OpenClaw AI 技能

安装并配置 LLM-WikiMind MCP 服务器，这是一个基于 Karpathy LLM Wiki 模式的本地知识库系统，可用于构建和管理本地 AI 辅助知识库。触发关键词：install wikimind、setup knowledge 等。

当用户希望起卦、解卦、占卜、解读易经卦象，或希望根据自然语言问题调用 `qi_gua.py` 得到本卦与变卦，再结合联网检索给出针对问题的解卦时使用。适用于：解析用户提问、运行本地 `qi_gua.py`、提取卦象、卦名、卦辞、爻位、变爻，并检索卦义与爻辞后生成结构化中文解读。

在全球范围内搜索露营地、检查可用性并预订营地，支持查找和预约世界各地的露营场所。

根据指定的关键词或目标，生成浓缩的相册精华内容。该技能从长视频中提取特定的目标片段，并将其编译成精简的精华视频集，适用于视频内容分析和快速浏览场景。

AI 自我提升智能体 v2 - 从错误、纠正和成功中学习。三层系统：被动捕获 + 主动检查 + 主动技能生成。能够持续学习和改进的智能代理系统。

搜索公开平台的品牌相关信息，自动去重和时效过滤，输出结构化结果供 LLM 做风险分级和预警。适用于监控品牌/产品的公开舆情、搜索负面信息并按时间筛选、定时巡查品牌口碑、竞品舆情对比等场景。

Captures learnings, errors, and corrections to enable continuous improvement. Use when: (1) A command or operation fails unexpectedly, (2) User correc

Manage, organize, classify, rename, archive, and clean files and folders with dedicated workspace setup, automated sorting, and conflict handling.

ValueScan后台实时监控技能，订阅Stream推送的大盘分析和代币信号数据，将数据持久化写入本地文件，支持飞书机器人通知。

无需调整任何参数，即可生成可直接分享发布的视频。上传文本提示（支持 MP4、MOV、WebM、GIF 格式，最大 500MB），输入类似“生成一个关于...”的指令即可自动生成视频。

ValueScan数据查询工具，支持代币搜索、K线数据、主力资金流分析、链上数据查询等加密货币市场数据分析功能，为用户提供全面的加密货币市场行情数据支持。

世界顶级思维合集 —— 融合Google Staff Engineer、Martin Fowler/Kent Beck/Jeff Dean工程思维、Paul Graham/Sam Altman创业思维、Elon Musk创新思维、Stripe/Airbnb设计思维。v2.5.10：移除install

金融领域的可比公司分析工具，通过行业分析法对目标公司与可比公司整合经营指标、估值倍数和统计基准比较。支持A股、港股、美股市场的上市公司分析。输入单一公司问句后，调用可比公司接口并生成主题化Excel报告。适用于快速对比目标公司与同业在经营、财务、估值维度的差异。

构建 Skill/Agent 系统的设计原则与质量检查清单。当用户要求设计、创建、审查或优化任何 Skill 或 Agent 时自动加载。

Skip the learning curve of professional editing software. Describe what you want — add captions in English and Spanish — and get captioned video files

使用此技能将文本或图片生成为动画视频片段。支持 PNG、JPG、MP4、GIF 文件，最大 200MB。面向内容创作者、营销人员和独立动画师。

摩天轮(MTL)开放平台接口二次封装技能。当用户需要对接MTL开放平台接口、创建MTL HTTP接口、封装摩天轮API时触发。支持自动检测并添加mtl-open-sdk-consumer依赖、初始化ApiClient Bean、创建MtlRestController、根据原生接口定义生成HTTP接口

实现 mHC (Manifold-Constrained Hyper-Connections，流形约束超连接) 技术，用于稳定深度神经网络的训练过程。该算法通过引入流形约束来改进残差连接，提升网络训练的稳定性和收敛速度。适用于需要增强深度网络训练稳定性的场景。

多目标优化工具，使用Pareto前沿技术同时优化多个冲突目标，寻找权衡解决方案。适用于需要平衡多个相互制约指标的复杂优化场景，如工程设计、机器学习超参数调优、资源分配等。

使用 joblib 进行并行处理、网格搜索和批量计算。适用于需要跨多个 CPU 核心加速计算密集型任务的场景。