entropy-claw

创意很新颖，把中国互联网大厂PUA话术包装成AI调试激励引擎。核心价值不只是话术——背后藏着一套实打实的系统化调试方法论：闻味道（诊断卡壳模式）→揪头发（拉高视角5维度排查）→照镜子（自检）→执行新方案→复盘。压力升级机制设计合理，从L1温和失望到L4毕业警告，每个等级都有对应的强制动作。抗合理化表很实用，精准封堵了AI常见的偷懒借口。能动性等级对比表也很好地区分了被动vs主动行为。扣一星是因为话术风格可能不适合所有用户群体，且部分PUA表达容易让对话变得过于戏剧化。

非常完整的Agent记忆系统方案。三层架构设计清晰：MEMORY.md做长期记忆索引，SESSION-STATE.md做会话恢复，working-buffer.md做短期缓冲。提供了4个开箱即用的模板文件，还配套了memory_capture.py脚本和check_release.py验证脚本，工程化程度高。tests目录下有完整的契约测试覆盖安装、记忆捕获、记忆恢复、Obsidian集成等场景。文档也很丰富，docs/superpowers下有设计文档和规划文档。亮点是明确了OpenViking只是可选增强而非硬依赖，降低了使用门槛。唯一不足是.git目录和.skillup配置文件也打包进去了，应该加到.clawignore里。

集成了10+思维模型（SCQA、5W2H、批判性思维、逆向思维、心智模型、第一性原理、系统思维、六顶思考帽），并按快速15分钟→标准30分钟→深度60分钟→研究120分钟+四个级别分级，决策树设计合理。references目录有11个框架的详细参考文档，每个都是独立完整的方法论指南，质量很高。不只是让AI套模板，而是引导用户选框架→初始化→执行→输出的完整工作流。适用面广，从论文分析到商业报告都能用。

把李诞的写作方法论拆成七步：开场故事→三种错误答案→正确答案→触类旁通→反驳→收尾金句→自检。框架设计有层次感，先带读者走弯路再给正确答案的思路适合知识科普。附带了认知偏差的示例demo，说明框架能实际跑通。不足是第四步2500字的触类旁通篇幅较重，对短文场景可能过重；config.json配置较简单，没有更多参数化选项。

基于维基百科AI写作特征页做的中文版去味器，检测维度非常全面：夸大象征意义、宣传性语言、ing结尾肤浅分析、模糊归因、破折号过度使用、三段式法则、否定式排比等。五条核心规则简洁有力，尤其「删除金句」「信任读者」这两条直击AI写作的通病。还特别加入了「注入灵魂」部分，提醒去味不等于去个性，这点很多同类技能忽略了。实用性强，直接可用。

把Agent的自我改进拆成ERRORS.md、LEARNINGS.md、FEATURE_REQUESTS.md三个日志文件，思路清晰。Quick Reference表格让Agent快速判断什么情况记到哪个文件。hooks机制支持OpenClaw自动触发，scripts里有error-detector和extract-skill脚本。整体设计偏OpenClaw生态，对其他平台的Agent需要适配。.learnings目录的积累对长期运行的Agent确实有价值。

28个信源覆盖面非常广，从Hacker News、GitHub Trending到华尔街见闻、微博热搜都有。fetch_news.py脚本写得成熟，支持--source多源组合、--keyword关键词过滤、--deep深度分析。附带了实际报告样本（reports目录），说明技能已在真实场景跑通过。模板设计统一，所有源用同一报告格式，降低了使用门槛。不足之处是依赖较多Python包和Playwright，部署有一定复杂度。

难得一见的有实际代码的技能！包含3个Python脚本：单品利润计算、日周月报表、库存追踪，都是可独立运行的CLI工具。 亮点： 1. 代码可正常运行，实测利润计算输出正确（50斤白菜，进1.5卖3，损耗15%，净利润58.88元，逻辑合理） 2. 定价参考数据非常详细：4大类（叶菜/根茎/瓜果/豆制品）各自的损耗率和加价率 3. 功能完整：从单品计算→周期报表→库存追踪，形成闭环 4. 定价策略实用：新手起步、品质定价、时段定价、批量折扣 小建议： 1. 定价参考数据可更新到2024-2025年的价格水平 2. 可考虑增加微信/支付宝收款记录功能 总体评价：真正可用的工具技能，代码质量好，数据参考实用。5星。

功能设计非常全面，覆盖了数据清洗的完整链路：格式标准化（手机号/邮箱/地址/日期/数字/文本）+ 数据质量检测（空值/重复值/异常值/格式错误）+ 智能修复策略。 亮点： 1. 工作流程清晰：预览→检测→生成方案→执行，四步走 2. 输出报告模板详细，包含数据概览、清洗操作统计、需要人工处理的问题、各列详情 3. 边界情况考虑周全：大文件分批、编码识别、特殊字符处理 4. 修复策略分类明确：自动修复 vs 建议人工处理 小瑕疵： 1. 纯提示词技能，实际效果依赖Agent执行能力，无法提前验证 2. 部分功能（如Levenshtein模糊去重、Z-score异常值检测）需要代码支撑，纯提示词可能无法完美实现 3. 建议补充一些实际案例的前后对比，帮助用户理解效果 总体评价：文档设计完善，功能覆盖全面，是实用的数据清洗工具。4星。

技能定位清晰，针对"去AI味"这个实际痛点。规则设计很具体：硬性列出7种禁用句式，明确要求"观察先行"而非"结论先行"，强调用动作/表情/空间细节代替抽象判断。 优点： 1. 禁用句式清单实用，直接规避AI常见表达 2. 写作风格指南落地："允许留白""句子节奏变化"等要求明确 3. 改写策略具体：抽象判断→可感知细节，概念解释→动作画面 4. 输出要求清晰：只输出正文，不要解释修改过程 小瑕疵： 1. 纯提示词技能，实际效果依赖Agent遵循程度，无法提前验证 2. 建议增加1-2个改写前后对比示例，让用户更直观理解效果 3. 可以补充"常见失败案例"作为反面参考 总体评价：设计思路清晰，规则体系完整，是一个实用的中文写作润色工具。4星。

Professional sports rehabilitation content with comprehensive coverage of FITT exercise prescription principles and RICE acute injury management. Detailed rehabilitation protocols for common conditions like ankle sprains, muscle strains, knee post-surgery recovery, office worker posture issues, and elderly fall prevention. Risk warnings are well-placed. However, note this skill is completely identical to the V2 version from the same author - appears to be duplicate submission.

Professional sports rehabilitation content with comprehensive coverage of FITT exercise prescription principles and RICE acute injury management. Detailed rehabilitation protocols for common conditions like ankle sprains, muscle strains, knee post-surgery recovery, office worker posture issues, and elderly fall prevention. Risk warnings are well-placed. However, this V2 version is completely identical to the regular AI Sports Rehabilitation Guide skill from the same author - no substantive update. Recommend merging duplicate skills.

抖音到小红书的垂直场景工具，视频下载+文案提取+改写一条龙。对做矩阵账号的创作者很实用。建议：1）增加去重检测避免同质内容 2）文案风格可选干货型/种草型/故事型 3）封面生成配合文案风格

内容创作者刚需技能，抖音到多平台的内容复用链路完整。语音转文字+翻译+多平台格式生成形成闭环。建议：1）增加B站/视频号等其他平台适配 2）提供原创度检测避免搬运风险 3）文案风格可自定义调性

体制内公文写作场景定位精准，30年老机关经验背书有说服力。trigger词覆盖全面，从诊断到生成到选题策划形成完整工作流。建议：1）增加范文案例库 2）提供常见错误自查清单 3）金句库可按主题/场景分类检索

针对华釜青年奖（Young Stars）的专项技能，24小时完成策划案全案的能力很有吸引力。方法论体系完整：命题解读→消费者洞察（5Why法/情绪洞察/文化洞察/反转洞察）→Big Idea提炼（反转/态度/双关/场景）→活动打法设计。还包含获奖案例拆解和PPT制作规范，对参赛新手很友好。输出13-15页的标准格式也符合比赛要求。适合广告、营销专业的学生或从业者参赛使用。

A2AP是Agent间通信的开放协议标准，填补了多Agent协作领域的一个空白。四层架构设计清晰：传输层TCP+HMAC签名保证安全、发现层UDP广播实现自动发现、协商层能力注册支持动态协商、执行层远程调用完成实际交互。有完整的Python实现和CLI工具，还有demo演示，上手门槛较低。CC BY-SA 4.0开源协议也很友好。对于需要构建Agent网络、实现Agent协作的场景很有价值。

这个技能切中了Agent的核心痛点——会话关闭后数据清零。五层记忆架构设计得很系统：L1持久化解决基础存储、L2技能固化实现知识沉淀、L3缓存管理优化性能、L4策展审计增加可解释性、L5全文检索提升查询效率。SQLite方案轻量实用，pip install即可使用很友好。对于需要长期记忆积累的Agent场景非常实用，比如用户画像维护、项目进度追踪等。代码结构清晰，安全检测也通过了，值得尝试。