基于Vapi官方API的企业级语音AI管理工具，提供助手、通话、号码一站式管理，确保语音代理基础设施的高效运维。

基本信息

• 技能名称?vapi
• 中文名称?企业级语音AI代理管理平台
• 作者?colygon
• 分类?专业技能
• 版本?v0.1.0
• 标签?api, customer-support, automation, backend, operations, voice-ai

使用方法

使用说明
该Skill提供对Vapi语音AI平台的全面管理能力，支持通过REST API或CLI工具管理语音助手(assistants)、通话(calls)、电话号码(phone numbers)、工具(tools)和webhooks。用户可通过Node.js辅助脚本或Vapi CLI执行创建助手、发起外呼、配置语音参数等操作，实现语音代理基础设施的代码化管理。
显著优点 包括：双模式架构同时支持REST API和CLI工具，适应自动化脚本和交互式操作不同场景；安全设计完善，API Key通过环境变量管理无硬编码风险，所有通信使用HTTPS加密；功能覆盖完整，涵盖Vapi平台核心能力包括助手生命周期管理、通话控制、号码配置及webhook事件处理；开发体验友好，提供MCP文档服务器支持增强IDE智能提示，代码结构清晰易于二次开发；遵循最小权限原则，仅申请必要网络权限且敏感操作需用户主动配置认证信息。
潜在局限性 方面：作为T3级社区项目，非Vapi官方或知名开源基金会维护，长期更新和维护稳定性存在一定不确定性；功能完全依赖Vapi官方API可用性，若服务中断或API版本变更将直接影响功能使用；主要面向具备技术背景的开发者，非技术用户需要理解REST API、环境变量配置等概念；同时受Vapi服务区域限制，部分地区可能存在网络延迟或合规限制。
适合的目标群体 包括：需要集成语音AI能力的企业开发团队；使用Vapi平台构建智能客服、自动外呼、语音助手系统的软件工程师；寻求通过代码自动化管理语音代理基础设施的DevOps和运维人员；以及希望将语音通信能力集成到现有工作流的产品团队。
使用风险 需要注意：必须妥善保管VAPI_API_KEY，避免泄露导致未授权访问和费用损失；发起电话呼叫需严格遵守当地通信法规、隐私保护政策及录音同意条款；所有功能依赖网络连接，离线环境完全无法使用；自动化操作可能导致意外通话费用累积，建议配合预算监控和日志审计；需关注Vapi API升级公告，避免接口变更导致的不兼容问题。

聚合TechCrunch等权威AI媒体，自动抓取最新产品动态与研究进展，为从业者提供精准行业情报。

基本信息

• 技能名称?ai-research-scraper
• 中文名称?AI前沿资讯智能聚合助手
• 作者?Kernix0421
• 分类?专业技能
• 版本?v1.8.14
• 标签?content-media, automation, data-analytics, api, education-research

使用方法

使用说明
AI Research Scraper 是一款专注于人工智能领域信息聚合的自动化工具，旨在帮助用户快速获取来自TechCrunch、VentureBeat、MIT Technology Review、Google AI Blog等权威媒体的最新研究动态与产品发展资讯。该技能通过Python脚本执行网络抓取任务，支持自定义目标网站列表、控制摘要长度（token限制）、指定时间范围及主题筛选，并内置1小时缓存机制避免重复抓取，同时集成tavily-search作为备用搜索方案以应对网络超时问题。
核心用法 方面，用户可通过命令行直接运行主脚本 scraper.py ，支持 --max-tokens 控制摘要长度、 --days 指定抓取时间范围、 --topic 筛选特定主题。配置文件中可维护目标网站列表，格式为"网站名称|URL|RSS地址"。技能采用分层架构，主脚本负责调度，可调用外部Node.js脚本执行实际抓取任务，同时依赖tavily-search技能处理搜索请求。
显著优点 包括：多源聚合能力覆盖主流AI媒体；智能缓存与超时重试机制提升稳定性；数据量控制确保快速阅读；保留原始链接便于深度阅读；模块化设计支持灵活配置。特别适合需要跟踪AI产品迭代、技术突破的从业者进行日常信息扫视。
潜在缺点与局限性 不容忽视：代码结构存在明显缺陷，如simple_scraper.py中尝试导入不存在的translate_text函数；硬编码外部skill路径（tavily-search）导致强耦合；作为T3来源（个人开发者）的技能，代码审查严格度需提高；移除翻译功能后国际化支持缺失；缺乏完善的输入验证机制，若开放参数输入易受注入攻击。
适合目标群体 主要为：AI研究员与学术工作者追踪前沿论文动态；产品经理监控竞品AI功能迭代；技术分析师收集行业趋势数据；开发者构建AI新闻聚合工作流。对于需要高频、自动化获取结构化AI资讯的用户价值显著。
使用风险 包括：subprocess调用外部脚本存在命令注入潜在风险，尽管当前查询参数为硬编码；依赖tavily-search等外部服务，若路径变更或API调整将导致功能失效；网络请求可能暴露用户IP至第三方服务（Tavily API）；代码边界不完整（如字符串切片未验证索引）可能引发运行时异常；T3来源意味着维护不确定性和安全更新延迟风险。建议仅在隔离环境（容器/虚拟机）中使用，避免处理敏感信息场景。

基于知名开源项目yt-dlp构建，专为YouTube视频提供自动字幕提取与智能摘要，帮助用户在数秒内掌握长视频核心内容，节省宝贵时间。

基本信息

• 技能名称?tldw
• 中文名称?YouTube视频秒级摘要助手
• 作者?vovavvk
• 分类?专业技能
• 版本?3.0
• 标签?content-media, productivity, education-research, video, summarization, python

使用方法

使用说明
tldw（too long; didn't watch）是一款专为 YouTube 视频设计的智能摘要工具，旨在解决视频内容信息过载问题。用户只需提供视频 URL，系统即可通过 yt-dlp 自动提取字幕，经过去重清洗后生成结构化摘要，将数十分钟的视频内容浓缩为数秒可读的文本精华。
核心用法 方面，该 Skill 采用本地 Python 脚本处理流程：通过 extract_transcript.py 脚本下载视频字幕（支持 VTT、SRT、JSON 格式），利用本地缓存机制避免重复下载，并直接在主会话中处理文本生成摘要。用户可通过可选的 Cookie 配置访问年龄限制内容，整个过程无需观看视频即可获取核心论点、关键示例和结论。
显著优点 包括：处理速度极快（典型视频数秒完成）；支持自动去重以消除 YouTube 自动生成字幕的重复行问题；具备完善的错误处理机制（针对无字幕、无效 URL、网络错误等场景）；完全本地化运行，数据不上传云端；支持通过浏览器 Cookie 访问受限内容。
潜在局限性 需特别注意：该 Skill 仅支持带字幕的 YouTube 视频，无法处理纯音频或语音转文字；自动生成的字幕可能存在识别错误；超长视频（2小时以上）可能产生 10 万字符以上的文本，处理时间显著增加；目前不支持 YouTube 以外的视频平台。
适合人群 主要包括需要高效处理视频信息的用户：学术研究人员整理讲座资料、学生快速复习课程视频、内容创作者分析竞品视频、记者提取新闻要点，以及任何希望节省观看时间的信息工作者。
使用风险 方面，由于 YouTube 频繁更新 API，yt-dlp 需要定期更新以维持兼容性；Cookie 文件包含敏感登录信息，需用户妥善保管且不与他人共享；长期使用的缓存文件可能占用磁盘空间，建议定期清理；网络连接不稳定可能导致下载失败。

ByteRover 知识管理技能：用自然语言查询和存储项目记忆，支持本地优先、团队同步，零配置即可使用

基本信息

• 技能名称?ByteRover
• 中文名称?AI 代理的长期记忆中枢
• 作者?byteroverinc
• 分类?专业技能
• 版本?3.3.0
• 标签?knowledge-management, cli, ai-memory, obsidian, markdown, version-control, context-retrieval, agent-workflow

使用方法

使用说明
核心用法
ByteRover 是一款专为 AI 代理设计的知识管理工具，通过 brv CLI 实现项目级长期记忆的存储与检索。
工作流程 ：

1. 执行前查询 ：运行 brv query "如何实现的？" 获取项目上下文
2. 执行后归档 ：运行 brv curate "本次决策详情" 保存新知识
   核心命令 ：
   brv query ：LLM 驱动语义搜索，从 .brv/context-tree/ 合成自然语言答案
   brv search ：纯 BM25 算法检索，无 LLM 开销，适合自动化管道
   brv curate ：智能分析并持久化知识，自动分类归档
   brv vc ：类 Git 版本控制，支持分支、合并、历史回滚
   brv swarm query/curate ：跨多个外部知识源（Obsidian、GBrain 等）的联邦检索与写入
   配置亮点 ：默认 ByteRover provider 无需 API Key，开箱即用；可选 OpenAI/Anthropic 等第三方 LLM。
   显著优点
   零门槛启动 ：默认 provider 免 API Key，本地运行无需认证
   人读友好 ：知识以 Markdown 存储，可被人类直接审阅和编辑
   成本可控 ： brv search 纯本地算法检索，零 token 消耗
   多源融合 ：Swarm 模式支持同时搜索 Obsidian、Local Markdown、GBrain、Memory Wiki
   团队就绪 ：Git 式版本控制 + 可选云端同步，支持协作场景
   审查机制 ： brv review 提供人工审核关卡，防止高影响变更自动落地
   局限与风险
   功能依赖外部 CLI ：需全局安装 npm install -g byterover-cli ，增加环境依赖
   LLM 调用成本 ： query 和 curate 需配置 LLM provider，频繁使用产生 token 费用
   云端同步需认证 ：团队功能需 brv login 和 API Key，存在账户管理成本
   本地文件系统耦合 ：知识库存储于 .brv/context-tree/ ，跨设备迁移需手动处理或配置同步
   Swarm 效果依赖配置 ：多源搜索质量取决于各 provider 的健康状态和权重配置
   适合人群
   AI 编码助手用户：需要在多轮对话间保持项目上下文记忆
   个人开发者：希望以 Markdown 形式积累可复用的架构决策和代码模式
   小型技术团队：需要轻量级、Git 友好的知识库，替代 Confluence/Notion
   Obsidian/GBrain 用户：希望在 AI 工作流中复用现有笔记系统
   常规风险
   | 场景 | 说明 | |------|------| | 数据泄露 | curate 含文件时使用 -f 参数，最多读取 5 个项目内文件，路径外文件被拒绝 | | 意外覆盖 | 高影响更新进入 brv review 待审队列，需显式 approve 才生效 | | 版本冲突 | brv vc 操作可能产生 Git 式合并冲突，需手动 merge --continue 解决 | | 服务可用性 | 默认 provider 依赖 ByteRover 服务，离线时仅本地命令可用 |
   knowledge-management cli ai-memory obsidian markdown version-control context-retrieval agent-workflow

OpenClaw本地认知记忆运行时，支持转录优先存储、实体感知检索与有界提示组合，实现会话连续性。

基本信息

• 技能名称?Smart Memory
• 中文名称?本地认知记忆的转录优先运行时
• 作者?bluepointdigital
• 分类?专业技能
• 版本?3.1.0
• 标签?memory-system, local-first, transcript-based, openclaw, sqlite, fastapi, cognitive-architecture, privacy-preserving

使用方法

使用说明
Smart Memory v3.1 综合评估
核心用法
Smart Memory 是一套面向 OpenClaw 的本地认知记忆系统，采用 转录优先（transcript-first） 架构。核心工作流为：

1. 摄入与记录 ：通过 /ingest 和 /transcripts/message 端点将对话内容以不可变转录形式存储
2. 检索与组合 ：使用 memory_search 工具查询相关记忆，系统通过 /retrieve 和 /compose 实现实体感知检索与令牌受限的提示组合
3. 持久化提交 ：通过 memory_commit 将关键事实、决策、目标等写入长期存储（SQLite 为运行时权威存储）
4. 版本与衍生 ：支持基于证据的修订生命周期（ /revise ）和替代链追踪，确保记忆演变的可审计性
   系统区分 核心记忆通道（core lane） 与 工作记忆通道（working lane） ，并支持热记忆兼容性投影，为 LLM 提供上下文窗口优化。
   显著优点
   本地优先 ：完全本地运行（Node + Python FastAPI），数据不出境，隐私可控
   可审计性 ：转录为权威来源，所有派生记忆均可追溯至原始证据
   资源轻量 ：坚持 CPU-only PyTorch 策略，无 GPU 依赖
   弹性设计 ：失败后自动进入重试队列（ .memory_retry_queue.json ），保障写入可靠性
   确定性重建 ：支持从转录历史完全重建记忆状态
   潜在局限
   架构复杂 ：Node 适配器 + FastAPI 后端 + SQLite 的多层架构增加部署和维护成本
   嵌入吞吐量限制 ：需序列化提交以保护本地嵌入计算能力，高并发场景可能瓶颈
   无原生云同步 ：纯本地设计，跨设备记忆共享需自行搭建同步机制
   生态绑定 ：专为 OpenClaw 设计，通用性受限
   适合人群
   对 数据主权 有严格要求的开发者与团队
   需要 会话连续性 的 AI Agent 构建者
   重视 可解释性与审计 的企业级应用场景
   具备本地部署运维能力的用户
   常规风险
   数据丢失风险 ：SQLite 为运行时权威存储，需配合常规备份策略
   版本兼容性 ：后端转录优先重构后，需确保 wrapper 版本匹配
   令牌边界误配置 ：提示组合严格受限，参数设置不当可能导致上下文截断
   依赖维护 ：Node 与 Python 双运行时增加供应链攻击面，需持续更新依赖