最近爆火的 OpenClaw Skills 合集开源了!已收录 700+!

在介绍这份令人眼花缭乱的“武器库”之前,先给还不了解 OpenClaw 的朋友补个课。

简单来说,OpenClaw 是目前 GitHub 上最火的本地化 AI Agent 平台(前身是 Clawd/Moltbot)。不同于只能在网页里陪聊的 ChatGPT,OpenClaw 是一个运行在你电脑终端里的“数字管家”。

  • 本地优先:直接运行在你的 Mac/Linux/Windows 上,数据不出本地,拥有 Docker 沙箱级安全保护。
  • 全渠道接入:你可以通过 WhatsApp、Telegram、Slack 甚至 iMessage 随时指挥它。
  • 行动派:它不只是给你建议,而是能直接读写文件、运行命令、调用 API。

如果说 OpenClaw 是一个强悍的操作系统,那么下面要介绍的 Skills,就是让它无所不能的 App。

最近,GitHub 上出现了一个名为 awesome-openclaw-skills 的仓库,瞬间冲上了热榜。

这是 OpenClaw 的「App Store」时刻。

这个仓库收录了超过 **700+**(实际上最新统计已超 1700+)个社区贡献的技能插件。

有了这些技能,你的 AI 不再是一个只会陪聊的对话框,它突然有了“手”和“眼”,能操控浏览器、管理服务器、甚至帮你点外卖。

以前我们用 ChatGPT,流程是这样的:

  1. 问 AI:“怎么配置 Nginx?”
  2. AI 给你一段代码。
  3. 你复制出来,自己去终端执行,报错了再问它。

装上技能后的 OpenClaw,流程是这样的:

  1. 告诉 AI:“帮我配置一下 Nginx,反向代理到 3000 端口。”
  2. AI 直接调用 ssh 或 docker 技能,连上服务器,改好配置文件,重启服务。
  3. 告诉你:“搞定了,你去看看吧。”

这就是 Skills(技能) 的魔力。

在这个 GitHub 仓库里,开发者们已经把 OpenClaw 武装到了牙齿。我看了一圈,简直是“只有想不到,没有做不到”。

这份清单按领域分成了几十个类别,我挑几个最硬核的带大家看看:

1. 真正的“全自动”上网冲浪

  • **browser-use / playwright-cli**:这可能是最强的一个类目。给 AI 装上这个,它就能像人一样操作 Chrome 浏览器。你可以让它“去亚马逊上把最近 30 天的订单导出来”,或者“每天早上 9 点去抢一张演唱会门票”。
  • **firecrawl**:想做竞品分析?让 AI 自动爬取指定网站的所有页面,提取数据并生成报表。

2. 运维工程师的“替身”

  • **docker / kubernetes**:直接通过自然语言管理容器集群。
  • **cloudflare / vercel**:一句话部署网站,配置 DNS。
  • **aws-infra**:你甚至可以让它帮你审计 AWS 账号的安全隐患,或者自动扩容服务器。

3. 打工人的“摸鱼神器”

  • **google-calendar / notion**:让 AI 帮你管理日程,自动在 Notion 里整理会议纪要。
  • **linear / jira**:自动创建任务卡片,甚至让 AI 帮你把分配给你的 Bug 先修了(前提是它会写代码)。
  • **slack / discord**:它能替你在公司群里自动回复一些无关紧要的消息,或者监控特定的关键词。

4. 甚至还能...管生活?

  • **spotify**:写代码累了?跟它说“来点爵士乐”,它直接控制你的 Spotify 播放。
  • **shopping-expert**:全网比价,甚至在某些支持的平台上自动下单(需谨慎配置支付权限!)。
  • **home-assistant**:连上家里的智能家居,一句话关灯、开空调。

极简的安装体验

以前给 AI 装插件可能需要复杂的配置,但 OpenClaw 把这个体验做到了像 npm 一样简单。

仓库里的大部分技能都托管在 ClawHub 上。你只需要在终端对着 OpenClaw 说,或者直接输入命令:

# 安装浏览器自动化技能 npx clawhub install browser-use # 安装 Docker 管理技能 npx clawhub install docker-essentials

就像给手机装 App 一样简单。安装完不需要重启,Agent 会立刻学会这个新技能。


OpenClaw 通过开源社区的力量,用这 700+ 个插件,填平了“AI 意图”和“实际行动”之间的鸿沟。

当你的 AI 拥有了操作系统的权限,拥有了访问互联网的能力,拥有了调用万物 API 的接口,它就不再是一个 Chatbot,而是一个真正的 Digital Employee(数字员工)

建议大家去 Star 一下这个仓库:github.com/VoltAgent/awesome-openclaw-skills

别让你的 OpenClaw 裸奔了!

Read more

【Python基础:语法第一课】Python 基础语法详解:变量、类型、动态特性与运算符实战,构建完整的编程基础认知体系

【Python基础:语法第一课】Python 基础语法详解:变量、类型、动态特性与运算符实战,构建完整的编程基础认知体系

🎬 个人主页:艾莉丝努力练剑 ❄专栏传送门:《C语言》《数据结构与算法》《C/C++干货分享&学习过程记录》 《Linux操作系统编程详解》《笔试/面试常见算法:从基础到进阶》《Python干货分享》 ⭐️为天地立心,为生民立命,为往圣继绝学,为万世开太平 🎬 艾莉丝的简介: 文章目录 * 1 ~> 常量和表达式 * 2 ~> 变量和类型 * 2.1 变量是什么 * 2.2 变量的语法 * 2.2.1 定义变量 * 2.2.2 使用变量 * 2.3 变量的类型:对于不同种类的变量作出区分 * 2.3.1 整数 * 2.

By Ne0inhk
AI的提示词专栏:Prompt 与 Python Pandas 的结合使用指南

AI的提示词专栏:Prompt 与 Python Pandas 的结合使用指南

AI的提示词专栏:Prompt 与 Python Pandas 的结合使用指南 该指南聚焦 Prompt 与 Pandas 结合的实践应用,先阐述二者结合的价值 —— 降低 Pandas 学习门槛、提升数据处理效率,接着梳理代码生成、解释、优化等 6 大核心应用场景及对应 Prompt 目标。随后详解高质量 Prompt 设计的五大原则,强调需精准描述数据结构、明确操作目标等要点。通过 5 个实战案例,从基础数据清洗到批量生成报表,展示 Prompt 设计、模型输出与结果验证全流程,并给出 8 个高频问题的解决方案。最后总结核心价值,提供扩展学习建议,助力读者掌握 “自然语言驱动数据处理” 能力,形成高效工作流。 人工智能专栏介绍     人工智能学习合集专栏是 AI 学习者的实用工具。它像一个全面的

By Ne0inhk
IPIDEA网页抓取API实战:全自动化实现eBay商品数据采集与Python接入

IPIDEA网页抓取API实战:全自动化实现eBay商品数据采集与Python接入

前言:跨境电商数据采集痛点与需求 随着跨境电商、数据驱动决策以及AI模型训练的需求不断增长,开发者与企业需要稳定、合规、可规模化 的网页数据抓取方案。但实际落地往往困难重重:高强度抓取、IP无法访问、JS渲染、数据格式不统一,这些让数据采集的技术门槛与成本居高不下。本篇将带你实操IPIDEA网页抓取API,并构建一个 可直接投入使用的eBay商品信息采集工具,一步步完成抓取、解析到下载的全过程,帮助你快速掌握全球电商数据采集的核心方法。 为什么需要网页抓取API 在跨境电商运营、市场竞品调研、AI模型训练等核心业务场景中,企业与开发者往往需要获取公开的电商商品信息、竞品动态等关键数据,但直接开展数据采集工作会面临三大核心痛点: 抓取门槛居高不下:Amazon、eBay等主流平台普遍部署了验证码校验、IP访问管理、JS动态渲染等多重抓取机制,若自研抓取系统,不仅需要持续投入人力进行技术突破与迭代,还会面临采集稳定性差、数据获取中断等问题,综合成本居高不下 合规风险难以规避:未经合规授权的公开数据采集行为,容易触碰GDPR、CCPA等国际数据合规法规;同时普通代理IP无法满足 “

By Ne0inhk
详解如何复现LLaMA 4:从零开始利用Python构建

详解如何复现LLaMA 4:从零开始利用Python构建

🧠 向所有学习者致敬! “学习不是装满一桶水,而是点燃一把火。” —— 叶芝 我的博客主页:https://lizheng.blog.ZEEKLOG.net 🌐 欢迎点击加入AI人工智能社区! 🚀 让我们一起努力,共创AI未来! 🚀 LLaMA 4 发布以来已经面临了大量的批评,但LLaMA 4 是继 Mistral 之后的一个新进展,展示了基于 MoE(Mixture-of-Experts,混合专家)模型的优势。 在本博客中,我们从零开始构建 LLaMA 4 的 MoE 架构,以了解它是如何实际构建的。 更多LLM图解内容可以查看 详解如何复现DeepSeek R1:从零开始利用Python构建 详解如何从零用 Python复现类似 GPT-4o 的多模态模型 复现BPE 以下是我们在GPU 上训练的 220 万参数的 LLaMA MoE 在一个微小的英语数据集上训练

By Ne0inhk