AI（三）：OpenClaw

优质文章学习记录

— 2 min read

安装

curl -fsSL https://openclaw.bot/install.sh | bash

在这里插入图片描述

skill

方法一：使用 OpenClaw 自带的 53 个 Skills

列出所有技能

openclaw skills list

查看当前可用的skills

openclaw skills list --eligible

查看技能详细信息（技能介绍、技能细节、必备库）

openclaw skills info <技能名称>

启用技能

openclaw skills enable <技能名称>

禁用技能

openclaw skills disable <技能名称>

检查技能状态

openclaw skills check <技能名称>

方法二：ClawHub 安装（推荐）

安装 ClawHub 服务

使用 npm 安装

npm i -g clawhub

或使用 pnpm 安装

pnpm add -g clawhub

搜索技能

clawhub search “react”

安装技能

clawhub install
clawhub install --version <版本号> # 安装指定版本
clawhub install --force # 强制覆盖已存在文件夹

更新技能

clawhub update # 更新单个技能
clawhub update --all # 更新所有已安装技能

查看已安装技能

clawhub list

方法三：GitHub 手动安装

进入到工作区的Skills文件夹下

cd ~/.openclaw/workspace/skills

克隆技能仓库到本地

git clone https://github.com/BankrBot/openclaw-skills.git ./skills

方法四：直接对话安装

最简单的方式——直接告诉 OpenClaw 你要安装什么：

请帮我安装这个skills，github链接是 xxxx

安装后的安全检查
在安装任何第三方 Skills 之前，安全必须是第一优先级：

Skill-Vetter — 安装任何 Skills 之前，用它扫描检测恶意代码：

安装

clawhub install skill-vetter

使用

skill-vetter

Read more

【GitHub项目推荐--TypeTale（字字动画）：免费AIGC视频创作工具】非开源

简介 TypeTale （字字动画）是一款专为内容创作者打造的完全免费的AIGC创作软件，主要用于小说推文、AI短剧、AI电影制作。它集成了多种AI能力，提供从文案处理到视频生成的全链路创作支持，承诺现有功能与基础功能永久免费。 🔗 GitHub地址 ： https://github.com/TypeTale/TypeTale 🎬 核心价值 ： AIGC视频生成 · 小说推文 · AI短剧 · 完全免费 · 中文优化 项目背景 ： * 内容创作 ：短视频内容创作需求增长 * AIGC技术 ：AI生成内容技术成熟 * 成本控制 ：降低视频制作成本需求 * 中文优化 ：中文内容创作工具需求 * 开源生态 ：开源创作工具生态 项目特色 ： * 🆓 完全免费 ：永久免费使用 * 🇨🇳 中文优化 ：专为中文优化 * 🤖 AI集成 ：多AI能力集成 * 🎬 视频生成 ：全链路视频生成 * 🔧 易用性 ：简单易用界面 技术亮点 ： * 多模型支持 ：支持多种AI模型 * ComfyUI集成 ：深度ComfyUI集成 * 工作流系统
论文查重 AIGC 率高达 88.3%？paperxie 让你从 “学术红码” 到 “顺利通关”

论文查重 AIGC 率高达 88.3%？paperxie 让你从 “学术红码” 到 “顺利通关”

paperxie-免费查重复率aigc检测/开题报告/毕业论文/智能排版/文献综述/aippthttps://www.paperxie.cn/weight?type=1https://www.paperxie.cn/weight?type=1 在 AI 写作工具普及的今天，不少同学都遇到过这样的困境：用 AI 生成的论文初稿，AIGC 率检测直接飙到 80%+，被导师打回重写；或者明明是自己原创的内容，却因为 AI 辅助润色被判定为 “AI 生成”，面临学术不端的风险。 面对知网、维普等平台日益严格的 AIGC 检测，以及 Turnitin 对留学生论文的严苛审核，如何有效降低 AIGC 率，同时保证论文的学术性和原创性，成了当代学子的 “头等大事”。今天，

使用 LLaMA-Factory 微调 Qwen2.5 模型，并转换为 GGUF 格式部署

在开源大模型领域，Qwen 系列凭借强大的中文能力和友好的协议受到广泛欢迎。然而，直接使用基座模型往往无法满足特定业务场景的需求，需要通过微调来注入领域知识。微调后的模型如何高效部署？GGUF 格式是目前 llama.cpp 等推理后端广泛支持的格式，具有跨平台、内存映射等优点。本文将完整记录使用 LLaMA-Factory 微调 Qwen2.5-7B-Instruct 模型，并通过 llama.cpp 将微调后的模型转换为 GGUF 格式的全过程，并分享在转换过程中遇到的经典错误及其解决方案。 1.环境准备 我们在一台 Linux 服务器上操作，安装了 Conda 用于环境隔离。需要准备以下组件： Python 3.10 LLaMA-Factory（用于微调） llama.cpp（用于格式转换） transformers、peft、accelerate 等依赖库 1.1

Qwen3-Embedding-4B推荐方案：llama.cpp集成部署教程

Qwen3-Embedding-4B推荐方案：llama.cpp集成部署教程 1. 引言 1.1 通义千问3-Embedding-4B：面向未来的文本向量化模型 Qwen3-Embedding-4B 是阿里云通义千问（Qwen）系列中专为「语义向量化」设计的中等规模双塔模型，于2025年8月正式开源。该模型以4B参数量、2560维输出向量、支持32k长文本上下文为核心亮点，定位为兼顾性能与效率的企业级语义理解基础设施组件。 其在MTEB（Multilingual Task Evaluation Benchmark）三大子集上表现优异：英文74.60、中文68.09、代码73.50，均优于同尺寸开源embedding模型。更重要的是，它支持119种自然语言及主流编程语言，在跨语言检索、bitext挖掘等任务中达到官方评估S级水平。 得益于Apache 2.0开源协议，Qwen3-Embedding-4B可直接用于商业场景，无需额外授权，极大降低了企业构建多语言知识库、智能客服、文档去重系统的门槛。 1.2 部署目标：轻量化 + 高性能