基于 Polygon 的 AI 代理间 SHIB 支付系统，支持去中心化托管与声誉机制，gas 成本仅 $0.003，较传统托管节省 99.99%。

基本信息

• 技能名称?a2a-shib-payments
• 中文名称?AI 代理去中心化支付基础设施
• 作者?marcus20232023
• 分类?其他
• 版本?未标注
• 标签?pay, blockchain, web3, backend, automation, api, finance-accounting

使用方法

使用说明
该技能为 AI Agent 提供了基于 Polygon 网络的 SHIB 代币支付基础设施，实现了代理间的去中心化价值转移。通过集成 A2A（Agent-to-Agent）协议，支持直接转账、托管合约、多轮价格谈判和声誉评价等完整商业闭环。
核心用法方面，开发者可通过部署该技能快速搭建具备加密货币支付能力的 AI Agent。系统支持通过自然语言指令（如"send 100 SHIB to 0x..."）或 API 调用完成支付，提供六种状态的托管合约（pending → funded → locked → released/refunded/disputed）确保交易安全，并内置多轮报价协商机制和基于星级评分的声誉体系。
显著优点在于极致的成本优势和去中心化特性。相比传统托管服务（Escrow.com 收取 $28.25/笔），该技能每笔交易 gas 费仅约 $0.003，成本降低 9,416 倍，且结算时间从数天缩短至秒级。此外，系统具备完善的商业逻辑：时间锁托管、多方审批、自动释放条件、争议仲裁，以及基于动态信任评分的等级体系（青铜到白金），为 AI 经济提供了无需信任第三方的交易基础设施。
潜在缺点与局限性包括：首先，仅支持 SHIB 代币和 Polygon 单链，缺乏多链兼容性；其次，作为 T3 来源的个人项目，长期维护和技术支持存在不确定性；再者，区块链交易的不可逆性要求用户必须仔细核对地址和金额，误操作可能导致资产永久损失；最后，当前缺乏法币通道和合规框架（KYC/AML），限制了传统金融场景的应用。
适合的目标群体主要是构建 AI 经济生态的开发者和研究者，特别是需要实现 Agent 间自动结算的数据市场、AI 模型训练服务、自动化任务众包等场景。对于已经熟悉 Web3 钱包管理和区块链操作的开发者，该技能可快速集成到 LangChain、AutoGen、AWS Bedrock 等主流框架中。
使用风险需重点关注：私钥管理风险（需自行保管 WALLET_PRIVATE_KEY，一旦泄露资金将直接受损）、智能合约风险（尽管经过审计建议，但托管合约仍可能存在漏洞）、价格波动风险（SHIB 作为加密货币价格波动较大），以及网络拥堵时 gas 费上涨的可能性。生产环境务必启用 HTTPS、配置多签钱包并设置严格的速率限制（默认 3 笔支付/分钟）。

基于 PSPDFKit 官方 CLI 的文档协作工具，支持 Markdown 上传与多格式导出，实现团队实时协同编辑与分享。

基本信息

• 技能名称?nudocs
• 中文名称?云端文档协作与分享平台
• 作者?jdrhyne
• 分类?其他
• 版本?未标注
• 标签?docs, productivity, office, content-media, collaboration

使用方法

使用说明
Nudocs 是一款面向文档协作场景的 Agent Skill，旨在打通本地文档与云端富文本编辑的 workflow。用户可通过自然语言指令（如"send to nudocs"或"pull from nudocs"）将本地 Markdown 或文档上传至 Nudocs.ai 平台，生成可分享的编辑链接，邀请协作者进行在线富文本编辑，并支持将编辑后的内容以 docx、pdf 或 markdown 格式拉回本地。
该 Skill 的核心优势在于其简洁的 workflow 设计与可靠的技术背书。作为 PSPDFKit（业界知名文档处理公司）生态的一部分，Nudocs CLI 提供了稳定的文档上传、列举、拉取和删除功能，支持多种输出格式以适应不同场景需求。Skill 内置了丰富的自然语言触发器，能够准确识别用户的上传、拉取、获取链接和列举文档等意图，降低了使用门槛。此外，文档结构最佳实践的提示有助于用户在上传前优化内容格式，提升协作效率。
然而，该 Skill 也存在一定局限性。首先，它依赖于 Nudocs.ai 云服务，所有文档上传操作都需要网络连接，且免费版存在 10 个文档的数量限制。其次，用户需要自行安装 Nudocs CLI 工具并配置 API Key，配置过程涉及环境变量或本地配置文件的管理，对非技术用户可能存在门槛。最重要的是，文档上传到云端意味着数据将离开本地环境，不适合处理包含极度敏感信息的文档。
该 Skill 适合内容创作者、产品团队、教育工作者等需要快速分享文档并进行轻量级协作编辑的用户群体。对于需要多人实时反馈、临时共享文档草稿、或需要在不同设备间同步文档编辑进度的场景尤为适用。
使用过程中需注意以下风险：API Key 的安全管理（应避免硬编码或泄露）、敏感数据不宜上传至第三方云服务、以及对外部 CLI 工具和 npm 依赖的信任。建议优先使用环境变量方式配置密钥，并定期审查 Nudocs 账户中的文档列表，及时清理不再需要的文件以符合免费版限制。

基于rmapi开源工具链，实现reMarkable平板手写笔记与AI处理的双向同步，支持草图增强、文字提取及文档推送。

基本信息

• 技能名称?remarkable
• 中文名称?手写笔记AI处理与双向同步
• 作者?nickian
• 分类?其他
• 版本?未标注
• 标签?productivity, content-media, docs, automation, device-integration, handwriting

使用方法

使用说明
该技能提供了一套完整的 reMarkable 电子墨水平板双向同步解决方案，通过封装 rmapi 开源工具链，实现手写笔记、草图与 AI 处理流程的深度整合。核心用法围绕"获取-处理-推送"闭环展开：用户可通过 Cloud API 将平板上的手写内容以 .rmdoc 格式下载，经解压、格式转换（.rm→SVG→PNG）后供 AI 进行图像增强或文字识别，处理完毕后再转换为 PDF 推送回设备，形成完整的工作循环。
显著优点在于打通了物理手写与数字 AI 处理的壁垒。对于创意工作者，可实现"纸上草图→AI 精修→回传查看"的无缝流程；对于知识管理者，能将手写日记转换为结构化数字笔记。技能提供了详尽的格式转换指南（包括 1404×1872 像素规格适配）和批量操作命令，支持标签筛选、星标管理等高级同步策略，满足专业用户的精细化需求。
然而，该技能存在明显的使用门槛和依赖性局限。首先，它完全依赖社区维护的第三方工具 rmapi（ddvk/rmapi），非 reMarkable 官方支持，存在 API 变更或服务中断风险。其次，配置流程较为复杂，用户需自行安装 Python 依赖（rmc、cairosvg、pillow）并完成 Cloud 认证，格式转换涉及多步骤命令行操作，对非技术用户不够友好。此外，上传限制为 PDF/EPUB 格式，且必须依赖 reMarkable Cloud 进行同步，无法实现纯本地离线操作。
该技能最适合已拥有 reMarkable 设备的技术型用户、研究人员及创意工作者，特别是那些希望将手写内容纳入 AI 工作流（如草图增强、手写笔记 OCR、AI 生成艺术预览）的人群。对于注重数据隐私、希望完全离线同步，或不愿意使用第三方 Cloud API 工具的用户则不推荐使用。
使用风险主要包括：T3 来源可信度带来的长期维护不确定性；第三方 rmapi 工具的潜在安全风险（尽管代码开源，但仍需用户自行审计）；本地存储的认证令牌（~/.rmapi）若未妥善保护可能导致云端数据泄露；以及多环节格式转换可能带来的数据丢失或质量损耗风险。建议用户在执行命令前充分理解其含义，避免盲目复制粘贴，并定期备份重要笔记。
productivity content-media docs automation device-integration handwriting

基于 MCP 和 Pi Agent 架构的智能编排器，自动分解复杂任务并协调多 Agent 协作，提升跨工具工作流自动化效率。

基本信息

• 技能名称?orchestrator
• 中文名称?复杂任务智能分解与编排中枢
• 作者?Unknown
• 分类?其他
• 版本?未标注
• 标签?automation, devops, development-engineering, productivity, ai-agent, orchestration

使用方法

使用说明
核心用法
Orchestrator 是一个智能任务编排技能，旨在通过分解复杂问题并协调多 Agent 协作来解决高难度任务。它采用"分析-规划-执行-报告"的标准工作流：首先理解用户请求，将其拆解为具体步骤；然后通过声明式依赖调用 mcporter （用于访问 MCP 工具生态）和 coding-agent （用于代码执行与文件操作）完成实际工作；最后汇总执行结果生成报告。典型应用场景包括：使用 mcporter 调用搜索工具（如 Tavily、Perplexity）进行研究，或利用 coding-agent 执行数据处理和脚本运行，实现从信息检索到代码实现的端到端自动化。
显著优点

1. 架构解耦与模块化 ：通过 OpenClaw 元数据声明依赖（ mcporter 、 coding-agent ），实现功能模块化，避免单体 Skill 的臃肿，便于独立更新和维护各组件。
2. 复杂任务处理能力 ：专为多步骤、跨工具协作设计，能够将模糊的高级指令转化为可执行的子任务序列，显著降低用户操作复杂度。
3. 透明度高 ：作为纯文档型资产（Markdown 说明文档），无隐藏代码逻辑，工作流程和依赖关系清晰可见，便于安全审计。
   潜在缺点与局限性
4. 强依赖外部技能 ：本身不具备代码执行或工具调用能力，完全依赖 mcporter 和 coding-agent 的实现质量。若依赖项故障或版本不兼容，Orchestrator 将无法正常工作。
5. 安全边界模糊 ：虽然本 Skill 为 A 级安全，但实际执行风险取决于依赖项的安全等级。用户需同时审查多个依赖 Skill 的安全性，增加了安全评估复杂度。
6. 性能开销 ：多层代理调用（Orchestrator → 依赖 Skill → 实际工具）可能引入延迟，不适合对响应速度要求极高的实时场景。
   适合的目标群体
   适用于需要自动化复杂工作流的技术用户，特别是 MCP（Model Context Protocol）生态的使用者、AI Agent 开发者、以及需要将研究、编码、文档处理等多环节串联的项目管理人员。适合处理如"调研新技术并生成示例代码"这类需跨领域协作的任务。
   使用风险
7. 依赖链安全风险 ：尽管本 Skill 无代码执行，但若 mcporter 或 coding-agent 存在漏洞（如任意代码执行、数据泄露），通过 Orchestrator 调用将间接暴露这些风险。
8. 权限扩散 ：使用时需同时授予多个依赖 Skill 权限，增加了权限管理复杂度和潜在的过度授权风险。
9. 版本兼容性 ：依赖 Skill 的接口变更可能导致编排逻辑失效，需关注依赖项的版本更新策略。

基于Lokuli MCP的场地预订服务，提供搜索、查档、预订全流程支持，帮助用户快速锁定并预约理想活动空间。

基本信息

• 技能名称?book-venue
• 中文名称?快速发现并预订理想活动场地
• 作者?edwardrodriguez703-design
• 分类?其他
• 版本?未标注
• 标签?operations, real-estate, productivity, api

使用方法

使用说明
核心用法
book-venue 是一个基于 MCP（Model Context Protocol）协议的场地预订服务 Skill，通过连接 Lokuli 平台的 MCP 服务器实现场地资源的查询与预订。该 Skill 提供三个核心工具：search 用于根据关键词和地理位置搜索可用场地；check_availability 用于查询特定场地在指定日期的时段可用性；create_booking 则完成最终的预订操作，需提供商户ID、服务ID、时间段及客户联系信息。
用户可通过自然语言触发该 Skill，例如"帮我预订附近的会议室"或"查找洛杉矶90640区域的场地"。系统会引导用户完成从搜索、筛选到预订的全流程，所有数据交互均通过 SSE（Server-Sent Events）传输的 JSON-RPC 2.0 协议与 lokuli.com 服务进行通信。
显著优点
首先，该 Skill 采用纯文档型架构，仅包含配置说明而无任何可执行代码，从根本上杜绝了代码注入、恶意脚本执行等安全风险。其次，基于标准化的 MCP 协议设计，具备良好的兼容性和扩展性，可与支持 MCP 的各类 AI 助手无缝集成。功能设计完整闭环，覆盖场地搜索、可用性确认、预订创建三大核心环节，满足用户一站式需求。此外，JSON 格式的配置示例清晰直观，便于开发者理解和调试。
潜在缺点与局限性
该 Skill 的功能实现完全依赖第三方服务 Lokuli 的可用性与数据准确性，若 Lokuli 服务出现故障或数据更新延迟，将直接影响用户体验。作为 T3 来源的个人开发者项目，缺乏企业级维护保障和长期支持承诺。隐私方面，create_booking 工具要求提交客户姓名、邮箱、电话等敏感个人信息，且 Skill 本身未提供数据加密或隐私政策说明，存在信息泄露隐患。此外，目前仅支持 Lokuli 平台的场地资源，选择范围受限于该平台的商户覆盖度。
适合的目标群体
该 Skill 最适合需要频繁预订场地的活动组织者、行政助理、会议策划人员以及有临时场地需求的个人用户。对于中小企业而言，可作为快速安排会议场地、活动空间的效率工具。同时，集成该 Skill 的 AI 应用开发者也可为用户提供增值的本地生活服务功能。但对于有极高数据隐私要求的企业级用户，或对场地品质有严格筛选标准的高端商务需求，建议谨慎使用或配合人工复核。
使用风险
使用该 Skill 存在以下常规风险：一是第三方依赖风险，Lokuli 服务的稳定性、API 变更或商业策略调整可能导致 Skill 功能失效；二是数据传输风险，尽管 MCP 协议本身规范，但用户个人信息（特别是联系方式）在传输至第三方服务器过程中存在被截获或滥用的可能；三是预订确认风险，Skill 仅完成预订请求提交，实际确认结果依赖 Lokuli 平台的反馈，可能存在超订或信息不同步的情况；四是网络延迟风险，SSE 长连接在某些网络环境下可能出现超时或中断，影响实时查询体验。建议用户在重要预订场景下保留人工确认环节。