用。核心工作流为 POST 提交任务 → 轮询状态 → 获取结果 的三段式异步架构，适配 Flux、Google Imagen 4、Ideogram 3.0、Seedream 等主流模型。
使用方式灵活：既可通过命令行直接生成（ --prompt + 可选参数），也可作为 Python 模块集成（ KreaAPI 类）。关键参数包括分辨率（512-2368px）、迭代步数（1-100）、引导尺度（0-24）及种子值，满足从快速原型到高精度产出的全场景需求。
显著优点

1. 极致安全设计 ：全程采用 Python 标准库（ urllib ），零外部依赖，攻击面最小化；显式移除 webhook 支持以杜绝 SSRF 风险；凭据文件强制 600 权限，CLI 传参仅作一次性使用。
2. 多模型生态 ：原生支持 5+ 模型，覆盖通用高质量（Flux）、文本渲染（Ideogram 3.0）、极速生成（Seedream-4）等细分场景，一键切换无需重构代码。
3. 工程友好 ：异步轮询内置指数退避，避免 API 限流；提供 --jobs 查询历史任务、 --list-models 动态枚举等运维工具，契合自动化流水线需求。
   潜在局限
   无同步即时返回 ：必须轮询等待，单次生成耗时数秒至数十秒，不适合超低延迟场景。
   无内置用量 API ：Krea.ai 未开放程序化用量查询，需手动登录后台查看配额，难以实现自动化成本监控。
   凭据管理单点 ：仅支持单账号文件存储，多租户或密钥轮换需自行扩展封装层。
   适合人群
   开发者/AI 工程师 ：需要将图像生成集成至 CI/CD、数据流水线或内部工具的工程师。
   安全敏感型企业 ：对供应链攻击、依赖混淆有严格合规要求的金融、政务云环境。
   多模型策略团队 ：希望以统一接口横向评估 Flux vs Imagen vs Ideogram 效果的产品团队。
   常规风险
   | 风险类型 | 等级 | 说明 | |---------|------|------| | API 密钥泄露 | 中 | 文件权限 600 可降低风险，但 ~/.openclaw 目录若被 root 或其他用户读取仍存在暴露可能 | | 提示词注入 | 低 | 服务端 Krea.ai 负责最终过滤，本地仅做长度校验（1800 字符），恶意提示词可能触发账号风控 | | 依赖枯竭 | 极低 | 纯标准库设计，无供应链风险 | | 成本失控 | 中 | 无实时用量 API，高频调用可能导致账单超预期，建议配合 --jobs 定期审计 |

基于 CORE-EEAT 的 80 项标准，来自社区 SEO 专家的发布前内容审计技能，助你提升 AI 引用潜力和搜索可信度。

基本信息

• 技能名称?Content Quality Auditor
• 中文名称?专业内容质量与信任度审计
• 作者?aaron-he-zhu
• 分类?专业技能
• 版本?9.9.5
• 标签?seo, content-media, data-analytics, marketing, product-management

使用方法

使用说明

自动化搜索并下载可打印3D模型，生成带许可证的完整清单，适合快速原型制作与报价流程。

基本信息

• 技能名称?Find Stl
• 中文名称?3D模型一键搜取 · 授权合规归档
• 作者?ajmwagar
• 分类?专业技能
• 版本?0.1.0
• 标签?3d-printing, stl, printables, model-download, automation, license-management, prototyping

使用方法

使用说明
核心用法
find-stl 是一条面向3D打印工作流的自动化管道，专注于从 Printables 平台搜索、获取并整理可打印模型文件。其典型流程包括：

1. 搜索阶段 ：通过关键词在 Printables 数据库中检索模型，支持结果数量限制（如 --limit 10 ）
2. 获取阶段 ：使用模型ID下载完整文件包（STL/3MF/ZIP格式），自动处理平台的时间限制下载链接
3. 归档阶段 ：生成结构化的 manifest.json ，记录来源URL、作者信息、许可证ID、文件清单及哈希校验
   显著优点
   流程标准化 ：将分散的模型搜索-下载-归档步骤整合为确定性管道，减少人工操作失误
   合规保障 ：强制捕获并保存许可证与署名信息，降低知识产权风险
   技术实现稳健 ：通过 Printables GraphQL API ( getDownloadLink ) 处理动态下载链接，适应平台反爬机制
   输出格式完整 ：本地文件夹 + JSON清单的组合便于后续报价、版本控制和自动化打印流程集成
   潜在局限
   单平台依赖 ：目前仅支持 Printables，未覆盖 Thingiverse、MyMiniFactory 等主要竞品平台
   无预览功能 ：缺乏模型预览或几何验证，需依赖外部工具检查打印可行性
   许可证解析有限 ：仅记录许可证ID，未自动解读具体条款（如是否允许商业用途、衍生作品要求）
   离线依赖 ：下载链接时效性意味着脚本必须在获取后即时执行，无法长期缓存链接
   适合人群
   需要快速原型验证的硬件工程师与产品设计师
   运营3D打印服务的商家（用于客户报价与文件管理）
   自动化工作流开发者（可将此技能集成至 CI/CD 或 MES 系统）
   常规风险
   许可证误用 ：用户可能忽略 manifest 中的许可证限制，导致商业场景下的侵权风险
   模型质量参差 ：平台内容未经验证，下载文件可能存在打印失败的几何缺陷
   供应链单一 ：Printables 平台政策变更或服务中断将直接影响技能可用性
   网络安全 ：脚本需调用外部 GraphQL API，存在 API 密钥泄露或中间人攻击风险（建议配合 TLS 与凭证管理）

Sophie 开发的 OpenClaw 内存优化工具，自动监控 Token、归档上下文并清理会话，保障 AI 长期运行的性能与稳定性。

基本信息

• 技能名称?sophie-optimizer
• 中文名称?自动化上下文性能管家
• 作者?zAyresz
• 分类?专业技能
• 版本?v1.0.0
• 标签?automation, devops, backend, development-engineering, productivity

使用方法

使用说明
Sophie Optimizer 是一款专为 OpenClaw 平台设计的自动化上下文健康管理工具，由 AI 助手 Sophie 亲自编写并命名。该 Skill 通过四位一体的协议（Check-Snapshot-Distill-Reset）智能维护会话性能，解决长期运行 AI 助手时的上下文膨胀和 Token 耗尽问题。
核心用法围绕自动化维护流程展开。当 Token 使用量超过 80k 阈值时，optimizer.py 会自动触发：首先创建当前上下文的 JSON 快照并存储于 archives/ 目录，随后将关键信息提炼更新至 MEMORY.md 长期记忆文件（保留最近 3 条记录），最后调用 reset.sh 脚本清理会话 JSONL 文件并重启 openclaw-gateway 服务。用户可通过 cron 定时任务或手动执行 Python 脚本启动优化流程。
显著优点体现在架构设计的简洁与安全性。该 Skill 仅依赖 Python 标准库（os、json、subprocess 等），零外部依赖杜绝了供应链攻击风险；所有数据操作均局限于本地文件系统，无网络上传行为；代码层面严格避免 eval/exec 等危险函数，文件删除操作限定特定路径和扩展名，具备完善的路径遍历防护。此外，自动化机制大幅降低了人工维护成本，确保 AI 助手在长时间对话后仍保持响应速度。
潜在局限主要集中于适用场景与来源可信度。作为 T3 级个人开发者作品，缺乏官方组织背书和长期维护保障；功能高度耦合 OpenClaw 特定目录结构（~/.openclaw/agents/main/sessions），迁移性差；执行 systemctl 服务重启和文件删除需要较高系统权限，在多用户共享环境中可能引发权限冲突或数据误删风险。
适合目标群体为使用 OpenClaw 平台的本地开发者和单用户环境运维人员，特别是需要 7×24 小时保持 AI 会话活跃、又担心上下文过载导致性能下降的高级用户。不适用于生产级多租户环境或无 systemd 的轻量级系统。
使用风险主要包括：reset.sh 会不可逆删除指定目录下的 .jsonl 和 .json 文件，若配置错误可能导致数据丢失；服务重启操作会中断当前所有活跃会话；个人维护的代码可能存在未发现的边界条件缺陷。建议首次使用前完整审查代码，并在测试环境验证备份机制。