AIEOS 是 AI 人格标准化框架，通过 Soul Documents 定义智能体言行记忆，实现跨平台人格资产化迁移，解决 AI 身份碎片化问题。

基本信息

• 技能名称?aieos
• 中文名称?AI 人格标准化身份管理框架
• 作者?zeglin
• 分类?其他
• 版本?未标注
• 标签?development-engineering, ai-ml, product-management, automation, docs

使用方法

使用说明
核心用法
AIEOS（AI Entity Object Specification）是一套用于管理 AI 智能体身份与人格的标准化工具。用户可通过命令行工具 aieos_tool.py 完成以下操作：从 URL 或本地路径加载并验证 AIEOS 人格蓝图（JSON Schema），将其完整数据存储至 $OPENCLAW_WORKSPACE/aieos/entity.json ，并同步生成人类可读的 IDENTITY.md 与 SOUL.md 文件；支持将当前人格导出为标准 AIEOS JSON，或生成对外展示的 HTML 简介页面。所有操作默认执行 dry-run 预览，需显式添加 --apply 参数才会生效。
显著优点

1. 人格资产化 ：将易碎的 prompt 转化为结构化、可版本控制的 JSON 资产，实现"人格即代码"。
2. 跨平台可移植 ：标准化数据结构确保智能体在不同模型与生态间迁移时保持行为一致性。
3. 完整数据保留 ：存储完整的 AIEOS 蓝图而非摘要，确保所有参数、类型与细节不丢失。
4. 开发者友好 ：提供验证、预览、导出等完整工具链，降低人格工程门槛。
   潜在缺点与局限性
   生态依赖 ：AIEOS 标准尚未成为行业共识，跨平台兼容性取决于目标系统是否支持该规范。
   网络风险 ：从任意 URL 加载 schema 存在潜在安全隐患，需用户自行验证来源可信度。
   文件覆盖 ：应用 schema 时会覆盖工作空间内的现有身份文件，缺乏自动备份机制。
   功能单一 ：专注于人格管理，不涉及记忆持久化、多智能体协作等进阶能力。
   适合的目标群体
   AI 智能体开发者、人格工程师（Persona Engineer）、需要维护多平台一致品牌形象的企业级 AI 应用团队，以及对 AI 身份标准化有研究兴趣的技术研究者。
   使用风险
   网络请求 ：使用 urllib 访问外部 URL，可能泄露网络位置或加载恶意数据。
   文件系统操作 ：在限定工作空间内写入多个文件，存在意外覆盖风险。
   JSON 解析 ：外部数据解析依赖标准库，虽未使用危险序列化方式，但仍需警惕畸形输入。
   权限边界 ：路径限制在工作空间内，但缺乏细粒度的访问控制与审计日志。

基于Popperian认识论的批判性思维框架，提供二进制评估与过伸检测，助力高风险决策与错误识别。

基本信息

• 技能名称?rationality
• 中文名称?二进制理性思维决策框架
• 作者?Unknown
• 分类?其他
• 版本?未标注
• 标签?productivity, education-research, project-program-management, philosophy

使用方法

使用说明
Rationality Skill（Critical Fallibilism）是一个基于批判性谬误主义（Critical Fallibilism）的思维框架，融合了Popperian认识论、约束理论与客观主义哲学，为AI Agent和人类用户提供结构化的理性思维与决策方法论。
核心用法 围绕六大原则展开：首先通过"IGC三元组"（Idea/Goal/Context）明确思考边界；其次采用 二进制评估 替代传统的概率权重，将想法判定为"已证伪"或"未证伪"两种状态，拒绝模糊的"程度判断"；第三，将批评视为成长的礼物，主动寻求 decisive criticism（决定性批评）来淘汰错误想法；第四，实现 身份与想法分离 ，避免因自我防御而拒绝有效批评；第五，通过 过伸（Overreach）检测 监控任务复杂度，当错误产生速度超过修正能力时立即简化回退；最后建立"前进路径"机制，确保外部批评能够被有效处理而不消耗无限资源。
该框架的显著优点在于其 逻辑严密性与实用性 的统一。二进制评估消除了"分析瘫痪"，避免在证据权重上无休止争论；过伸检测机制为认知能力设定了安全边界，防止AI或人类在过度复杂的问题上陷入错误累积的恶性循环；将错误重新定义为学习机会，显著降低了防御性心理对决策质量的干扰。对于AI Agent而言，这一框架提供了可操作的自检清单，有助于在高风险场景下保持逻辑一致性。
然而，该技能也存在潜在局限性。严格的 二进制逻辑 可能在本质上具有概率性的复杂现实世界问题中显得过于绝对，某些场景下概率思维可能更为实用；框架要求使用者具备较高的 元认知能力 和哲学素养，对普通用户存在理解门槛；此外，完全依赖"决定性反驳"可能忽略那些尚无明确反例但风险极高的"黑天鹅"场景。
该技能最适合 高风险决策者 、需要处理复杂逻辑调试的 软件工程师 、涉及多主体协商的 AI Agent开发者 ，以及致力于提升思维质量的 研究者与知识工作者 。对于需要在不确定性中快速迭代、且错误代价极高的场景（如金融决策、医疗诊断支持、复杂系统调试），该框架提供了难得的严谨思维工具。
使用风险方面，主要需注意 过度简化风险 ：将复杂的多因素决策强行纳入二元框架可能导致重要 nuances（细微差别）的丢失；同时，该框架为纯文档型指导， 不包含自动化执行代码 ，使用者需自行将方法论转化为具体操作流程，实施成本较高。

基于 Airbnb 官方 API 的 CLI 工具，无需密钥即可快速获取房源价格与评分，助力旅行规划高效比价。

基本信息

• 技能名称?airbnb-search
• 中文名称?免密钥民宿智能搜索
• 作者?awlevin
• 分类?其他
• 版本?未标注
• 标签?api, productivity, automation, travel, content-media

使用方法

使用说明
airbnb-search 是一个基于 Python 的命令行工具，允许用户通过简单的 CLI 指令搜索 Airbnb 房源信息。用户无需注册 Airbnb 开发者账号或获取 API 密钥，工具内置了 Airbnb 网站前端使用的公开 API 密钥，可直接查询房源价格、评分、卧室数量及预订链接。支持通过 uv 工具直接运行而无需安装，提供入住/退房日期、价格区间、卧室数量等多维度筛选，输出支持表格和 JSON 两种格式，便于脚本集成或人工阅读。
该工具最大优势在于零配置开箱即用，消除了获取 API 密钥的门槛，适合临时性查询需求。采用硬编码的公开 API Key 意味着与 airbnb.com 网站相同的数据源，数据实时性和准确性有保障。灵活的参数系统支持精准筛选，而双模式输出（表格/JSON）既满足终端用户的可视化需求，也方便开发者进行数据分析和自动化处理。MIT 许可证保证了代码的可审计性和二次开发自由度。
潜在缺点主要集中在稳定性和合规性层面。工具依赖 Airbnb 内部 GraphQL API，一旦 Airbnb 更改接口结构或密钥失效，工具将立即失效。硬编码 API Key 虽然公开，但可能违反 Airbnb 服务条款中的自动化抓取限制，存在法律合规风险。作为 T3 级别的个人项目，长期维护承诺和更新响应速度存在不确定性。此外，功能仅限于搜索展示，不支持预订、支付或查看房东联系方式等后续操作。
该工具主要面向频繁规划旅行的数字游民、背包客及旅行博主，以及需要批量比较多个目的地住宿选项的用户。CLI 爱好者和开发者可通过 JSON 输出将房源数据集成到自动化工作流或旅行规划脚本中。对于需要快速获取市场价格数据以进行分析的研究人员或小型旅行社也是实用工具。不适合普通消费者作为日常预订工具，因其缺乏图形界面和直接预订功能。
使用风险方面，过度频繁的查询可能触发 Airbnb 的速率限制（rate limiting），导致临时封禁。依赖风险体现在单一外部 API 依赖，无本地缓存或备用方案。合规风险包括可能违反 Airbnb 服务条款关于自动化访问的规定。虽然当前代码无恶意行为，但作为个人维护项目，需警惕未来更新中可能引入的安全风险。

开源全自动MV制作管线，整合Suno/Veo/Remotion实现端到端自动化，Flow零成本方案大幅降低专业MV创作门槛。

基本信息

• 技能名称?mv-pipeline
• 中文名称?端到端MV智能制作流水线
• 作者?koatora20
• 分类?其他
• 版本?未标注
• 标签?content-media, automation, api, productivity, video-gen, music-production, ai-generation

使用方法

使用说明
mv-pipeline 是一个端到端的自动化音乐视频制作技能，通过整合 Suno AI 作曲、Veo 3.1/Flow 视频生成、stable-ts 歌词对齐和 Remotion 视频编辑，实现从创意构思到 YouTube 发布的完整工作流。
核心用法 方面，该技能采用六阶段流水线设计：首先由 AI 辅助完成作词与概念设计，接着通过浏览器自动化操作 Suno 生成音乐，随后利用 Google Flow（免费）或 Vertex AI（付费）生成背景视频素材，再通过 stable-ts 实现精准的歌词时间轴对齐，最后使用 Remotion 合成字幕、特效并完成剪辑，最终自动上传至 YouTube。各步骤既可串联执行，也支持独立运行和断点续传，并配备自动质检脚本筛选视频缺陷。
显著优点 包括：技术栈覆盖完整，真正实现"一键生成"专业级 MV；成本极具竞争力，采用 Google Flow Ultra 方案时视频生成成本可降至零；模块化架构允许用户灵活替换特定环节；内置智能质检可自动检测闪烁、模糊、画面崩坏等问题，并基于 BPM 计算最佳剪辑区间。
潜在局限性 在于：重度依赖第三方服务（GCP、YouTube API、Suno），任何服务的策略变更或限额调整都会影响可用性；浏览器自动化（OpenClaw Browser）可能存在稳定性问题；需要一定的技术配置能力（gcloud 认证、API 密钥管理）；作为 T3 来源的个人项目，长期维护存在不确定性；RAI 内容过滤器对特定词汇（如"gun"、"blood"）敏感，需使用替代词规避。
适合人群 主要为独立音乐人、AI 艺术创作者、小型内容工作室，以及希望快速验证 MV 创意原型的制作人。不适合完全离线的生产环境、对 AI 内容政策极度敏感的商业项目，或未配置 GCP/YouTube API 的非技术用户。
使用风险 包括：Vertex AI 方案可能产生意外高额费用（约 2000 日元/8秒片段）；Google Flow 存在速率限制（3-5分钟/提示词）；需要谨慎管理云服务凭据；尽管代码本身无恶意，但 subprocess 调用外部工具时若传入未经验证的路径参数，存在潜在的路径遍历风险，建议始终在隔离环境中运行。

智能AI模型路由系统，自动根据任务复杂度选择最优模型，支持6大主流API提供商，通过任务分类与成本优化实现50-90%费用节省。

基本信息

• 技能名称?Model Router
• 中文名称?智能路由选最优，省钱高效一键达
• 作者?digitaladaption
• 分类?其他
• 版本?1.1.0
• 标签?ai-routing, cost-optimization, multi-provider, api-management, model-selection, anthropic, openai, gemini

使用方法

使用说明
核心用法
model-router 是一个综合性AI模型路由系统，通过交互式配置向导、任务自动分类和智能委派机制，帮助用户在多个AI提供商（Anthropic、OpenAI、Gemini、Moonshot、Z.ai、GLM）之间自动选择最优模型。
主要操作流程：

1. 运行 setup-wizard.py 配置API密钥和模型映射
2. 使用 classify_task.py 获取任务推荐模型及置信度评分
3. 通过 sessions_spawn --model [推荐模型] 执行具体任务
   系统内置8种任务类型映射（simple/coding/research/creative/math/vision/chinese/long_context），并支持 aggressive/balanced/quality 三级成本优化策略。
   显著优点
   成本优化显著 ：Aggressive模式下可节省50-90%费用，自动将简单任务路由至低价模型（如glm-4.5-air）
   多提供商生态 ：原生支持6家主流AI厂商，覆盖不同优势场景（中文、多模态、超长上下文）
   安全设计 ：API密钥独立存储于 ~/.model-router/ ，文件权限600，与版本控制隔离
   渐进式升级 ：支持从便宜模型起步，失败时自动升级至高端模型
   局限性与风险
   配置依赖 ：需手动维护多提供商API密钥，初期设置成本较高
   分类准确性 ：任务分类基于关键词匹配，置信度85%左右，存在误判可能
   厂商绑定风险 ：依赖第三方API稳定性，部分国内厂商（Moonshot/Z.ai/GLM）文档支持较弱
   无自动回退 ：需用户手动实现失败后的模型升级逻辑
   适合人群
   高频使用AI服务、需平衡成本与质量的技术团队或个人开发者；尤其适合同时处理多种任务类型（代码+研究+简单查询）且预算敏感的用户。
   常规风险
   API密钥泄露风险（需严格遵循600权限及.gitignore配置）
   低价模型输出质量不稳定导致任务失败
   多会话并行时的资源管理复杂度