基于 Okta 官方 API 的企业身份管理工具，通过环境变量安全配置，帮助管理员高效管理用户、组和应用访问权限。

基本信息

• 技能名称?okta
• 中文名称?企业级身份与访问管理平台
• 作者?gora050
• 分类?专业技能
• 版本?v1.0.0
• 标签?api, backend, devops, automation, operations

使用方法

使用说明
Okta 作为全球领先的企业身份云平台，此 Skill 提供了一套标准化的 API 操作指南，帮助技术人员通过简单的 curl 命令实现用户生命周期管理、组织架构维护及应用访问控制。
核心用法
该 Skill 主要围绕 Okta REST API 提供五个核心操作的代码示例：配置环境变量、列举所有用户、创建新用户、查看用户组列表以及查询已集成的应用程序。使用者需先配置 OKTA_DOMAIN 和 OKTA_API_TOKEN 环境变量，即可直接复制命令进行身份管理操作。所有示例均采用标准 HTTP 方法（GET/POST），支持 JSON 格式的数据交互，可直接集成到现有的 Shell 脚本或自动化工作流中。
显著优点
首先，安全性设计规范，强制使用环境变量管理 API Token，避免了敏感信息硬编码带来的泄露风险。其次，代码示例简洁明了，基于通用的 curl 工具，无需安装额外的 SDK 或依赖库，降低了使用门槛。再者，覆盖 IAM（身份与访问管理）核心场景，包括用户的 CRUD 操作、组织架构查询和应用权限查看，满足日常管理需求。最后，文档结构清晰，提供了直接链接到 Okta 官方管理后台和 API 文档的入口，便于深度查阅。
潜在缺点与局限性
作为文档型 Skill，其功能局限于基础示例展示，缺乏生产环境所需的错误处理、重试机制和日志记录功能。未涵盖 Okta 高级功能如多因素认证（MFA）配置、安全策略管理、审计日志分析等复杂场景。来源等级为 T3（社区/个人开发者），相比官方或企业级来源（T1/T2），代码可信度和长期维护性存在一定不确定性。此外，所有操作需手动执行，不具备自动化编排能力，且缺少输入参数验证的示例代码。
适合的目标群体
主要面向企业 IT 管理员、DevOps 工程师、身份管理专员以及系统集成开发者。适用于需要快速查询 Okta 用户信息、批量管理组织架构或验证应用集成状态的技术人员。对于正在学习 Okta API 的开发者，这也是一份简洁的入门参考文档。
使用风险
首要风险是 API Token 的安全管理，若环境变量配置不当或 Token 泄露，可能导致企业身份数据被未授权访问。其次，T3 来源意味着代码未经官方认证，建议在生产环境使用前进行完整的安全审计。操作风险方面，创建用户等 POST 请求具有实际副作用，误操作可能导致重复创建账户或触发不必要的邮件通知。此外，curl 命令直接暴露在网络环境中，若终端历史记录未清理，可能造成敏感信息残留。建议在沙箱环境充分测试后再应用于生产租户。

基于FDA、NIH等权威数据库，提供可追溯的药品标签、召回及分类信息，助力医药研究与安全参考。

基本信息

• 技能名称?med-info
• 中文名称?FDA官方药品数据智能助手
• 作者?DuncanDobbins
• 分类?专业技能
• 版本?v0.2.1
• 标签?healthcare-life-sciences, data-analytics, api, education-research, automation, database, productivity

使用方法

使用说明
med-info 是一款专注于药品信息查询与标准化的专业工具，旨在为医药研究人员、医疗信息管理者及临床支持团队提供基于权威公共数据库的标准化药品数据。该工具通过整合 openFDA、RxNorm/RxNav、DailyMed、MedlinePlus 等权威来源，实现了从模糊药品名称到标准化标识符（RxCUI、NDC、set_id）的精准映射，并提供包含黑框警告、适应症、用法用量、禁忌症、药物相互作用等关键标签信息的结构化输出。
核心用法方面，med-info 支持多维度查询模式：用户既可通过通用名或商品名进行模糊查询，也可利用精确的 RxCUI（RxNorm Concept Unique Identifier）或 NDC（National Drug Code）进行定向检索。工具内置智能标准化引擎，能够自动解析品牌药与通用名的对应关系，并支持通过 SPL（Structured Product Labeling）set_id 直接定位特定标签版本。此外，工具还提供丰富的扩展功能，包括药品召回信息查询、市场供应短缺监测、FAERS（不良事件报告系统）数据分析、药物分类归属（RxClass）以及 Orange Book（专利与独占权）和 Purple Book（生物制品）信息检索。
显著优点体现在数据权威性与可追溯性上。所有信息均源自 FDA、NIH/NLM 等政府机构官方 API，确保数据的法律效力与准确性。工具自动生成完整的引用标识（包括标签生效日期、set_id 及来源链接），满足学术研究和监管合规的溯源要求。输出格式灵活，支持人类可读的格式化文本与机器可解析的 JSON 格式，便于集成至自动化流程。隐私设计方面，工具明确禁止输入 PHI（受保护健康信息），所有查询仅基于药品本体信息，避免患者隐私泄露风险。
潜在局限性包括来源可信度与功能边界。作为 T3 级个人开发者项目（非官方组织维护），长期维护稳定性存在一定不确定性。工具严格限定为"参考"用途，明确声明不构成医疗建议，临床决策仍需查阅完整官方标签。此外，功能依赖外部 API 可用性，网络中断或 FDA/NIH 服务维护期间将无法使用，且 RxImage 服务已于 2021 年退役，图片查询功能受限。
适用目标群体主要包括：医药信息学研究人员、药物警戒（Pharmacovigilance）专业人员、医疗机构药学部、医学写作与培训材料编制人员，以及需要批量处理药品数据的后台系统开发者。对于需要快速获取标准化药品标识符、制作可追溯的药品参考文档或集成药品数据至内部知识库的团队尤为适用。
使用风险方面，首先需注意 API 限流问题——高频查询需配置 OPENFDA_API_KEY 以避免服务被拒绝。其次，尽管工具实现了输入转义与参数校验，用户仍应遵循安全指南，避免在查询中意外包含患者识别信息。最后，药品数据存在更新延迟，召回信息与标签变更可能不会实时同步，关键决策应直接核对 FDA 官方网站最新公告。

基于真实案例（7M浏览，$670 MRR）的TikTok营销自动化系统，支持AI生成图片、文字叠加、Postiz多平台发布、RevenueCat转化追踪与数据驱动的智能迭代优化。

基本信息

• 技能名称?Larry
• 中文名称?AI 驱动 TikTok 营销流水线，从生成到变现
• 作者?olliewazza
• 分类?专业技能
• 版本?1.0.0
• 标签?tiktok-marketing, social-media-automation, ai-image-generation, postiz, revenuecat, content-marketing, growth-hacking, conversion-tracking, analytics

使用方法

使用说明
核心功能
该 Skill 是一套完整的 TikTok 营销自动化流水线，专为移动应用和数字产品推广设计。核心工作流包括：竞品研究 → AI 图片生成（支持 OpenAI gpt-image-1.5、Stability AI、Replicate 或本地图片）→ node-canvas 文字叠加 → Postiz 多平台发布（TikTok/Instagram/YouTube/Threads 等）→ 每日数据分析 → 基于转化数据的智能迭代优化。
显著优点

1. 数据驱动的反馈闭环 ：区别于单纯的内容自动化工具，该系统通过整合 Postiz（观看数据）和 RevenueCat（付费转化数据），构建真正的智能优化引擎。每日自动诊断四种表现模式（高观看+高转化=放大；高观看+低转化=修复CTA；低观看+高转化=优化钩子；低观看+低转化=全面重置），实现从"发内容"到"运营机器"的跃迁。
2. 经过验证的实战配置 ：直接采用创作者 Larry 的真实成功案例配置（1M+ TikTok 观看，$670/月 MRR），包括精确的 6 页幻灯片结构、28% 顶部文字定位、动态字体大小算法、以及关键的 gpt-image-1.5 图片生成策略。
3. 草稿+人工审核的安全设计 ：内容以草稿形式进入 TikTok 收件箱，强制人工添加热门音乐后发布。这既规避了 API 无法选择趋势音乐的局限，又确保内容质量与算法友好性。
   潜在局限
4. 复杂的前置依赖 ：需要 Node.js、node-canvas（含系统级图形库）、Postiz 账号、以及可选的 RevenueCat 集成。node-canvas 在 Linux/macOS 上需要 Cairo、Pango 等原生库，安装门槛较高。
5. 关键功能依赖外部付费服务 ：Postiz 是分析反馈闭环的必需组件（非可选），RevenueCat 是收入优化的关键。若用户预算有限或技术栈不匹配（如无订阅制应用），系统价值会显著降低。
6. TikTok 账号冷启动期 ：新账号需 7-14 天"养号"（模拟真实用户行为），无法立即投入自动化。跳过此步骤将导致算法降权 80-90%。
7. 发布流程存在 API 延迟风险 ：连接 TikTok 视频 ID 需等待 2 小时以上（TikTok API 索引延迟），且错误连接无法撤销，可能影响数据准确性。
   适合人群
   拥有订阅制移动应用（iOS/Android）的独立开发者或小团队
   已有 TikTok 账号运营基础、希望规模化内容生产的营销人员
   具备基本 Node.js 环境配置能力的技术型创作者
   预算可覆盖 OpenAI API、Postiz 及可选 RevenueCat 的成长期项目
   常规风险
   | 风险类型 | 等级 | 说明 | |---------|------|------| | API 密钥泄露 | 中 | 需用户自行安全管理 OpenAI/Postiz/RevenueCat 密钥，建议使用环境变量而非明文配置文件 | | 第三方服务依赖 | 中 | 核心功能绑定 Postiz 和 RevenueCat，服务变更或价格调整将影响系统可用性 | | 平台政策风险 | 中 | TikTok 对自动化内容有隐性限制，过度营销风格内容可能触发审核 | | 内容质量一致性 | 低 | AI 生成图片需多轮迭代调试才能达到"非 AI 感"，初期存在学习成本 | | 账号安全风险 | 低 | 建议专用账号运营，避免主账号绑定 | 安全认证结论
   CLS-Certify 扫描评分 78/A 级，代码无恶意行为，所有外部 API 均为知名合法服务商，文件操作限于用户指定目录。主要建议：API 密钥使用环境变量管理，定期轮换，并审查各服务商条款。
   tiktok-marketing social-media-automation ai-image-generation postiz revenuecat content-marketing growth-hacking conversion-tracking analytics

基于 LanceDB 的向量数据库长期记忆管理，支持语义搜索、分类存储与智能检索，适用于 AI Agent 记忆持久化场景。

基本信息

• 技能名称?Lancedb Memory
• 中文名称?AI 长期记忆的向量数据库方案
• 作者?pntrivedy
• 分类?专业技能
• 版本?1.0.0
• 标签?lancedb, vector-database, long-term-memory, semantic-search, ai-agent, local-storage, python, embeddings

使用方法

使用说明
核心用法
LanceDB Memory 是一个为 AI 应用设计的长期记忆存储模块，通过 LanceDB 向量数据库实现语义化的记忆管理。主要功能包括：
记忆存储 ：支持添加带时间戳、分类、标签和重要程度的结构化记忆
语义搜索 ：利用向量相似度进行自然语言查询，检索相关记忆
分类管理 ：按类别组织记忆，支持动态分类查询
CRUD 操作 ：完整的增删改查接口，支持元数据扩展
统计分析 ：提供记忆库的统计概览，包括总量、分类分布和时间范围
典型使用场景

1. AI Agent 对话历史持久化，突破上下文窗口限制
2. 用户偏好学习，存储和检索个性化信息
3. 知识库构建，支持语义问答系统
4. 项目文档管理，智能检索相关经验
   显著优点
   本地优先 ：数据存储在本地文件系统，无需外部服务依赖
   零配置 ：自动初始化数据库和表结构，开箱即用
   高性能 ：LanceDB 基于 Apache Arrow，具备高效的列式存储和向量检索能力
   类型安全 ：完整的 Python 类型注解，支持 IDE 智能提示
   灵活扩展 ：JSON 元数据字段允许任意结构化数据附加
   潜在缺点与局限性
   单节点架构 ：当前实现为本地单机版，不支持分布式部署
   硬编码路径 ：默认数据库路径 /Users/prerak/clawd/memory/lancedb 需要手动修改
   向量模型缺失 ：代码中 vector_search 调用但未展示嵌入模型集成，需额外配置
   无访问控制 ：缺乏用户认证和权限隔离机制
   备份机制 ：未内置数据备份和恢复功能
   并发处理 ：未明确处理多进程/多线程并发写入场景
   适合人群
   开发 AI Agent 或对话系统的工程师
   需要本地部署向量数据库的隐私敏感场景用户
   快速原型开发阶段，追求最小依赖的技术团队
   熟悉 Python 生态，希望轻量级方案替代 Pinecone/Milvus 的开发者
   常规风险
   数据持久化风险 ：默认路径若位于临时目录或容器内，可能导致数据丢失
   SQL 注入隐患 ： where 和 filter_expr 使用字符串拼接，存在注入风险（需验证 LanceDB 参数化处理）
   版本兼容性 ：依赖 lancedb 特定版本，升级可能破坏存储格式
   存储膨胀 ：向量数据随记忆量增长占用磁盘空间显著，需定期清理策略
   隐私合规 ：本地存储虽减少云端泄露风险，但仍需考虑设备级加密和合规要求

解决 Clawdbot/Moltbot 定时任务常见故障：消息丢失、时区错误、工具死锁、模型回退异常等问题

基本信息

• 技能名称?EZ Cronjob
• 中文名称?定时任务故障排查完全指南
• 作者?promadgenius
• 分类?专业技能
• 版本?1.0.0
• 标签?cron, scheduling, telegram, debugging, moltbot, clawdbot, devops, reliability

使用方法

使用说明
技能概述
ez-cronjob 是一份面向 Clawdbot/Moltbot 用户的生产级定时任务故障排查指南，由 Isaac Zarzuri 基于实际运维经验编写，专注解决 cron 任务调度中的五大核心痛点。
核心用法
该技能不依赖代码执行，而是以文档形式提供经过验证的命令模板与排障流程。主要覆盖五个典型场景：

1. 避免 cron 工具死锁 ：使用 exec: clawdbot cron 替代直接调用 cron 工具，绕过 agent 与 gateway 间的 10 秒超时死锁
2. 确保消息可靠投递 ：强制使用 --session isolated 防止主会话冲突导致的消息丢失
3. 消除时区混乱 ：显式指定 --tz 参数（如 America/New_York ），避免 UTC 默认导致的执行时间偏差
4. 控制回退模型行为 ：在消息体前置 [INSTRUCTION: DO NOT USE ANY TOOLS] 指令，防止小模型违规调用工具
5. 故障诊断与恢复 ：提供日志查询、gateway 重启、作业重建等完整运维流程
   显著优点
   实战验证 ：所有方案均来自生产环境调试，非理论推导
   即查即用 ：提供可直接复制的命令模板，降低配置错误率
   防御性设计 ：通过 --best-effort-deliver 等参数实现优雅降级
   多场景覆盖 ：从周期性提醒到一次性任务均有完整示例
   局限性与风险
   生态锁定 ：完全针对 Clawdbot/Moltbot 生态，无法迁移至其他 cron 系统
   时效性依赖 ：随着平台版本迭代，部分命令语法可能失效
   无自动修复 ：纯文档技能，不具备自动诊断或修复能力，仍需人工执行
   回退模型问题 ：指令嵌入方案虽有效，但依赖模型对自然语言指令的遵循度
   适合人群
   使用 Clawdbot/Moltbot 进行 Telegram/WhatsApp 自动化的开发者
   需要配置可靠定时提醒、日报、周报等场景的团队管理员
   遭遇消息丢失、时区错误等疑难杂症的运维人员
   常规风险
   | 风险点 | 等级 | 说明 | |--------|------|------| | 消息丢失 | 中 | 未使用 --session isolated 时，主会话繁忙可能导致投递失败 | | 时间漂移 | 中 | 缺少时区参数导致 UTC 与本地时间偏差 | | 工具死锁 | 低 | 直接调用 cron 工具触发 10 秒超时，但可通过 exec 规避 | | 模型违规 | 低 | 回退模型可能无视指令调用工具，需持续监控 |