基于服务端托管架构的 EVM 钱包管理方案，确保 AI 代理全程不可见私钥，安全执行转账与合约交互。

基本信息

• 技能名称?safe-skills
• 中文名称?服务端托管的加密钱包助手
• 作者?glitch003
• 分类?其他
• 版本?未标注
• 标签?api, backend, finance-accounting, blockchain, security, wallet

使用方法

使用说明
SafeSkills 是一款专为 AI 代理设计的 服务端密钥托管解决方案 ，核心目标是在让 AI 具备区块链操作能力的同时，彻底消除私钥暴露风险。该技能采用纯文档化设计，通过标准化 REST API 与后端服务通信，使 AI 代理能够创建和管理 EVM 钱包、执行转账与合约交互，而私钥始终保存在服务端，AI 全程无法接触原始密钥。
核心用法 围绕 API 密钥体系展开。用户首先通过创建接口生成 EVM 钱包，获得 API Key 和 Claim URL。API Key 作为 Bearer Token 用于后续所有操作认证，而 Claim URL 需分享给终端用户，用于管理钱包策略和监控活动。支持的功能包括查询原生代币及 ERC-20 余额、发送 ETH 或代币转账、以及通过原始调用数据与智能合约交互。所有操作均通过 curl 风格的 HTTP 请求完成，默认接入 Sepolia 测试网，可配置指向生产环境。
显著优点 在于其安全架构设计。通过将私钥隔离在服务端，有效解决了 AI 代理环境中常见的密钥泄露风险，避免了提示词注入或日志泄露导致的资产损失。claim URL 机制实现了权限分离：AI 负责执行操作，人类用户保留策略审批权。此外，纯文档型实现意味着无本地代码执行风险，不会调用 eval、exec 等危险函数，也不会静默收集用户数据。
潜在缺点 主要包括中心化依赖。该服务托管于 Railway 平台，存在单点故障风险，且作为 T3 级个人开发者项目，长期维护稳定性与官方背书较弱。用户必须信任服务端确实如文档所述不泄露密钥，且无法验证服务端代码实现。此外，网络延迟可能影响交易时效性，不适合高频交易场景。
适合的目标群体 主要是需要集成区块链功能但缺乏密钥安全管理经验的 AI 应用开发者、构建 DeFi 自动化代理的初创团队，以及希望实现"人机协同"钱包管理的企业用户。特别适合那些希望快速集成 EVM 操作能力，但又担心将私钥直接配置在 AI 环境中的场景。
使用风险 方面，需特别关注 API 端点的可信度验证，确保连接的是官方服务而非钓鱼节点。API Key 一旦泄露，攻击者即可完全控制对应钱包，因此存储安全至关重要。此外，作为第三方托管服务，存在服务端被攻击、运营方终止服务或策略配置错误导致交易失败等风险。建议仅用于管理限额资金，并配合硬件钱包等多签方案使用。

纯 Markdown 风格记忆工具，本地存储编码偏好，零代码执行，隐私优先，S+级安全认证。

基本信息

• 技能名称?Coding
• 中文名称?你的私人编码风格记忆库
• 作者?ivangdavila
• 分类?其他
• 版本?1.0.3
• 标签?coding-style, memory-management, privacy-first, local-storage, developer-productivity, code-generation, markdown-only

使用方法

使用说明
核心功能
Coding 是一个 用户编码风格偏好记忆系统 ，通过本地文件存储用户的编程习惯、技术栈选择和代码规范。Skill 采用极简设计，仅通过显式用户确认学习偏好，绝不主动推断或观察。
核心用法

1. 偏好存储流程 ：用户纠正输出 → 询问是否记住 → 确认后存入 ~/coding/memory.md
2. 会话启动 ：自动加载记忆文件，应用存储的偏好到代码生成
3. 查询支持 ：支持查看、删除、查询特定语言/框架的偏好条目
   显著优点
   极致隐私 ：纯本地存储（ ~/coding/ ），零网络传输，GDPR/CCPA 合规
   零代码风险 ：纯 Markdown 文档，无可执行代码（JS/Python/Shell）
   用户主权 ：仅通过显式确认学习，拒绝"静默学习"和观察推断
   轻量高效 ：条目限制 5 词以内、文件 ≤100 行，避免上下文膨胀
   结构清晰 ：按 Stack/Style/Structure/Never 四维分类，便于维护
   局限性与潜在缺点
   依赖用户主动性 ：不会自动学习，需要用户频繁明确纠正
   无项目级感知 ：明确不读取项目文件推断团队规范，可能与企业现有规范脱节
   记忆容量有限 ：100 行上限对复杂多技术栈用户可能不足
   无同步机制 ：纯本地存储意味着多设备需手动同步
   社区维护 ：T3 来源可信度，非企业级背书
   适合人群
   追求隐私、拒绝云端记忆的个人开发者
   有明确编码偏好且愿主动维护的工程师
   需要在多会话间保持代码风格一致的 Claude 重度用户
   对 AI "过度学习"敏感、希望严格控制记忆边界的用户
   常规风险
   风险极低：无可执行代码、无网络调用、无敏感权限
   唯一需注意：定期清理 ~/coding/memory.md ，避免过时偏好累积影响输出质量

实现 WhatsApp 语音对讲模式，自动转录语音输入并本地合成语音回复，支持纯语音交互。

基本信息

• 技能名称?Vocal Chat
• 中文名称?WhatsApp 语音对讲，本地转录即时回复
• 作者?rubenfb23
• 分类?其他
• 版本?1.0.0
• 标签?voice, whatsapp, tts, transcription, privacy, local-ml, spanish, accessibility

使用方法

使用说明
核心用法
Walkie-Talkie 模式为 WhatsApp 用户提供语音到语音的完整交互闭环。当用户发送语音消息或主动触发指令（如"activa modo walkie-talkie"/"hablemos por voz"）时，系统首先通过 tools/transcribe_voice.sh 将音频转录为文本，经 AI 处理后，再调用 bin/sherpa-onnx-tts 本地合成语音回复，最终以 .ogg 格式语音消息发回用户。
显著优点
完全本地化 ：转录（whisper-cpp）、语音合成（sherpa-onnx-tts）、音频处理（ffmpeg）均在本地执行，无需云端 API，保障隐私
低延迟响应 ：目标 RTF
双模输出 ：同时提供文本和语音回复，兼顾可读性与便利性
格式兼容 ：原生支持 WhatsApp 的 ogg/opus 音频格式
潜在局限
本地模型性能受硬件限制，转录和合成质量可能低于云端方案
仅支持单一平台（WhatsApp），缺乏跨平台通用性
语音合成音色、语种选择受限于本地 TTS 模型能力
复杂多轮对话场景下纯语音交互体验可能不如图文界面
适合人群
偏好语音输入/输出的 WhatsApp 活跃用户
注重隐私、希望避免云端语音处理的敏感用户
驾驶、运动等不便打字场景下的效率用户
西班牙语/英语为主要交流语言的用户（基于触发词判断）
常规风险
本地模型可能存在转录错误或偏见
音频文件传输和存储需关注本地磁盘安全
语音合成质量不稳定可能影响沟通效率
长时间语音交互缺乏视觉反馈，易遗漏上下文信息

基于提示工程最佳实践，通过 p: 前缀触发，自动将粗糙输入转换为结构化专业提示，显著提升 AI 回复质量与准确性。

基本信息

• 技能名称?prompt-enhancer
• 中文名称?AI 提示词智能优化专家
• 作者?gyaan-dub
• 分类?其他
• 版本?未标注
• 标签?productivity, content-media, automation, prompt-engineering

使用方法

使用说明
Prompt Enhancer 是一款专注于提示词工程优化的实用型 Skill，旨在通过结构化的提示重写机制，帮助用户从粗糙的原始意图获得高质量的 AI 回复。
核心用法
用户只需在任意消息前添加 p: 或 prompt: 前缀即可激活该技能。系统采用独特的两步处理流程：首先对原始输入进行智能增强，包括分配专家角色、澄清任务细节、推断隐含上下文、指定输出格式和设定质量标准；然后在回答前以引用块形式透明展示增强后的提示词，最后基于优化后的提示生成完整回复。这种设计既保证了输出质量，又具有教育意义。
显著优点
该 Skill 的最大优势在于其“比例复杂性”设计哲学——能够根据请求复杂度动态调整增强深度，避免对简单问题过度工程化。同时，它内置了提示工程的最佳实践：自动为任务匹配专业角色、补充合理的上下文假设、明确输出格式约束。特别值得称道的是其透明度机制，用户不仅能获得更好的回答，还能通过对比学习如何编写高质量提示词，逐步提升自身的提示工程能力。
潜在缺点或局限性
作为 T3 级社区来源项目，其背书力度相对有限。此外，由于完全依赖 AI 自身的提示优化能力，对于高度专业化或 niche 领域的任务，自动增强可能不如人工精心设计的提示精准。对于已经结构良好的输入，该 Skill 可能显得冗余。另外，系统要求保持原始语言，这在某些跨语言优化场景下可能成为限制。
适合的目标群体
该 Skill 特别适合 AI 交互新手、需要快速获得高质量输出的商务人士和内容创作者、希望学习提示工程技巧的用户，以及需要处理从简单查询到复杂系统设计的多样化任务的开发者。对于经常需要与 AI 协作但缺乏提示词优化经验的知识工作者尤为实用。
使用风险
主要风险在于性能开销：由于需要两次处理（增强+执行），响应时间可能略长于直接提问。对于极简单的查询（如事实性问题），增强过程可能增加不必要的复杂性。用户需注意避免在提示中包含敏感信息，尽管该 Skill 本身不存储数据，但增强后的提示会明确展示在回复中。长期使用可能导致用户过度依赖自动优化，削弱手动编写精准提示词的能力。

基于 Talentir 平台的创作者支付解决方案，让 AI Agent 通过稳定币直接向邮箱或社交账号支付薪酬，实现自动化人力结算。

基本信息

• 技能名称?payahuman
• 中文名称?AI代理自动支付创作者薪资
• 作者?johanneskares
• 分类?其他
• 版本?未标注
• 标签?pay, api, automation, content-media, finance-accounting, operations

使用方法

使用说明
PayAHuman 是连接 AI Agent 与人类创作者经济的桥梁性技能，通过 Talentir 支付平台实现自动化薪资结算。该技能允许 OpenClaw 等 AI 代理环境直接调用支付接口，向内容创作者发放基于稳定币（USDC/EURC）的报酬，彻底解决了"AI 只能对话不能转账"的局限性。
核心用法围绕 Talentir REST API 展开，支持通过电子邮箱或社交媒体账号（TikTok、Instagram、YouTube Channel）识别收款人并发起支付。开发者可通过标准 curl 命令创建单笔或批量支付请求，配置自定义标签和 ID 以便财务对账，同时利用 Webhook 机制实时监听支付状态变更（created → approved → requested → completed）。技能要求预先设置 TALENTIR_API_KEY 环境变量，并确保系统安装 curl 与 jq 工具链。
显著优点在于其无缝的创作者经济适配性。传统银行转账需要收款人提供复杂的银行账户信息，而该技能支持通过 @username 形式的社交账号直接付款，极大降低了跨境内容合作的门槛。稳定币结算避免了传统跨境汇款的汇率损失和延迟，且平台设置的每日限额机制可防止 AI 代理过度支出。完善的 API 文档涵盖了从支付创建、状态查询到团队管理和 Webhook 配置的全链路操作，配合 HMAC-SHA256 签名验证，确保了支付通知的安全性。
潜在缺点主要集中于平台依赖和地域限制。作为 T3 级个人开发者项目，其长期维护稳定性和官方背书力度弱于企业级支付解决方案。目前仅支持 USDC、EURC 等特定稳定币及 EUR、USD、CHF、GBP 四种法币计价，对使用其他货币体系的创作者不够友好。此外，支付流程需要 Talentir 商业账户预先充值，且涉及区块链的支付操作具有不可逆性，一旦地址错误或金额填写失误难以追回。
该技能特别适合内容营销机构、MCN 网红管理公司、自动化内容农场以及需要批量结算自由职业者报酬的远程团队。对于运营大量 TikTok 或 Instagram 账号矩阵的企业，可通过此技能实现基于数据表现的自动化奖金发放，无需人工介入每笔交易。
使用风险方面，首要关注的是 API Key 安全。TALENTIR_API_KEY 一旦泄露，攻击者可能窃取账户资金，建议将其存储于权限受限的环境变量文件（chmod 600）。其次，稳定币虽然价格相对稳定，但仍存在脱锚风险，大额支付建议分批进行。Webhook 端点若配置不当可能遭受重放攻击，必须严格验证 X-Talentir-Signature 签名和 timestamp 时效性。最后，由于该技能为纯文档型资产，实际支付逻辑由 Talentir 平台执行，用户需自行承担平台合规性、资金托管安全性及地区监管政策变化带来的潜在影响。