Token导航 LogoToken导航

Agent Skill · 效率

apollo-renal(阿波罗肾)

apollo-renal 用于补充效率相关能力,适合在 OpenClaw 中需要让 Agent 承接效率相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

apollo-renal 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为只读;许可证为 MIT-0,第三方扫描已通过,按安装量在效率类的 21,003 个 Skill 里排第 14,195。

总安装 3,461周安装 140GitHub Stars 公开资料未说明下载 1,086核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
2.0.0

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:apollo-renal(阿波罗肾)
来源仓库:https://github.com/nic-yuan/apollo-renal
安装命令:
openclaw skills install apollo-renal
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install apollo-renal

这个 Skill 是做什么的

效率类 Skill 把重复的整理、汇总、转换工作交给助手完成,减少手工复制粘贴。

apollo-renal 像肾脏一样过滤无用信息,保留关键内容。适用于 OpenClaw 中处理大量文本时的信息筛选需求。使用 clawhub 安装命令部署,细节请见源码说明。需评估其对输入敏感度和误判风险后再投入正式使用。建议配合人工审核机制以保障过滤准确性。

apollo-renal 属于效率类 Skill,可作为该场景下的辅助能力补充。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install apollo-renal;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它标注为只读,先用只读任务试一次,确认行为符合预期再扩大使用范围。

常见问题

6 条

apollo-renal 怎么安装?

在终端执行 openclaw skills install apollo-renal。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

apollo-renal 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

apollo-renal 需要什么权限?

权限级别是只读。该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

apollo-renal 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

apollo-renal 用的人多吗?

公开数据是累计安装 3,461 次,近一周安装 140 次,下载 1,086 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

apollo-renal 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。
  • 标注为只读权限,试用阶段不容易误改本地文件。

先想清楚的地方

  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理效率类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

效率类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
github

GitHub 代码协作 · OpenClaw

7,632,918545需要联网MIT-0通过
nano-pdf

Nano PDF 文档 · OpenClaw

4,249,476231需要联网MIT-0通过
auto-updater

自动更新程序 · OpenClaw

2,964,063386操作浏览器MIT-0通过
video-frames

视频帧 · OpenClaw

2,621,304112需要联网MIT-0通过
gemini

Gemini 助手 · OpenClaw

2,547,39648需要联网MIT-0有提醒
apollo-renal

阿波罗肾 · 本页

3,461—只读MIT-0通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
apollo-renal
description
>
version
2.0.0
read_when
metadata
openclaw
emoji
🫘
requires
bins
[]
env
[]
triggers
suite
apollo

Apollo Renal — 上下文实时过滤系统

核心准则

AI的上下文管理应该像肾脏维护血液:持续过滤废物,保留有用物质,维持体内平衡。

肾脏的核心功能:

  • 过滤:把血液中的废物分离出来
  • 选择性重吸收:有用的东西(葡萄糖、氨基酸)全部回收
  • 浓缩:把废物集中在尿液中排出
  • 维持酸碱平衡:保持血液pH稳定

对应的AI映射:

  • 过滤:识别上下文中的噪音(重复、废话、中间过程)
  • 选择性重吸收:确保关键决策、用户偏好、进行中任务不被删除
  • 浓缩:把多轮相同表达压缩为一句
  • 酸碱平衡:监控对话情绪,发现失衡及时介入

与apollo-dream的关系

apollo-dream  = 睡眠时的记忆巩固(长期投资)
apollo-renal  = 清醒时的实时过滤(短期维护)

协作模式:
  renal(过滤)→ dream(巩固)→ renal(再过滤)
  ↑_________________________|(循环)

apollo-renal是"预防",apollo-dream是"治疗"。

触发条件

自动触发

  • Token使用率 > 50%
  • 每次心跳时检测(apollo-circadian的午后低谷期优先触发)

手动触发

  • 用户主动说:整理上下文、清理噪音、太长了

四步过滤流程

Step 1: 上下文透析(只读,不删除)
  → 扫描对话历史
  → 识别关键信息(必须保留):
    - 决策(decisions)
    - 用户偏好(preferences)
    - 进行中任务(active tasks)
    - 未解决问题(open questions)
  → 识别废物(可以清除):
    - 重复确认("好的"/"收到"/"OK"等礼仪性回复)
    - 中间过程(探索性讨论的中间步骤)
    - 冗余表达(同一意思多轮重复)
    - 过时信息(已解决但仍留在上下文中)

Step 2: 选择性重吸收
  → 检查"废物"中是否有误判(漏网的重要信息)
  → 对被误标的重要信息进行抢救性保留

Step 3: 尿液浓缩
  → 多轮相同意思 → 一句话概括
  → 重复表达 → 保留一个
  → 长解释 → 提炼核心观点

Step 4: 酸碱平衡检查
  → 对话情绪是否失衡:
    - 连续质疑(多轮追问同一问题)
    - 连续负面(语气持续负面)
    - 连续偏离(话题持续漂移)
  → 如果失衡 → 建议apollo-dream介入深度整理

五类上下文元素分类

类型说明处理方式
决策明确结论/决定✅ 必须保留
偏好用户喜好/习惯✅ 必须保留
进行中任务未完成的任务✅ 必须保留
中间过程探索/讨论/推理⚠️ 可压缩或删除
噪音重复/礼仪/废话❌ 删除

输出格式

🫘 [apollo-renal] 上下文净化报告

过滤前状态:
  - 总token估计:X
  - 有效信息密度:Y%

过滤操作:
  ✅ 保留:决策X项 / 偏好X项 / 进行中任务X项
  ❌ 删除:重复确认X个 / 中间过程X项 / 噪音X项

过滤后状态:
  - 总token估计:X'
  - 有效信息密度:Y'%(提升Z%)

节省率:X% token

平衡状态:
  🟢 对话正常
  🟡 连续质疑/负面/偏离,需注意
  🔴 失衡严重,建议apollo-dream深度介入

下一步建议:[继续当前任务 / 触发apollo-dream / 等待用户确认]

重要约束

❌ 不删除:
  - 任何决策记录
  - 用户明确表达的偏好
  - 进行中任务的当前状态
  - 未解决问题的当前状态

✅ 可以删除:
  - 重复确认(礼貌性回复)
  - 中间探索过程
  - 已过时的临时信息
  - 多轮重复表达

⚠️ 需要确认才删除:
  - 不确定重要与否的内容
  - 跨会话关联(可能有用但不确定)

实施文件

文件作用
scripts/renal/renal-check.sh上下文过滤检测脚本
scripts/heartbeat-logger.sh已集成renal检测
.renal/filter-state.json当前过滤状态
.dream/task-state.json参考:进行中任务数
.dream/topic-state.json参考:活跃话题数
skills/apollo-renal/SKILL.md本文档

v1 实施规格

过滤检测脚本

# 手动运行
bash scripts/renal/renal-check.sh

# 输出示例
🫘 [apollo-renal] 上下文净化报告
当前状态:
  - Token估算:153
  - 有效信息密度:100%
  - 重复确认:0次
  - 进行中任务:0个
  - 活跃话题:1个

🟢  上下文状态正常

阈值定义

指标警告阈值说明
Token估算> 50000警告
有效信息密度< 50%警告
重复确认次数> 5次警告

触发过滤条件:≥2项超标

集成到心跳

每次心跳自动运行,结果写入 .renal/filter-state.json。 日志中附带renal状态:

🫘 上下文正常  /  🫘 上下文需过滤(节省X%)

主AI调用方式

当 heartbeat-realtime.json 显示需要过滤时,主AI执行六步过滤流程:

  1. 扫描上下文,识别有用/废物
  2. 选择性保留重要内容
  3. 执行过滤
  4. 写入快照(只对重要内容)
  5. 压缩上下文
  6. 报告节省率

与apollo-dream的协作

场景顺序说明
上下文略长renal先跑快速过滤
上下文很长需深度整理renal先跑,dream后跑先过滤再巩固
由谁决定AI根据上下文判断Q6确认

v1 验收标准

  • [x] 每次心跳时正确报告上下文状态
  • [x] 集成到心跳日志
  • [x] Token/密度/确认三项阈值已定义
  • [ ] 过滤后决策记录完整保留(待实施过滤流程)
  • [ ] Token节省率可量化(待实施过滤流程)
  • [ ] 重要内容快照机制(待实施过滤流程)

待决策事项(已全部确认 ✅)

✅ 2026-04-06 袁文同确认
  • Q5 有效信息密度标准:AI判断 + 用户共同定义(AI先判断,用户有最终确认权)
  • Q6 与dream的执行顺序:听AI的,根据上下文决定谁先跑
  • Q7 误删恢复:只对重要内容(决策/偏好/任务状态)做快照,普通内容不写快照

平台分布

OpenClaw

95.02%
按下载量换算1,032

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills