Strykr PRISM 实时金融数据 API，覆盖股债加密外汇 120+ 端点，为 AI 代理提供一站式市场数据服务。

基本信息

• 技能名称?strykr-prism
• 中文名称?AI 代理实时金融数据引擎
• 作者?NextFrontierBuilds
• 分类?其他
• 版本?未标注
• 标签?finance-accounting, data-analytics, api, crypto, trading, backend, automation

使用方法

使用说明
Strykr PRISM 是一个专为 AI 代理设计的实时金融数据 API 服务，提供覆盖股票、加密货币、外汇、ETF 及大宗商品的全市场数据支持。通过统一的接口，用户可访问超过 120 个端点，实现资产解析、价格查询、市场概览、代币安全分析及 DeFi 数据追踪等核心功能。
该技能的核心用法围绕资产解析（Asset Resolution）展开，支持将任意资产标识符（如 BTC、比特币、XBT）解析为标准格式，并提供自然语言查询能力（如"以太坊价格"）。用户可通过简单的 curl 命令获取实时行情、批量报价、恐惧贪婪指数、趋势币种及股票涨跌排行。独特的功能包括 Pump.fun 债券曲线代币追踪、代币仿盘/诈骗检测、跨平台资金费率对比及鲸鱼持仓分析，这些数据在同类服务中较为罕见。
显著优点在于其数据覆盖的全面性和独特性。作为 Alpha Vantage 和 CoinGecko 的替代方案，PRISM 不仅提供传统金融和加密市场的实时数据，还整合了 Solana 生态的 Pump.fun 发射台数据、代币 rebranding 追踪（如 MATIC→POL）及跨交易所衍生品数据。统一的 API 设计大幅降低了多市场数据整合的复杂度，特别适合构建跨资产类别的交易机器人和市场分析工具。
潜在局限性包括来源可信度为 T3 级（个人/社区开发者），虽代码通过安全审计，但长期维护稳定性需观察。此外，服务依赖第三方托管平台（Railway.app），且所有数据请求需发送至外部服务器，对数据隐私要求极高的场景可能不适用。输入验证方面，脚本仅提供基础的引号保护，建议用户在使用时自行过滤特殊字符。
该技能适合量化交易开发者、金融科技应用构建者、AI 代理开发者及市场分析师使用。特别适合需要同时监控传统金融市场和加密资产的跨市场策略，以及需要实时检测代币安全风险（如仿盘识别）的 DeFi 参与者。
使用风险主要包括：1）数据隐私风险，查询内容会发送至 Strykr 服务器；2）网络依赖性，需稳定连接至 railway.app；3）API 密钥管理风险，用户需妥善保管 PRISM_API_KEY；4）第三方服务可用性风险，若托管服务中断将影响数据获取。建议在非敏感环境使用，并实施输入验证和错误处理机制。

基于 Screeps 架构的多人编程游戏技能，支持 AI 代理控制单位采集资源、建造建筑并实时对战，适合多智能体策略研究。

基本信息

• 技能名称?moltbot-arena
• 中文名称?AI 智能体实时策略竞技场
• 作者?Giulianomlodi
• 分类?其他
• 版本?未标注
• 标签?development-engineering, api, automation, backend, game-development, education-research

使用方法

使用说明
Moltbot Arena 是一个受 Screeps 启发的多人实时策略编程游戏，允许开发者通过标准 REST API 控制 AI 代理参与竞技。用户首先需注册获取 API Key，然后通过轮询 /api/game/state 获取游戏状态（包括单位位置、建筑状态、资源分布），并在每个 2 秒 tick 内通过 /api/actions 提交指令。支持控制工人（采集/建造）、士兵（战斗）、治疗师（支援）三种单位，以及建造生成点、存储、防御塔和墙体等建筑，动作在下一 tick 统一执行。
该技能提供了完整的 RTS 编程沙盒，具备清晰的 API 设计和完善的示例代码（Python/JavaScript）。2 秒的 tick 机制平衡了实时性与开发复杂度，100 请求/分钟的速率限制合理防止滥用。即时重生机制降低了试错成本，即使所有建筑被毁也可立即重新开始。游戏支持多房间扩张和自动防御塔机制，策略深度足够，适合作为多智能体系统（MAS）的研究平台。
然而，作为 T3 来源的个人项目，长期维护稳定性存疑，且托管在 Railway 平台可能存在服务可用性风险。当前 1.0.0 版本功能相对基础，缺乏高级战术 AI 示例。游戏需要持续的网络连接，不适用于离线环境。此外，Screeps 风格的游戏对初学者有一定门槛，需要同时理解游戏机制和编程逻辑。
该技能主要面向 AI 研究者、多智能体系统开发者、竞技编程爱好者以及希望学习实时策略游戏 AI 的程序员。也适合计算机科学教育场景，用于教授分布式系统、资源管理和算法优化。对于寻找标准化 API 练习项目的后端开发者同样是良好选择。
使用风险方面，需妥善保管 API Key 避免硬编码在代码中。外部 API 依赖意味着网络中断会直接影响游戏体验。虽然示例代码无恶意行为，但用户应审查自行编写的 bot 逻辑，防止意外的高频请求导致账号限制。此外，个人托管服务的持久性不如企业级平台，建议定期备份关键代码并关注服务状态。

基于 Gemini 模型的对话历史分析工具，自动提取用户偏好并更新记忆文件，实现个性化 AI 助手持续学习优化。

基本信息

• 技能名称?memory-analyzer
• 中文名称?智能对话记忆分析与自动学习助手
• 作者?TevfikGulep
• 分类?其他
• 版本?未标注
• 标签?automation, productivity, backend, data-analytics

使用方法

使用说明
Memory Analyzer 是一个专注于对话历史分析与用户偏好学习的自动化技能。该工具通过读取会话记录，智能识别用户的反馈模式和工作偏好，自动更新包括 MEMORY.md、AGENTS.md、USER.md、IDENTITY.md 和 SOUL.md 在内的记忆文件，从而实现 AI 助手对用户的深度个性化适配。
核心用法方面，用户只需通过自然语言指令（如"我喜欢这样工作"、"这个格式不错"等反馈）即可触发分析流程。技能默认调用 Google Gemini 3 Flash Preview 模型，对历史对话进行语义解析，提取关键偏好信息并结构化存储到指定的记忆文件中。整个过程无需手动干预，实现了"越用越懂你"的持续学习闭环。
显著优点体现在三个层面：首先是自动化程度高，能够实时捕获用户的隐性需求并自动归档；其次是代码安全性极佳，经 BSS 认证无危险函数、无网络通信、无动态代码加载风险；最后是架构透明，所有记忆更新逻辑清晰可见，便于用户理解和控制，且仅依赖 Python 标准库，无第三方依赖隐患。
潜在局限性主要包括：目前实现仍为演示版本，真实的会话文件读取逻辑尚未完全落地；作为个人开发者项目（T3 来源），长期维护稳定性和代码审查的持续性有待观察；功能相对单一，主要适用于特定技术栈（OpenClaw 环境）的用户，通用性有限。
该技能最适合追求极致个性化体验的高级用户、AI 助手定制开发者以及需要长期记忆管理的生产力场景。对于希望构建"数字分身"或持续优化 AI 工作流的个人用户尤为适用，能够显著减少重复配置成本。
使用风险方面，尽管当前代码通过安全审计，但用户应注意：定期审查更新代码以防后续版本引入风险操作；避免在处理高度敏感机密信息的场景使用（因 T3 来源可信度限制）；关注权限管理，当功能完善后可能涉及文件系统访问权限的合理配置；同时需留意模型调用成本（Gemini API 费用）。
automation productivity backend data-analytics

纯代码生成 SVG 矢量图并转 PNG，无需外部图形库，适合快速绘制头像、Logo 和定制插画

基本信息

• 技能名称?SVG Draw
• 中文名称?代码绘矢量，一键转高清图
• 作者?lijy2015
• 分类?其他
• 版本?1.0.0
• 标签?svg, vector-graphics, image-generation, png-conversion, code-based-design, avatar-creation, logo-design, template-based

使用方法

使用说明
核心用法
svg-draw 是一款基于纯 SVG 代码和系统工具 rsvg-convert 的图像生成技能，无需依赖 PIL、ImageMagick 等重型图形库。用户通过编写 XML 格式的 SVG 代码创建矢量图形，再通过内置脚本转换为 PNG 位图输出。
工作流程：

1. 直接编写或修改 SVG 模板代码（提供龙、龙虾等预设模板）
2. 使用 write() 将 SVG 内容写入文件
3. 调用 /root/.openclaw/workspace/skills/svg-draw/scripts/svg_to_png.sh 完成格式转换
   显著优点
   零外部依赖 ：仅依赖系统自带的 rsvg-convert，无需安装复杂图形库
   完全可编程 ：SVG 作为文本格式，可动态生成、参数化调整
   模板化设计 ：提供 dragon、lobster 等完整模板，降低上手门槛
   跨平台兼容 ：SVG 是 Web 标准格式，生成后可二次编辑
   体积轻量 ：矢量图可无损缩放，输出尺寸灵活可控
   潜在缺点与局限性
   学习曲线陡峭 ：需要掌握 SVG 语法（path、viewBox、坐标系等），非可视化操作
   调试成本高 ：无实时预览，需反复转换查看效果
   复杂图形困难 ：精细插画、照片级效果难以纯代码实现
   字体依赖风险 ：系统字体缺失可能导致文字渲染异常
   功能边界明确 ：仅限 SVG 创建与格式转换，无图像编辑、滤镜、合成能力
   适合人群
   开发者/技术人员：习惯代码工作流，需要程序化生成图形
   快速原型场景：内部工具、测试数据、简单头像/标识生成
   教育资源：学习 SVG 语法的实践环境
   常规风险
   路径注入风险 ：若动态拼接 SVG 内容且未转义用户输入，可能导致 XML 实体注入
   文件覆盖风险 ：write() 操作直接覆盖目标路径，需确认权限
   rsvg-convert 依赖 ：目标系统若未安装 librsvg 工具链，转换将失败
   分辨率误判 ：默认 400x400 可能不满足打印/高清场景需求

通过终端直接操控Slack，无需API密钥，自动从桌面客户端提取会话，支持收发消息、搜索、线程阅读和草稿管理。

基本信息

• 技能名称?Slk
• 中文名称?终端里的Slack，零配置即连即用
• 作者?therohitdas
• 分类?其他
• 版本?0.1.7
• 标签?slack, cli, messaging, productivity, macos, automation, workspace

使用方法

使用说明
核心功能
slk 是一款专为macOS设计的Slack命令行工具，最大的特色是 零配置认证 ——无需创建Slack App、无需OAuth流程、无需手动获取token，直接读取本地Slack桌面应用的会话令牌（ xoxc- ）和Keychain中的加密cookie即可模拟用户操作。
主要能力覆盖
| 场景 | 命令 | |------|------| | 快速浏览未读 | slk unread / slk activity | | 阅读频道/DM | slk read / slk read @username | | 完整线程展开 | slk thread 或 --threads 自动展开 | | 工作区搜索 | slk search | | 发送消息 | slk send "消息" | | 草稿同步 | slk draft 系列命令，与Slack编辑器UI双向同步 | | 收藏/固定内容 | slk saved / slk pins | 显著优点

1. 无缝集成体验 ：对于已使用Slack桌面版的用户， literally 零门槛上手
2. 草稿工作流独特 ：支持将消息草稿推送到Slack官方编辑器，实现"AI拟稿→人工复核→发送"的安全流程
3. 轻量级自动化友好 ：适合cron心跳检测、日报汇总、线程监控等场景
4. 线程处理完善 ：支持timestamp提取、深度回复阅读
   潜在局限与风险
   | 局限 | 说明 | |------|------| | 平台锁定 | 仅macOS，依赖特定Electron存储路径和Keychain | | 会话脆弱性 | 令牌随Slack桌面应用登录状态变化，logout即失效 | | Keychain权限权衡 | "Always Allow"虽便利，但意味着任何用户态进程都可静默提取凭证 | | 非官方集成 | 逆向提取session token的方式可能被Slack ToS限制 | | 冲突处理 | 草稿删除可能因draft_has_conflict失败 | 适合人群
   macOS重度终端用户，希望在不切换上下文的情况下处理Slack
   需要构建"Slack未读监控→自动摘要→人工确认发送"工作流的自动化团队
   对OAuth App创建流程感到繁琐的个人开发者
   安全注意事项
   工具以 真实用户身份 行动，非bot角色，消息发送无法区分是人还是脚本
   缓存令牌存储于 ~/.local/slk/token-cache.json ，需确保该目录权限正确
   首次Keychain授权决策影响后续安全边界，建议生产环境使用专用macOS账户隔离