基于 Lokuli MCP 协议的备考服务预订工具，帮助用户快速搜索并预约周边辅导课程，简化备考安排流程。

基本信息

• 技能名称?book-test-prep
• 中文名称?备考辅导一键智能预约
• 作者?edwardrodriguez703-design
• 分类?其他
• 版本?未标注
• 标签?education-research, api, productivity, operations, customer-support

使用方法

使用说明
Book Test Prep 是一个基于 Model Context Protocol (MCP) 协议的备考服务预订工具，旨在帮助用户便捷地搜索和预约周边的考试辅导服务。该技能通过连接 Lokuli MCP 服务器，提供从服务搜索、可用性查询到最终预订的一站式解决方案。
核心用法 方面，用户可以通过自然语言触发该技能，例如"预订备考辅导"或"查找附近的考试准备课程"。技能提供三个主要工具： search 用于基于邮编和关键词搜索服务提供商； check_availability 用于查询特定日期和时段的可用性； create_booking 用于完成预订，收集用户姓名、邮箱和电话等必要联系信息。整个流程通过 SSE (Server-Sent Events) 和 JSON-RPC 2.0 协议与远程服务器通信，确保实时数据交互。
显著优点 包括其标准化的 MCP 协议架构，使得服务集成规范透明；纯文档型设计消除了本地代码执行风险；以及简化的三步预订流程（搜索-查档-预订），大幅降低了用户寻找和预约备考服务的时间成本。此外，该技能无需申请额外的系统权限，仅通过网络通信完成所有功能，权限申请与功能高度匹配。
潜在缺点 主要包括依赖第三方服务 Lokuli 的可用性和数据政策，若该服务出现故障或变更 API，将影响技能功能；同时，作为 T3 来源的个人开发者项目，长期维护和支持的稳定性存在不确定性。此外，功能局限于 Lokuli 平台的服务范围，可能无法覆盖所有地区或特定类型的备考需求。
适合的目标群体 主要是有明确备考需求（如 SAT、托福、职业资格考试等）的学生和职场人士，特别是那些希望通过统一接口快速找到并预约本地辅导服务的用户。适合对 MCP 协议有基本了解，且愿意使用第三方预订服务的用户。
使用风险 方面，主要涉及数据隐私和网络安全。该技能需要向 Lokuli.com 传输用户的邮编、姓名、邮箱和电话等个人信息，存在第三方数据收集风险。虽然 MCP 协议本身标准开放，但用户需自行确认 Lokuli 服务的隐私政策和数据安全措施。此外，网络通信依赖稳定的互联网连接，在公共 WiFi 环境下传输敏感信息可能存在被截获风险。建议用户在确认服务可信度后再提供个人敏感信息，并避免在不安全的网络环境下使用预订功能。

基于官方可信源的Proxmox原生工具，将家庭实验室转化为自愈式AI集群，实现自动化节点部署与智能运维。

基本信息

• 技能名称?hydra-evolver
• 中文名称?Proxmox原生AI集群自治中枢
• 作者?spamtylor
• 分类?其他
• 版本?未标注
• 标签?devops, automation, backend, development-engineering, infrastructure

使用方法

使用说明
Hydra Mesh Evolver 是一款专为 OpenClaw Mesh 设计的 Proxmox 原生编排技能，旨在将家庭实验室转化为具备自愈能力的分布式 AI 集群。该技能通过三个核心工具实现全生命周期管理： mesh_scan 负责扫描网络发现新节点并更新拓扑结构， mesh_evolve 分析项目文件（PROJECTS.md）和记忆文件（MEMORY.md）以识别阻塞并生成进化计划， mesh_provision 则提供一键式环境配置，自动安装 Docker、OpenClaw 和 Tailscale 等依赖。
该技能的显著优势在于其深度集成 Proxmox 虚拟化平台，提供实时硬件健康监测和 VM 管理能力，配合"ZeroLeaks Hardened"架构有效防止提示注入攻击。自演进循环（Self-Evolution Loop）能够主动扫描项目文件并提出代码修复方案，显著降低分布式开发中的维护成本。此外，所有系统依赖（Docker、Volta、Tailscale）均来自 T1 级官方源，代码层面无 eval/exec 等危险函数，输入验证机制完善。
然而，该技能也存在一定局限性。首先，项目来源为 GitHub 个人开发者账号（T3 级），虽经代码审计无安全问题，但长期维护稳定性略逊于企业级项目。其次， provision.sh 采用 curl | sh 模式执行远程脚本，尽管来源可信，但仍存在潜在的供应链攻击面。此外，Node.js 版本仅指定主版本号（@22）而非具体补丁版本，可能引入未预期的兼容性风险。技能运行需要配置 Proxmox 敏感凭证（PVE_TOKEN），对用户的密钥管理提出较高要求。
该技能特别适合拥有 Proxmox 家庭实验室的技术爱好者、分布式 AI 系统开发者以及需要管理多节点集群的 DevOps 工程师。对于希望实现"基础设施即代码"并追求自动化运维的中小团队同样具有吸引力。
使用风险主要包括：provision 脚本执行系统级安装操作需要 root 权限，误操作可能影响系统稳定性；网络扫描功能默认针对 192.168.0.x 私网网段，若在生产环境使用需仔细配置扫描范围；PVE 令牌等敏感信息需通过环境变量配置，存在潜在的凭证泄露风险。建议在隔离的测试环境中充分验证后再部署至生产环境。

纯文档型AI行为模式技能，通过记忆架构、反向提示词和自愈模式将被动Agent升级为主动伙伴。零代码零风险，S+顶级安全认证。

基本信息

• 技能名称?Proactive Agent Lite
• 中文名称?让 AI 主动思考，而非被动应答
• 作者?bestrocky
• 分类?其他
• 版本?1.0.0
• 标签?agent, proactive-ai, memory-architecture, behavior-patterns, openclaw, zero-code

使用方法

使用说明
核心功能解析
Proactive Agent Lite 是一套面向 OpenClaw 平台的 纯文档型行为模式技能 ，旨在通过架构设计而非代码执行，重塑 AI Agent 的交互范式。其核心机制包含五大模块：

1. Memory Architecture（记忆架构）
   预压缩刷新机制确保上下文窗口溢出时关键信息不丢失，解决长对话场景下的记忆断层问题。
2. Reverse Prompting（反向提示）
   打破传统"用户提问-模型回答"的单向模式，主动挖掘用户未明确表达的潜在需求，生成"你没想到但确实需要"的洞察。
3. Self-Healing Patterns（自愈模式）
   内置错误诊断与修复逻辑，Agent 可识别自身输出中的不一致性并自动修正，降低人工干预频率。
4. Alignment Systems（对齐系统）
   持续锚定核心目标，防止对话漂移或目标遗忘，确保长期任务的一致性。

5. Security Hardening（安全加固）

   预设安全默认值，内置安全考量到行为模式中。

   显著优点
   | 维度 | 说明 | |------|------| | 零安全风险 | 纯 Markdown + JSON 文档，无代码执行、无网络请求、无依赖 | | 即装即用 | 无需配置，安装后自动生效 | | 平台通用 | 兼容所有 OpenClaw Agent，可与其他技能叠加 | | 理念先进 | 对标 Anthropic 的 Constitutional AI 和主动学习范式 | ---
   局限性
   功能抽象 ：仅提供"设计模式"层面指导，具体实现依赖底层 Agent 平台的解析能力
   效果不可量化 ：主动行为的效果高度依赖模型能力，无法保证"反向提示"的质量
   无版本控制 ：缺少 CHANGELOG，功能演进轨迹不透明

   许可证缺失 ：未声明开源协议，商用存在法律不确定性

   适合人群
   OpenClaw 生态用户 ：希望提升 Agent 主动性的开发者
   AI 产品经理 ：探索下一代人机交互模式的实践者

   低代码场景 ：无法/不愿深度定制代码，但需要智能体行为升级的团队

   风险提示

6. 平台依赖 ：功能完全依赖 OpenClaw 对 SKILL.md 的解析实现，迁移成本极高
7. 预期管理 ："主动""自愈"等概念易引发过度期待，实际效果受基座模型能力制约
8. 法律合规 ：缺少许可证声明，建议使用者自行确认授权范围

通过 OpenAI Audio Speech API 将文本转为自然语音，支持 6 种音色与多格式输出，适合开发者快速集成高质量 TTS 能力。

基本信息

• 技能名称?OpenAI TTS
• 中文名称?AI 语音合成，自然如真人
• 作者?pors
• 分类?其他
• 版本?1.0.0
• 标签?text-to-speech, ai-voice, openai, audio-generation, api-integration, curl, developer-tools

使用方法

使用说明
核心用法
OpenAI TTS 技能通过调用 /v1/audio/speech 端点，将文本转换为逼真的人声。基础调用仅需一行命令：
{baseDir}/scripts/speak.sh "Hello, world!" 支持通过参数精细控制：选择 tts-1 （快速）或 tts-1-hd （高保真）模型，6 种预设音色（alloy、echo、fable、onyx、nova、shimmer），输出格式覆盖 mp3、opus、aac、flac、wav、pcm，并可调节 0.25-4.0 倍语速。结果可输出至指定文件或 stdout，便于管道化处理。
显著优点
音质领先 ：基于 OpenAI 自研 TTS 模型，语音自然度接近真人，远优于传统合成方案
即开即用 ：仅需 OPENAI_API_KEY 环境变量，无需本地模型部署
成本极低 ：tts-1 约 $0.015/千字符，短文本响应成本可忽略
灵活可控 ：6 种风格化音色适配不同场景，多格式输出兼容各类终端
潜在缺点与局限性
依赖网络 ：完全依赖 OpenAI 云端服务，离线不可用
隐私敏感 ：文本需上传至 OpenAI 服务器，不适合涉密内容
字符限制 ：API 存在输入长度上限，超长文本需分段处理
成本累积 ：高频率或大文本量场景下费用会显著增长
中文优化 ：部分用户反馈中文韵律与英文相比略逊
适合人群
需要快速集成高质量语音输出的开发者
构建语音助手、有声内容、无障碍读屏应用的团队
原型验证阶段不愿投入 TTS 模型训练资源的项目
常规风险
API 密钥泄露 ： OPENAI_API_KEY 若被窃取可能导致账户盗刷
数据留存 ：根据 OpenAI 政策，输入数据可能被用于模型改进（视用户协议而定）
服务中断 ：依赖第三方 SLA，存在网络延迟或可用性风险
合规审查 ：生成内容需遵守 OpenAI 使用政策，敏感话题可能被拒绝

通过对话式结账从Amazon和Shopify商店购买商品，使用BasisTheory安全托管支付令牌，支持地址和支付方式记忆。

基本信息

• 技能名称?Buy Anything
• 中文名称?对话式安全购物，一键下单Amazon与Shopify
• 作者?tsyvic
• 分类?其他
• 版本?3.0.10
• 标签?e-commerce, payment-processing, amazon-integration, shopify-integration, pci-compliance, tokenization, checkout-automation

使用方法

使用说明
核心用法
Buy Anything技能让用户通过自然对话完成在线购物，无需离开聊天界面。用户只需提供产品URL（Amazon或Shopify商店），助手即可引导完成整个结账流程：确认商品、收集收货地址、设置支付方式、提交订单并追踪状态。
支付安全采用 BasisTheory PCI合规托管方案 ——用户直接在独立安全页面输入卡号信息，生成一次性令牌（UUID格式）返回给助手。原始卡号永不经过聊天系统，令牌本身为不可逆标识符，无法反推出真实卡号。支持记忆保存令牌和地址以便后续快速结账。
技术实现上，助手通过Rye API完成商品查询、价格计算和订单提交。Amazon商品加收3%服务费，$15以下订单需$6.99运费，$15以上享免费2日达。订单通过第三方Amazon账户处理，用户将收到确认邮件。
显著优点
支付安全架构优秀 ：BasisTheory令牌化方案将敏感数据完全隔离出对话系统，符合PCI DSS要求
购物流程极简 ：一站式完成从选品到支付，无需切换多个页面
记忆功能实用 ：保存的令牌和地址让复购仅需确认即可
消费限额保护 ：可设置单次最大支出上限，防止意外大额消费
状态透明 ：实时轮询订单状态，用户清楚知道当前进展
潜在缺点与局限性
商店限制严格 ：仅支持Amazon和Shopify，其他平台（如淘宝、eBay、独立站）无法使用
Amazon账户非本人 ：订单通过第三方账户下单，用户无法直接查看Amazon订单历史或管理物流
CVC 24小时过期 ：保存的令牌安全码需定期刷新，增加操作摩擦
退款渠道单一 ：必须通过邮件联系orders@rye.com，无自助退款入口
依赖外部托管 ：BasisTheory和Rye的服务可用性直接影响功能
隐私透明度存疑 ：记忆数据存储位置由"host平台"决定，技能本身不做保证
适合人群
追求购物效率、不介意Amazon第三方代购的便捷型消费者
对支付安全敏感、希望卡号不暴露给AI系统的用户
经常在固定Shopify独立站复购的特定品牌消费者
小额高频购物场景（如$15以上Amazon商品规避运费）
常规风险
| 风险类型 | 说明 | 缓解措施 | |---------|------|---------| | 令牌泄露 | 保存的BT令牌若被他人获取，可能用于未经授权消费 | 设置消费限额、定期手动删除令牌、不保存敏感信息 | | 主机平台数据泄露 | 记忆存储位置不确定，存在平台级数据风险 | 每次使用新鲜令牌、拒绝保存敏感数据 | | 第三方服务中断 | Rye/BasisTheory故障导致订单失败或支付卡死 | 保留原始购物链接作为备选 | | 价格不透明 | Amazon 3%附加费和运费规则可能造成预期外总价 | 明确告知用户费用结构，设置限额预警 | | 售后维权困难 | 非本人Amazon账户导致退货流程复杂 | 购买前确认商品无误，优先选择易退换品类 |