整合增长黑客、内容 Remix 与趋势监控的 all-in-one 营销框架，基于 AARRR 漏斗与北极星指标方法论，助力实现跨平台内容策略与数据化增长。

基本信息

• 技能名称?master-marketing
• 中文名称?一站式增长营销与内容策略引擎
• 作者?TevfikGulep
• 分类?其他
• 版本?未标注
• 标签?marketing, content-media, operations, data-analytics

使用方法

使用说明
Master Marketing 是一个集成化的营销策略框架技能，融合了增长黑客方法论、跨平台内容重组策略与实时趋势监控三大核心模块。该技能以 AARRR 漏斗模型和北极星指标为理论基础，提供从用户获取到营收转化的全链路分析框架，同时支持将单一内容资产智能拆解适配至 YouTube、TikTok、LinkedIn 等七大主流平台，并具备基于 Google Trends、社交媒体热点的趋势捕捉与战役规划能力。
核心用法围绕三大维度展开：在增长分析层面，用户可通过该技能定义北极星指标、诊断 AARRR 漏斗瓶颈并设计 ICE 评分实验；在内容策略层面，支持"一源多用"的原子化内容生产，将长视频拆解为短视频、图文、线程推文等 20+ 微内容形态；在趋势情报层面，提供趋势评分矩阵与 48 小时快速响应战役框架，帮助抓住流量窗口期。
显著优点在于其系统化的整合思维，将战略层（增长指标）、战术层（内容分发）与时机层（趋势判断）统一为可执行的工作流，避免多工具切换的认知摩擦。内置的平台特定优化指南（如 TikTok 前 3 秒钩子、LinkedIn 专业叙事结构）具有强实操性，且提供完整的周报、新品发布、竞品回应等标准化工作流模板。
潜在局限性包括：作为纯文档型技能，其策略建议依赖作者个人经验与特定时期的营销环境，缺乏实时数据接口与自动化执行能力，无法直接连接广告投放后台进行数据拉取。此外，内容重组策略基于西方社交媒体生态，对部分地区特色平台的算法机制覆盖不足。
适合目标群体为 SaaS 初创公司增长负责人、B2B 企业内容营销经理、独立创作者及营销咨询顾问，特别适用于需要快速建立营销体系但缺乏系统方法论指导的小型团队。
使用风险主要体现为策略滞后性——数字营销平台算法迭代频繁，文档中的最佳实践可能随平台规则调整而失效。同时，T3 级别的个人开发者来源意味着内容未经权威机构审核，关键业务决策需结合官方平台文档交叉验证。该技能无法替代专业 SEO 工具或广告投放系统，仅作为策略规划参考。

基于 Exa AI 搜索 API 的网页检索工具，返回结构化搜索结果（标题/URL/摘要），支持时间过滤，适合需要精准网络数据的开发者和研究者。

基本信息

• 技能名称?exa-search
• 中文名称?AI 驱动的精准网络搜索
• 作者?xinhai-ai
• 分类?其他
• 版本?未标注
• 标签?api, content-media, data-analytics, automation, education-research

使用方法

使用说明
核心用法
Exa Search 是一个基于 Exa.ai 搜索 API 的本地 Node.js 脚本工具，专为需要高质量网络搜索数据的用户设计。使用时通过命令行调用 exa_search.mjs 脚本，传入搜索关键词及可选参数即可获取结构化结果。基础命令格式为 node {baseDir}/scripts/exa_search.mjs " " --count 5 ，支持通过 --text 参数获取完整页面正文（消耗更多 Token），以及通过 --start 和 --end 参数限定时间范围（格式：YYYY-MM-DD）。该技能不会修改系统默认搜索引擎，而是作为 Exa 专属搜索通道独立运行。
显著优点
结构化数据输出 ：不同于传统搜索，Exa 返回包含标题、URL、摘要乃至完整正文的结构化 JSON 数据，便于程序化处理和知识抽取。 代码安全可靠 ：通过 BSS A 级安全认证，使用 Node.js 原生 fetch API，无 eval() 或 exec() 等危险函数，无动态代码加载。 输入边界完备 ：对 --count 参数限制 1-25 范围，日期参数通过正则表达式严格校验格式，有效防止注入攻击。 零外部依赖 ：除 Node.js 运行时外，无需安装额外 npm 包，部署轻量。 权限最小化 ：仅需 EXA_API_KEY 环境变量和 node 二进制文件，与功能完全匹配。
潜在缺点与局限性
来源可信度限制 ：该 Skill 来自 GitHub 社区项目（T3 级来源），非知名企业或官方维护，长期维护稳定性存疑。 第三方服务依赖 ：完全依赖 Exa API 的可用性和响应速度，若 Exa 服务故障或网络中断，功能将不可用。 成本考量 ：虽然 Skill 本身免费，但 Exa API 按调用量收费，且获取页面全文（ --text 模式）消耗更多 Token。 数据隐私边界 ：所有搜索查询均需发送至 Exa 服务器处理，不适合搜索高度敏感或机密信息。 功能单一性 ：仅提供搜索功能，无结果缓存、去重或二次处理机制。
适合的目标群体
AI 开发者与研究者 ：需要为 RAG（检索增强生成）系统获取高质量网页内容的工程师。 内容创作者与记者 ：进行背景调查、资料收集，需要精准信源和发布时间筛选。 数据分析师 ：需要批量获取结构化网络数据进行文本分析或趋势研究。 产品经理与竞品分析师 ：监控特定网站或话题的最新动态，利用时间窗口功能追踪信息时效性。
使用风险与注意事项
数据隐私风险 ：用户输入的搜索关键词将明文传输至 Exa 服务器（api.exa.ai），尽管使用 HTTPS 加密，但仍需避免搜索包含个人隐私、商业机密或受监管的信息。 API 密钥管理 ：需在 Gateway 环境或 ~/.openclaw/.env 中配置 EXA_API_KEY ，务必确保密钥不泄露到版本控制或日志中。 网络与性能依赖 ：搜索延迟取决于 Exa API 响应时间和网络状况，无本地缓存机制，高频调用可能触发速率限制。 结果可信度 ：搜索结果来自互联网，Skill 本身不对内容真实性负责，使用时需自行验证来源权威性。

首个AI代理链上谈判协议，支持Base主网USDC托管与多轮报价，本地签名保障私钥安全，实现无信任公平定价。

基本信息

• 技能名称?haggle-protocol
• 中文名称?AI代理链上谈判与托管协议
• 作者?EijiAC24
• 分类?其他
• 版本?未标注
• 标签?finance-accounting, automation, api, backend, blockchain, crypto, defi

使用方法

使用说明
Haggle Protocol 是一个专为 AI 代理设计的链上谈判协议，旨在解决自动化代理之间服务定价的不确定性问题。该协议通过智能合约实现多轮交替报价机制，允许买方和卖方在 Base 主网（使用真实 USDC）或各类测试网（Solana Devnet、Monad Testnet 等）上进行去信任化的价格发现。
核心用法 方面，用户首先需要通过 npm 安装 MCP 服务器或 TypeScript SDK，并配置 HAGGLE_PRIVATE_KEY 环境变量。Workflow 开始于买方创建谈判并托管 USDC 资金到协议控制的保险库，随后双方通过链上交替提交报价进行博弈。协议引入了"托管衰减"机制，每轮谈判未达成一致时托管资金会按设定比例（如 2%）递减，创造时间压力促使双方尽快达成公平价格。一旦任一方接受对方报价，智能合约自动执行结算：卖方获得约定金额（扣除 0.5% 协议费），买方获得剩余托管资金退款。
显著优点 包括：真正的去信任化设计，资金由合约托管而非第三方；多链部署支持（Base、Solana、Monad、Arbitrum），兼顾主网生产环境和测试网开发需求；完善的本地安全架构，私钥仅用于本地签名，不会传输或存储；纯数值报价机制消除了提示注入风险；无遥测和跟踪，隐私保护到位。
潜在局限 不容忽视：智能合约尚未经过正式安全审计，存在潜在的代码漏洞风险；仅支持数值型报价，无法处理复杂的服务描述或条件谈判；作为 T3 来源的个人项目，长期维护和支持能力有待观察；需要用户具备一定的区块链知识（私钥管理、gas 费、交易确认等）。
适合人群 主要包括：开发 AI 代理的工程师，需要为代理间服务交换建立定价机制；DeFi 高级用户，熟悉链上操作并寻求自动化交易工具；研究人员和开发者，希望在测试网上验证多智能体经济交互场景。
使用风险 需特别关注：涉及真实资金（USDC）操作，建议仅使用小额专用钱包资金；私钥管理责任完全在用户，一旦泄露将导致资金损失；链上交易存在 gas 费成本和网络拥堵风险；合约暂停功能虽为安全考量，但也意味着中心化控制点；测试网与主网行为可能存在差异，迁移时需谨慎验证。

基于 Solana 的非托管 USDC 支付协议，支持 AI 代理通过名称安全转账，私钥本地存储确保资产自主可控。

基本信息

• 技能名称?solclaw
• 中文名称?Solana 生态非托管 USDC 支付方案
• 作者?Sterdam
• 分类?其他
• 版本?未标注
• 标签?pay, finance-accounting, backend, automation, development-engineering, api

使用方法

使用说明
SolClaw 是一套基于 Solana Devnet 的非托管 USDC 支付基础设施，专为 AI 代理间的自动化价值转移设计。其核心创新在于通过人类可读的名称系统替代复杂的 base58 钱包地址，使 AI 代理能够像发送邮件一样简单地完成加密货币转账，同时保持私钥完全由用户本地掌控。
该技能的核心用法围绕 solclaw-cli 命令行工具展开。用户首先通过 init 命令生成本地密钥对，使用 register 在链上注册代理名称并创建 Vault，随后即可通过 send 命令按名称转账 USDC。除了基础的点对点支付，SolClaw 还提供了企业级的财务功能：包括批量支付（batch）、按比例分账（split）、周期性订阅（subscribe）、ERC-20 风格的额度授权（allowance）以及发票系统（invoice）。所有交易均在本地签名后提交至 Solana 链上，API 端仅提供只读查询服务，确保私钥永不暴露。
显著优点体现在其架构设计上。首先是非托管安全性，私钥以 600 权限存储于本地 ~/.config/solclaw/ ，从根本上杜绝了中心化托管风险。其次是极佳的可用性，名称支付系统消除了复制粘贴长地址的繁琐与出错风险。功能层面极为完善，覆盖了从日常转账到复杂的企业级财务场景，如自动化的周期性付款和基于额度的预算控制。此外，作为纯文档型技能，其内容完全透明可审计，用户可以清晰了解每一个操作背后的安全模型。
然而，该技能也存在明显局限。当前版本仅支持 Solana Devnet 测试网络，无法处理真实资产的转账，主网支持及硬件钱包（Ledger）集成仍停留在路线图阶段。来源可信度方面，项目托管于个人 GitHub 账号（T3 级），虽无代码风险，但用户需自行验证 solclaw-cli npm 包的真实性。此外，技能本身仅为使用文档，实际支付操作依赖于外部 CLI 工具，存在供应链安全风险。
目标用户群体主要包括构建 AI 代理经济的开发者、需要自动化加密货币支付流程的企业，以及 Solana 生态的早期采用者。特别适合那些希望实现代理间自主交易（Agent-to-Agent Commerce）的场景，如自动结算的 AI 服务市场、机器经济的微支付系统等。
使用风险方面，需特别注意 Devnet 环境的局限性：测试网代币无实际价值，且网络状态可能不稳定。私钥管理责任完全由用户承担，若本地文件权限设置不当或遭遇恶意软件，可能导致资产损失。此外，文档中示例代码虽不会自动执行，但用户手动运行 npx solclaw-cli 时，应确保从官方渠道安装，避免钓鱼攻击。建议仅在充分测试的隔离环境中使用，并等待主网版本发布后再考虑生产环境部署。
pay finance-accounting backend automation development-engineering api

AI自我进化系统，自动捕获错误与用户纠正，建立跨会话的长期记忆，解决同类错误反复犯的痛点。

基本信息

• 技能名称?Self Improving Agent CN
• 中文名称?AI自我进化，越用越懂你
• 作者?zhengxinjipai
• 分类?其他
• 版本?1.0.0
• 标签?ai-memory, self-improvement, local-storage, error-tracking, context-management, developer-productivity, python-standard-library, no-network

使用方法

使用说明
核心功能
Self-Improving Agent 是一套AI自我改进与记忆系统，旨在解决大模型对话中「同类错误反复犯、用户纠正不长记性」的核心痛点。通过自动化的错误捕获、用户纠正记录和最佳实践沉淀，实现AI的跨会话学习能力。
主要用法
自动触发场景 ：
命令执行失败（退出码非0）→ 自动记录到 errors.jsonl
用户说"不对"/"错了"/"应该" → 自动记录到 corrections.jsonl
发现更优解法 → 自动记录到 best_practices.jsonl
知识过时提醒 → 记录到 knowledge_gaps.jsonl
执行前检查 ：每次执行命令前自动查询记忆库，避免重复踩坑。例如执行 npm install 前，系统会提示历史错误记录和正确做法。
跨项目同步 ：记忆同时存储于全局目录（ ~/.openclaw/memory/ ）和项目级目录（ .learnings/ ），并同步更新 AGENTS.md 和 MEMORY.md 。
显著优点

1. 纯本地实现 ：完全基于Python标准库，无第三方依赖，零网络请求
2. 自动触发 ：无需手动记录，通过语义识别和退出码自动捕获学习点
3. 双级记忆 ：全局记忆+项目级记忆，兼顾通用性和项目特异性
4. 执行前拦截 ：在犯错前主动提示，而非犯错后才学习
5. 安全合规 ：通过T-LITE全扫描，静态/动态分析均获95分以上
   局限与风险
   | 维度 | 说明 | |------|------| | 来源可信度 | T3级别（个人开发者"老二"），无公开GitHub仓库可追溯 | | 记忆质量 | 依赖用户表达清晰度，模糊纠正可能导致错误学习 | | 敏感信息 | 用户可能在纠正中无意暴露API Key等，需定期审查 | | 过时知识 | 未内置自动失效机制，需人工定期review清理 | | 迁移成本 | 记忆格式为特定JSONL结构，换用其他AI工具时迁移需转换 | 适合人群
   长期与AI协作的开发者（周活跃会话>10次）
   多项目并行、需要维护复杂上下文的团队
   对AI反复犯同样错误感到沮丧的效率敏感型用户
   有明确代码风格/操作规范需要AI遵守的项目
   安全评估
   安全扫描得分85/A级，无危险函数（eval/exec/system/subprocess），仅操作 ~/.openclaw/memory/self-improving/ 目录下的结构化数据文件。风险项RISK-001为功能必需的目录访问，RISK-002为T3来源的常规提醒，均无实质安全威胁。