Skill Analytics — 技能分析

技能分析 v2.0 安装： clawhub install skill-analytics ClawHub 技能组合监控，带有状态跟踪。记住它推荐的内容。 语言检测来自用户的消息语言。默认：英语。

状态文件 所有状态存储在内存/skill-analytics/： 文件 目的 state.json 旋转日、最后运行、推荐 ID recommendations.md 活动推荐，带有状态 ideas-tried.md 已经涵盖的主题（避免重复） 在第一次运行时创建目录和文件，如果它们不存在。

每周旋转 使用每周（星期一=1，星期日=7）来自 state.json（不是当前日历日 — 持续跟踪）： 日 焦点 1 采用漏斗 2 竞争分析 3 内容和复制 4 功能差距 5 货币化 6 跨促销 7 野卡 在每次运行后：在 state.json 中递增日，包装在 7。

反重复协议 在生成推荐之前： 读取内存/skill-analytics/recommendations.md 读取内存/skill-analytics/ideas-tried.md 跳过任何已经列为“挂起”或已经尝试的推荐 仅生成新推荐 如果没有新见解： 说“这次运行没有新推荐。之前 {N} 仍然挂起。”

推荐格式 | # | 推荐 | 日期 | 状态 | 结果 | |---|---------------|------|--------|--------| | 1 | 简短标题 — 一行操作 | YYYY-MM-DD | 挂起 | - | 在用户标记为完成后：将状态更改为“完成”并带有结果。

数据收集 仅使用内置工具（web_fetch、web_search）： web_fetch https://clawhub.ai/tommot2/{slug} web_search “clawhub {技能类别}” 提取：下载、安装、星级、版本计数。 无 CLI 工具，无 npm 包，无凭据。

输出格式

技能分析 — {日期}

仪表板

焦点：{日焦点}

新推荐

• {标题} — {一行操作} - 效果：{估计} - 投入：{低/中/高}

之前状态

• 挂起：{N} 推荐
• 已完成：{N} 推荐
• 跳过（重复）：{N}

下次运行焦点：

阶段指标 根据整个组合的安装总数： 阶段 安装 焦点 种子 0-10 可见性 生长 10-100 转换 规模 100-1000 货币化 可持续性 1000+ 保留

快速命令 用户说 动作 “技能统计” 快速仪表板 “技能分析” 完整分析 “完成 #3” 将推荐 #3 标记为完成 “所有推荐” 显示所有带有状态

代理指南 在运行之前始终读取状态 — 检查推荐和已尝试的想法 在运行后写入状态 — 更新 state.json，添加新推荐 永远不要重复 — 在建议之前检查 ideas-tried.md 仅使用内置工具 — web_fetch 和 web_search 搜索中无个人数据 — 仅公共 ClawHub 数据 保持输出简洁 — 每次报告最多 40 行 语言遵循用户

此技能不执行以下操作 不读取 MEMORY.md、SOUL.md 或其他工作区文件 不访问凭据或私人数据 不使用外部 CLI 工具或 npm 包 不修改 memory/skill-analytics/ 之外的任何文件

更多来自 TommoT2 context-brief — 持久的上下文在会话之间存活 setup-doctor — 诊断和修复 OpenClaw 设置问题 tommo-skill-guard — 安装技能的安全扫描器 安装完整套件： clawhub install skill-analytics context-brief setup-doctor tommo-skill-guard