Predict — 预测系统
v1.0.0趋势预测与风险评估系统。用于预测、预报、趋势分析、场景生成和风险评估。结合数据分析和判断进行预测,支持置信区间计算和概率评估。当用户提及预测、预报、趋势、场景或未来结果时使用。
0· 277·0 当前·0 累计
安全扫描
OpenClaw
可疑
high confidence该技能声称可进行完整的预测和场景建模,但包只包含一个最小的脚本,不消耗输入数据,许多引用的脚本/文件缺失——实际行为与承诺不符。
评估建议
不要假设此技能会执行描述中所承诺的复杂预测功能。实际上只有一个打印模板指导的最小脚本,并将短期预测记录追加到 ~/.openclaw/workspace/memory/predict/forecasts.json。在安装或运行前:(1) 向作者索取缺失的脚本(generate_scenarios.py、assess_risk.py、evaluate_probability.py、references/*)或更正后的 SKILL.md;(2) 检查这些脚本以确认它们实际读取和处理数据,且不联系外部端点;(3) 如必须运行,请在沙盒环境中运行,并备份/监控 ~/.openclaw/workspace/memory/predict 目录以避免意外文件写入;(4) 优先选择声明功能与包含代码相匹配的最新包。如果作者提供缺失文件且其功能如宣传所述(无意外网络调用、正确的数据处理),此评估可能改为良性。...详细分析 ▾
⚠ 用途与能力
技能名称和描述承诺提供预测、模型构建、场景生成、概率评估和准确度跟踪。但捆绑包只包含一个简单脚本(forecast_trend.py),打印静态预测框架并保存简短的元数据记录;它不构建模型或读取输入数据。SKILL.md 引用了许多其他不存在的脚本和参考文件,这与声明的功能不一致。
⚠ 指令范围
SKILL.md 指示运行多个脚本(generate_scenarios.py、assess_risk.py、evaluate_probability.py 等)并传递数据文件(例如 --data "historical.csv"),但这些脚本不存在,且 forecast_trend.py 不接受 --data 参数或读取数据。因此,指令超出了实际运行时行为,可能会产生运行时错误或静默执行少于承诺的功能。
✓ 安装机制
未包含安装规范或外部下载(仅包含一个脚本的指令)。这最小化了供应链风险;安装期间不会从远程 URL 获取或执行任何内容。
✓ 凭证需求
该技能不请求环境变量或凭证。包含的脚本写入本地路径(~/.openclaw/workspace/memory/predict),这与 SKILL.md 声称预测数据存储在本地的说法一致,尽管 SKILL.md 之前引用了 memory/predict/(路径不匹配是次要问题但已注意)。
ℹ 持久化与权限
该技能不请求永久/始终包含,也不需要额外权限。它将在用户的主工作区(~/.openclaw/workspace/memory/predict)下创建目录并写入 forecasts.json,因此预期生成的预测记录将持久存储在本地。
安全有层次,运行前请审查代码。
运行时依赖
无特殊依赖
版本
latestv1.0.02026/3/10
初始版本:趋势预测、场景生成、风险评估和概率评估,包含不确定性管理
● 无害
安装命令 点击复制
官方npx clawhub@latest install predict
镜像加速npx clawhub@latest install predict --registry https://cn.clawhub-mirror.com
技能文档
预测系统。识别模式,预测结果,管理不确定性。
关键隐私与安全
数据存储(关键)
- 所有预测数据仅本地存储:
memory/predict/ - 无外部预测 API 进行数据共享
- 场景分析 保持私密
- 风险评估 保密
- 用户控制所有数据保留和删除
重要说明
预测本质上是不确定的。此技能提供结构化分析但不保证结果。始终保持适当的不确定性,并在新信息出现时更新预测。数据结构
本地存储的预测数据:
memory/predict/models.json- 预测模型和框架memory/predict/scenarios.json- 场景分析memory/predict/forecasts.json- 预测记录memory/predict/accuracy.json- 预测准确度跟踪
核心工作流
预测趋势
用户:「基于当前数据预测下季度销售额」
→ 使用 scripts/forecast_trend.py --metric "sales" --period Q2 --data "historical.csv"
→ 构建具有置信区间和关键假设的预测
生成场景
用户:「这个项目有哪些可能的场景?」
→ 使用 scripts/generate_scenarios.py --project "X" --factors "budget,timeline,resources"
→ 创建最佳情况、最差情况和最可能的情况
风险评估
用户:「评估这个商业决策的风险」
→ 使用 scripts/assess_risk.py --decision "expansion" --factors "market,competition,capital"
→ 识别风险,评估概率,制定缓解策略
概率评估
用户:「成功的概率是多少?」
→ 使用 scripts/evaluate_probability.py --outcome "success" --factors "team,market,timing"
→ 计算具有明确推理和置信水平的概率
模块参考
- 趋势分析:参见 references/trends.md
- 预测方法:参见 references/forecasting.md
- 场景规划:参见 references/scenarios.md
- 风险评估:参见 references/risk.md
- 概率评估:参见 references/probability.md
脚本参考
| 脚本 | 用途 |
|---|---|
forecast_trend.py | 预测未来趋势 |
generate_scenarios.py | 生成未来场景 |
assess_risk.py | 评估决策风险 |
evaluate_probability.py | 评估结果概率 |
track_accuracy.py | 跟踪预测准确度 |
build_model.py | 构建预测模型 |
数据来源:ClawHub ↗ · 中文优化:龙虾技能库
OpenClaw 技能定制 / 插件定制 / 私有工作流定制
免费技能或插件可能存在安全风险,如需更匹配、更安全的方案,建议联系付费定制