OpenClaw官方出品的图像分析技能，通过AI视觉模型将图片转化为高质量复刻提示词，支持人像/风景/产品/动物/插图五大类别，输出结构化或自然语言描述。

基本信息

• 技能名称?image2prompt
• 中文名称?AI图像逆向解析专家
• 作者?Zhang-Shubo
• 分类?其他
• 版本?未标注
• 标签?image-gen, content-media, ai-ml, productivity, automation, api

使用方法

使用说明
核心用法
image2prompt 是一款基于视觉大模型的图像逆向工程工具，核心工作流分为两步：首先自动识别图像类别（人像、风景、产品、动物、插图或其他），随后针对不同类别执行深度视觉分析并生成可用于AI图像复刻的详细提示词。
用户可通过 OpenClaw CLI 调用，支持三种输出模式：默认自然语言描述（人像600-1000词，其他400-600词）、结构化JSON（便于程序化调用）、以及带维度标签的输出（将视觉元素分类标注为背景、物体、角色、风格、动作、色彩、氛围、光影、构图、主题等）。
显著优点
专业级分类体系 ：五大类别覆盖主流图像场景，每类定义了数十项分析维度。人像分析涵盖模特特征、面部细节、发型、姿态、服装、配饰、环境、光影、相机参数等完整摄影要素；产品分析聚焦商业摄影的布光与 staging；插图分析则针对UI/信息图等数字设计场景。
输出高度结构化 ：JSON格式输出可直接对接下游AI绘图工作流（如Midjourney、Stable Diffusion、DALL-E），支持自动化批量处理。维度提取功能特别适合构建提示词数据库或训练数据集。
模型兼容性强 ：明确支持GPT-4 Vision、Claude 3系列、Gemini Pro Vision等主流多模态模型，用户可根据成本与质量需求灵活选择底层引擎。
潜在缺点与局限性
依赖外部工具链 ：该Skill本身为纯文档型，实际执行完全依赖用户本地安装的 openclaw CLI工具，若工具未配置或版本不兼容则无法使用。
无内置图像处理能力 ：不支持直接上传图像文件进行分析，需通过命令行指定路径，对非技术用户门槛较高。
输出质量受限于底层模型 ：提示词的详细程度与准确性完全取决于所选视觉模型的能力，若使用较弱的模型可能导致关键视觉元素遗漏或描述偏差。
版权与伦理边界模糊 ：逆向生成他人作品的详细提示词可能涉及风格模仿的版权争议，Skill文档未提供相关使用指引。
适合的目标群体
AI绘图从业者 ：需要将参考图转化为可复现提示词的设计师、插画师
提示词工程师 ：构建结构化提示词库、训练LoRA模型的数据准备人员
电商运营团队 ：批量分析竞品产品图，提取商业摄影布光与 staging 方案
内容创作者 ：快速拆解热门视觉内容的构成要素，学习构图与风格
开发者 ：集成图像分析能力至自动化工作流的工程师
使用风险
供应链依赖风险 ：核心功能依赖 openclaw CLI工具，该工具的安全性、更新维护状态及API密钥管理（需配置 OPENAI_API_KEY 等环境变量）不在本Skill控制范围内。
API成本波动 ：高分辨率图像分析可能产生较高的视觉模型调用费用，批量处理时需预估成本。
提示词泄露风险 ：若处理包含敏感信息的图像（如内部设计稿、未发布产品），生成的结构化描述可能无意中泄露关键视觉特征。
模型幻觉风险 ：视觉模型可能对复杂图像产生错误识别（如混淆艺术风格、误判材质），导致生成的提示词无法准确复刻原图。

基于飞书官方SDK的任务管理CLI工具，支持多人协作场景下的任务创建、分配与状态追踪，实现团队工作流自动化。

基本信息

• 技能名称?feishu-task
• 中文名称?飞书任务协作自动化管家
• 作者?youyoude
• 分类?其他
• 版本?未标注
• 标签?productivity, project-program-management, automation, api, office

使用方法

使用说明
核心用法
feishu-task 是一款面向飞书（Lark）平台的任务管理命令行工具，专为多人协作场景设计。该技能提供两大核心功能：任务创建与任务列表查询。用户可通过 create.js 脚本创建带标题、描述、截止日期和指派人的任务，支持多用户同时分配；通过 list.js 脚本可分页查询近期任务状态，便于团队进度跟踪。工具采用 Node.js 开发，通过环境变量配置飞书应用凭证，与飞书开放平台 API 无缝对接。
显著优点
官方生态集成 ：直接使用飞书官方 Node.js SDK（@larksuiteoapi/node-sdk），API 调用稳定可靠，功能对齐飞书原生任务能力。 协作场景优化 ：原生支持多指派人（assignees）、任务完成状态追踪，区别于日历类工具的时间块管理，更适合需要明确责任人和验收节点的团队工作流。 安全架构规范 ：敏感凭证完全通过环境变量管理，配合 dotenv 实现本地开发配置隔离，无硬编码风险；代码层面彻底杜绝 eval/exec 等危险函数，输入参数经过严格类型校验和边界检查。 工程化成熟 ：依赖版本锁定（package-lock.json），使用 commander 实现健壮的命令行解析，错误处理机制完善且不泄露系统敏感信息。
潜在缺点与局限性
功能覆盖有限 ：当前仅支持任务创建和列表查询，缺少任务编辑、删除、评论、附件管理等进阶功能，复杂项目管理场景需配合飞书原生界面使用。 时区处理固定 ：日期解析强制采用 Asia/Shanghai 时区，国际化团队使用时可能存在时区理解偏差。 环境配置门槛 ：必须预先在飞书开放平台创建应用并获取 App ID/Secret，对非技术用户有一定上手成本。 OpenID 依赖 ：指派任务需使用飞书用户的 OpenID（ou_xxx），无法直接通过邮箱或姓名指派，需额外查询转换。
适合的目标群体
研发团队 ：适合在 CI/CD 流水线中自动创建缺陷跟踪任务、发布检查项。 项目经理 ：批量创建迭代任务、定期生成团队任务状态报告。 运维工程师 ：将告警事件自动转化为待办任务并指派值班人员。 飞书深度用户 ：已搭建飞书应用体系、希望将任务管理脚本化的组织。
使用风险
凭证泄露风险 ：FEISHU_APP_ID 和 FEISHU_APP_SECRET 若配置不当（如误提交至代码仓库），可能导致飞书应用被滥用。 API 限流影响 ：高频调用可能触发飞书开放平台频率限制，影响任务创建成功率。 时区理解偏差 ：跨时区团队成员对截止日期可能存在 8 小时认知差异。 功能依赖风险 ：飞书 API 升级可能导致 SDK 兼容性问题，需关注官方更新。

基于 awal CLI 的 USDC 转账工具，支持以太坊地址与 ENS 名称，实现 Base 链上的安全快捷支付。

基本信息

• 技能名称?send-usdc
• 中文名称?自然语言驱动的 USDC 转账助手
• 作者?0xRAG
• 分类?其他
• 版本?未标注
• 标签?finance-accounting, pay, automation, blockchain, cryptocurrency

使用方法

使用说明
核心用法
send-usdc 是一个专注于 USDC 稳定币转账的 Agent Skill，通过调用 npx awal@latest CLI 工具实现链上操作。用户可通过自然语言指令（如"send $5 to vitalik.eth"）触发转账，Skill 会自动转换为标准命令格式执行。支持美元金额（$1.00）、数字金额（1.00）或原子单位（1000000）三种输入格式， recipient 支持 0x 地址和 ENS 域名自动解析。
使用前需完成钱包认证（ authenticate-wallet Skill），通过 awal status 确认状态，并用 awal balance 核查余额。命令执行后，ENS 名称会在以太坊主网自动解析，输出同时显示原始名称和解析地址以便核对。
显著优点

1. 自然语言交互 ：将"pay 0x..."或"transfer to vitalik.eth"等口语化表达直接映射为链上操作，大幅降低加密货币使用门槛
2. ENS 原生支持 ：自动识别并解析 .eth 域名，避免用户手动复制冗长十六进制地址的错误风险
3. 多格式金额输入 ：灵活处理 $符号、纯数字和原子单位，适应不同用户习惯
4. 权限最小化 ：仅申请 awal 相关 Bash 权限，无过度授权
5. JSON 输出选项 ：支持 --json 参数，便于程序化集成和自动化工作流
   潜在缺点与局限性
6. 单链限制 ：默认仅支持 Base 链，虽可通过 --chain 指定其他网络，但文档未明确支持范围
7. 外部依赖风险 ：核心功能完全依赖第三方 awal CLI 工具，使用 @latest 标签而非固定版本，存在供应链攻击面
8. 无内置交易确认 ：Skill 本身不模拟或预览交易，用户需在命令行二次确认
9. Gas 费不可见 ：文档未提及 Gas 费估算和显示，用户无法预判交易成本
10. 错误恢复有限 ：常见错误提示较基础，复杂场景（如合约地址、多签钱包）缺乏指导
    适合的目标群体
    加密货币新手 ：希望通过自然语言而非复杂钱包界面完成转账
    ENS 用户 ：频繁使用 .eth 域名进行社交支付的场景
    Base 生态参与者 ：主要在 Base L2 上进行日常小额支付
    开发者/自动化场景 ：需要 JSON 输出进行脚本集成的技术用户
    使用风险
11. 资金安全风险 ：涉及真实加密货币转账，误操作或地址错误将导致不可逆损失
12. 第三方工具信任 ：awal 为个人开发者维护的 npm 包，未经大型安全审计
13. 版本漂移 ： @latest 标签可能引入未预期的行为变更
14. 网络钓鱼 ：ENS 解析依赖外部服务，存在域名劫持或缓存投毒的理论风险
15. CLI 环境暴露 ：Bash 历史可能记录敏感命令，共享环境存在信息泄露隐患

基于RunSignUp平台的全球耐力赛事搜索工具，帮助跑步、骑行爱好者快速发现附近比赛并直达报名链接。

基本信息

• 技能名称?race-finder
• 中文名称?发现全球跑步骑行铁人三项赛事
• 作者?nftechie
• 分类?其他
• 版本?未标注
• 标签?api, sports-events, running, cycling, triathlon, outdoor, fitness

使用方法

使用说明
Race Finder Skill 是一款专注于耐力运动赛事搜索的实用工具，依托 RunSignUp 这一全球最大的耐力赛事报名平台数据，为用户提供覆盖跑步、越野跑、铁人三项、骑行、游泳及障碍赛等多类型的赛事检索服务。通过简单的 API 调用，用户可以快速发现身边或目标城市的 upcoming races，并直接获取报名链接。
核心用法
该 Skill 通过 RESTful API 提供赛事查询服务，基础端点为 https://api.racefinder.net/api/v1/races 。用户可通过多种维度精确筛选赛事：地理位置支持城市名、州代码或邮编+半径搜索；运动类型涵盖跑步、越野、铁人三项、骑行、游泳及障碍赛六大类别；距离范围从 5K 到超级马拉松（Ultra）均可指定；时间范围支持起始和结束日期限定。API 无需认证即可使用，返回结果包含赛事名称、日期、起止时间、具体距离（英里/公里）、报名费用、赛事海报及直接注册链接等完整信息。
显著优点
首先，数据源权威全面，RunSignUp 作为北美最大的耐力赛事报名平台，拥有超过 30,000 场活跃赛事数据，确保信息的准确性和时效性。其次，搜索维度极为灵活，支持地理半径搜索（如邮编 25 英里范围内）、多距离组合查询（如同一场赛事可能同时包含全程和半程马拉松），以及跨运动类型的综合检索。第三，即搜即用的报名链路设计，API 直接返回 register_url ，用户无需二次跳转即可直达报名页面，极大提升了转化效率。此外，国际化支持覆盖美国及加拿大等市场，且完全开放的 API 策略免去了繁琐的密钥申请流程。
潜在缺点与局限性
需要注意的是，该 Skill 的数据覆盖范围受限于 RunSignUp 平台的合作赛事，对于使用其他报名系统（如 Eventbrite、Active.com 或本地小众平台）的赛事可能无法收录，存在数据盲区。其次，虽然支持国际查询，但数据丰富度明显偏向北美市场，其他地区的赛事收录可能不够全面。另外，作为 T3 来源的个人开发者项目，长期维护稳定性和 API 服务的持续性存在一定不确定性。技术层面，当前 API 仅支持读取操作，无法提供报名状态实时同步或个性化推荐等高级功能。
适合的目标群体
该工具特别适合马拉松及路跑爱好者规划赛季赛事、铁人三项运动员寻找认证比赛、越野跑和障碍赛参与者发现挑战活动，以及骑行爱好者寻找 organized rides。对于旅行跑步（racecation）爱好者，可通过目的地+日期组合提前规划跑步旅行。赛事教练和跑团组织者也可利用此工具为学员或团员批量筛选合适的比赛。
使用风险
主要风险在于对外部 API 服务（racefinder.net）的依赖性，若该服务出现宕机或数据更新延迟，将直接影响查询结果的可用性。由于是个人开发者维护的项目（T3 来源），存在因维护者精力有限导致文档更新滞后或服务中断的潜在风险。此外，虽然 API 本身无需认证且不收集用户隐私数据，但用户在通过注册链接跳转至 RunSignUp 等第三方平台时，需注意这些平台的隐私政策和个人数据保护条款。建议用户将查询结果作为参考，重要赛事信息应通过官方渠道二次确认。

molt-md 提供端到端加密的云端 Markdown 协作，AI 与人类无需账户即可实时共享文档，支持读写密钥分离及工作空间管理。

基本信息

• 技能名称?molt-md
• 中文名称?端到端加密的无账户协作文档
• 作者?Unknown
• 分类?其他
• 版本?未标注
• 标签?docs, api, productivity, content-media

使用方法

使用说明
molt-md 是一款专为 AI Agent 与人类设计的云端 Markdown 协作工具，通过 RESTful API 提供端到端加密的文档创建、编辑和共享服务。用户无需注册账户，仅需一次 API 调用即可创建加密文档，通过链接即可实现跨平台实时协作。
核心用法围绕文档全生命周期管理展开。开发者可通过 POST 请求创建文档，获得读写分离的双密钥（Write Key 和 Read Key），分别用于完整编辑和只读访问。文档支持 PUT 全量更新和 PATCH 追加内容，配合 ETag 与 If-Match 头实现乐观并发控制，有效防止多用户同时编辑导致的冲突覆盖。v1.1 版本引入的工作空间（Workspace）功能允许将多个文档组织为层级结构，通过单一密钥管理整个项目，并支持部分获取（Partial Fetch）以优化大文档加载性能。
显著优点体现在安全性与易用性的平衡。采用 AES-256-GCM 端到端加密确保内容仅对密钥持有者可见，服务器无法解密数据。无账户设计降低了使用门槛，AI Agent 可直接集成到工作流中，利用文档作为跨会话的持久化记忆载体。读写密钥分离机制支持细粒度权限控制，而 30 天自动过期策略则为临时协作提供了自然的生命周期管理。
潜在局限性包括来源可信度与功能边界。作为 T3 级个人开源项目，长期维护稳定性存疑。文档大小限制为 5MB，不适合存储大型附件。30 天无访问自动删除机制虽保障隐私，但需定期"保鲜"避免数据丢失。此外，纯云端架构意味着完全依赖第三方服务可用性，离线场景无法使用。
目标用户群体主要为 AI Agent 开发者与需要轻量协作的技术团队。Agent 可利用其存储任务日志、项目进度或持久化记忆；开发团队适合用于临时技术文档共享、会议记录协作；教育机构可用于师生作业交互。不适合存储高度敏感的商业机密或需要长期归档的重要资料。
使用风险集中于密钥管理与服务依赖。密钥仅创建时显示一次且无法找回，丢失即永久失去访问权限。频繁 API 调用可能触发速率限制（创建 10次/分钟，其他 60次/分钟）。虽然传输与存储加密，但数据主权归属第三方服务器，合规敏感行业需谨慎评估。