maxhub-wechat
微信数据查询助手。覆盖视频号和公众号两大模块,支持搜索、视频详情、评论、文章、用户等全功能。
把 Skill 的源码、资源快照、README、包体和安装信号放进一个可搜索、可筛选的公开目录。
微信数据查询助手。覆盖视频号和公众号两大模块,支持搜索、视频详情、评论、文章、用户等全功能。
由AI驱动的OpenClaw会话上下文管理
多 Agent 架构设计与智能 Spawn 系统。当需要设计多 Agent 系统、配置专业化 Agent、实现智能任务分发、或优化并发处理能力时使用此技能。
下载YouTube视频,支持自定义质量和格式选项。当用户请求下载、保存或抓取YouTube视频时使用此技能。支持多种质量设置(最佳、1080p、720p、480p、360p)、多种格式(mp4、webm、mkv)以及仅音频的MP3下载。
在网上研究主题,从多个来源收集信息,并总结发现。
查询捆绑的研究知识图谱以获取方法指导。通过三层知识库路由问题——为什么(研究声明)、如何(指南文档)、它看起来像什么(领域示例)——加上结构化的参考文档。返回基于研究的答案,这些答案基于具体的声明,并具有对用户系统的实际应用。触发词为“/ask”,“/ask [问题]”,“为什么我的系统...”,“我应该如何...”。
开发游戏的AI算法,包括寻路、决策树和机器学习集成。
基于自主代理的网页搜索回退机制,用于在网络搜索API失败或达到限制时使用
去AI味助手适合市场营销、运营、内容创作者、产品在用户提出“论文AI写的,帮我去掉AI味”这类问题,需要快速拆解目标、判断重点并形成可执行结果时使用,帮助基于输入材料生成AI 写作痕迹诊断、自然化改写稿、问题片段说明。
在会话压缩后或当上下文缺失但暗示需要继续时,自动恢复工作上下文。支持跨Discord、Slack、Telegram、Signal及其他支持的渠道使用。
针对OpenClaw的边缘优化RAG内存系统,支持语义搜索。自动加载内存文件,提供智能回忆,并通过相关上下文增强对话。非常适合Jetson和边缘设备(<10MB内存)。
-
团队中人工智能代理生成大部分实施输出的工程运营模型。
使用PyTorch和TensorFlow设计和构建具有各种架构的神经网络,包括CNN、RNN、Transformer以及注意力机制。
通过SiliconFlow API使用PaddleOCR模型的OCR技能。当用户要求“从图片中识别文本”、“从照片中提取文本”、“对这张图片进行OCR处理”、“从截图中读取文本”,或提到“PaddleOCR”、“图像文本识别”、“从图像中提取文本”时,应使用此技能。
分析媒体文件属性 - 时长、分辨率、比特率、编解码器和流信息
知识库的搜索自动完成功能和类型前缀建议优化
通过提高分辨率、清晰度和清晰性来改善图像质量,特别是截图。非常适合准备用于演示文稿、文档或社交媒体帖子的图像。
评估、优化和增强提示,使用58种经过验证的提示技术。当用户要求改进、优化或分析提示时使用;当提示需要更好的清晰度、具体性或结构时;或者在为不同用例生成提示变体时使用。涵盖了质量评估、针对性改进以及跨诸如CoT、少量样本学习、角色扮演等50多种技术的自动优化。
重新表述、纠正和扩展写作内容,根据上下文进行改进。当用户需要帮助时使用:(1)为了更清晰、调整语气或风格而重新表述文本;(2)纠正语法错误、打字错误或拼写错误;(3)将粗略的想法、要点或片段扩展为完整的散文。触发短语包括“重新表述这个”、“修正这段文字”、“帮我写”、“扩展这个想法”,或者直接提供需要改进的文本。
集成Affinda的文档AI API,从文档(发票、简历、收据、合同和自定义类型)中提取结构化数据。涵盖身份验证、客户端库(Python、TypeScript)、使用Pydantic模型和TypeScript接口的结构化输出、Webhooks、上传模式以及完整的文档地图。在使用Affinda解析、分类或从文档中提取数据构建集成时使用。
使用Surya进行GPU优化的OCR。在以下情况下使用:(1) 从图像/屏幕截图中提取文本,(2) 处理带有嵌入图像的PDF文件,(3) 多语言文档OCR,(4) 版面分析和表格检测。支持90多种语言,准确度是Tesseract的两倍。
维基百科文章搜索和检索
使用Google Gemini API分析视频(摘要、问答、带时间戳和视觉上下文的转录、场景/时间线检测、视频剪辑、FPS控制、多视频比较以及YouTube URL分析)。