首页 / 技能 / Markus Content EngineSelf Improving — Markus Content Engine 自我改进

📦 Markus Content EngineSelf Improving — Markus Content Engine 自我改进

v1.0.2

自我进化的自主内容流水线。跨6个平台分析帖子表现，用AI生成新内容（幻灯片、推文、LinkedIn帖子……）

0· 0·0 当前·0 累计
by @jclvsh
开发工具代码生成数据与API数据库AI模型访问
下载技能包 项目主页
0
安全扫描
VirusTotal
Pending
查看报告
OpenClaw
可疑
medium confidence
该技能的既定用途（autonomous content pipeline）看似合理，声明的环境变量也一致，但说明遗漏了关键的运行依赖（Node/npm、平台凭据），并依赖通过 npm 运行上游 GitHub 代码——因此安装前需了解相应的风险与一致性缺口。
评估建议
安装或运行此 skill 前： - 自行检查 GitHub 仓库（package.json、scripts/、setup.js）——npm install 可执行任意安装脚本；建议锁定依赖并在容器或隔离用户中运行。 - 确保已安装 Node.js 与 npm；如需可视化，canvas 依赖平台原生库。 - 设置时需额外提供各平台发帖凭证（X/Twitter、LinkedIn、TikTok、Instagram、Facebook），skill 未声明但必须用于定时发布。 - 尽量使用受限或测试账号（或只读 token），勿用主生产账号及 API key。 - 确认 pipeline 持久化“策略笔记”与分析数据的位置（本地磁盘 vs Dropspace API）并验证访问控制。 - 若继续，先在沙箱（容器/虚拟机）运行仓库，审计 package 脚本，并在初次执行时监控网络活动与对外 API 调用。...
详细分析 ▾
⚠ 用途与能力
该技能声称可克隆 GitHub 仓库并运行 Node 脚本，但注册元数据中未列出任何必需二进制文件；实际使用时需要 node 与 npm（canvas 可选原生库）。声明的环境变量（DROPSPACE_API_KEY、ANTHROPIC_API_KEY、FAL_KEY）分别对应 Dropspace、某 LLM 提供商及视觉/视频 API，但 SKILL.md/设置向导很可能还需平台特定的发布凭据（Twitter/X、LinkedIn、TikTok、Instagram、Facebook），这些并未声明。
⚠ 指令范围
SKILL.md 指示 agent 克隆 https://github.com/joshchoi4881/markus，运行 npm install 及多个 node 脚本，用于拉取分析数据并安排发帖。说明未要求或声明平台 OAuth 令牌或其他发帖凭据，但运行时行为会在外部平台定时发帖；设置向导可能会收集额外密钥。说明还建议安装 Bird CLI 用于 X 研究（可选），但未详述其凭据需求。
ℹ 安装机制
注册表中没有自动安装规范，但 SKILL.md 指示通过 git clone 克隆公开 GitHub 仓库并运行 npm install。从 GitHub 拉取代码很常见，但 npm install 会执行安装脚本，可能运行任意代码；canvas 原生依赖需要系统包（brew/apt）。风险中等，运行前请检查仓库和 package.json。
⚠ 凭证需求
所列的三个必需环境变量对该功能而言是合理的，但技能几乎肯定还需要额外的平台专属凭据（X/Twitter、LinkedIn、TikTok/Instagram、Facebook 的 OAuth token/API key），这些并未声明。该遗漏降低了你需要提供哪些 secrets 的透明度。此外，将 ANTHROPIC_API_KEY 和 FAL_KEY 交给上游代码，意味着这些 key 会被仓库中运行的任何代码获取。
✓ 持久化与权限
该 skill 未设置 always:true，也不会修改其他 skill。它声明会在运行之间持久化“strategy notes”（推测通过 repo 或 Dropspace API），这是自改进流程的常见做法；请确认这些数据的存储位置及访问权限。
安全有层次，运行前请审查代码。

运行时依赖

无特殊依赖

安装命令

点击复制
官方npx clawhub@latest install markus-content-engine
镜像加速npx clawhub@latest install markus-content-engine --registry https://cn.longxiaskill.com

技能文档

Dropspace Content Engine 全自主内容流水线。每晚：拉取分析 → 识别爆款钩子 → 生成新帖 → 分发到6个平台。反馈循环复利——每一轮都比上一轮更懂用户。

  • 克隆与安装
git clone https://github.com/joshchoi4881/markus && cd markus && npm install canvas安装失败可忽略，纯文本格式仍可运行。 如需视觉格式（TikTok/Instagram幻灯片）： macOS: brew install pkg-config cairo pango Linux: apt install libcairo2-dev libpango1.0-dev 然后再次 npm install

  • 运行配置向导
node setup.js --template markus-content-engine 引导填写API密钥、平台选择与App配置。

  • 设置API密钥
export DROPSPACE_API_KEY="ds_live_..." # dropspace.dev/settings/api export ANTHROPIC_API_KEY="sk-ant-..." # console.anthropic.com export FAL_KEY="fal_..." # fal.ai（视觉/视频用） 保存到 .env（复制 templates/.env.example），并把 .env 加入 .gitignore。

  • 验证
node scripts/test-pipeline.js --app myapp

运行流水线 source .env # 分析表现 + 生成新帖 node scripts/run-self-improve-all.js --app myapp # 为今日排程 node scripts/schedule-day.js --app myapp

自动化夜间（ET）脚本 时间 脚本 12:00 AM scripts/refresh-tracking.js --all + scripts/cleanup-posts.js --all 刷新分析，清理旧媒体 12:30 AM scripts/run-x-research.js --app myapp（可选，需Bird CLI） 扫描X趋势钩子 1:00 AM scripts/run-self-improve-all.js --app myapp 分析+生成（约60分钟） 2:00 AM scripts/schedule-day.js --app myapp 为今日排程

每次运行流程

  • 拉取14天Dropspace API分析
  • 识别>2×平均互动的爆款钩子
  • 结合X/Twitter研究信号
  • AI生成7–14条新帖（文本/视觉/视频）
  • 事实核查涉及人物、产品、事件的声明
  • 写入策略笔记，跨轮次累积（复利）
  • 通过Dropspace API全天排程

内容格式 story-slideshow 视觉 TikTok, Instagram, Facebook ugc-reaction 视频 TikTok, Instagram text-single 文本 Twitter/X text-post 文本 LinkedIn, Reddit, Facebook

链接 社区：https://www.dropspace.dev/community/markus-content-engine 案例：https://www.dropspace.dev/case-studies/march-2026 仓库：https://github.com/joshchoi4881/markus API文档：https://www.dropspace.dev/docs

数据来源：ClawHub ↗ · 中文优化：龙虾技能库