Token导航 LogoToken导航

Agent Skill · 研究检索

chat-refiner(聊天优化器)

chat-refiner 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。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。

chat-refiner 是研究检索类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为需要联网;许可证为 MIT-0,第三方扫描有提醒项,按安装量在研究检索类的 73,675 个 Skill 里排第 12,415。

总安装 10,282周安装 420GitHub Stars 公开资料未说明下载 3,326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
0.1.0

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:chat-refiner(聊天优化器)
来源仓库:https://github.com/sslisen/chat-refiner
安装命令:
openclaw skills install chat-refiner
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 chat-refiner

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

优化对话历史记录,删除冗余信息以保留关键指令和重要学习内容。适合在 OpenClaw 中需要精简上下文、提升推理效率的场景下使用。通过 clawhub 安装,调用时自动分析并压缩过往对话内容。安装前建议确认对话数据敏感性及是否需要脱敏处理后再压缩。注意该技能不修改原始对话,仅输出优化后的摘要供后续使用。

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 chat-refiner;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

    它需要需要联网,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

chat-refiner 怎么安装?

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

chat-refiner 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。

chat-refiner 需要什么权限?

权限级别是需要联网。该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

chat-refiner 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。

chat-refiner 用的人多吗?

公开数据是累计安装 10,282 次,近一周安装 420 次,下载 3,326 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。

chat-refiner 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

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。

先想清楚的地方

  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 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。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
chat-refiner

聊天优化器 · 本页

10,282—需要联网MIT-0有提醒

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
chat-refiner
description
Refine conversation history by deleting useless/redundant/process exchanges. Keep explicit instructions, disciplines, important configs, skills learned (how), user 'remember this' info. Use when user asks to summarize/clean chat logs, sessions_history, or memory maintenance. Produces concise MEMORY.md updates or summary files.

Chat Refiner

When to Use

User requests:

  • "精简聊天记录"
  • "clean/summarize history"
  • "update MEMORY.md from transcripts"
  • Memory maintenance during heartbeats.

Workflow

  1. Input: sessions_history (this session or other), memory/*.md, chat transcripts.
  2. Principles (see references/principles.md):

- Delete casual/heartbeats/repeated tools. - Keep: disciplines, configs, skills learned/install, explicit "remember", decisions.

  1. Process:

- Read raw. - Extract key. - Write summary to memory/YYYY-MM-DD-summary.md or MEMORY.md.

  1. Output: Clean file + "Refined X items kept".

Tools

  • sessions_history: fetch transcripts.
  • memory_search/get: prior context.
  • write/edit: output summary.

Examples

User: "精简对话" → read history → refine → write memory/summary.md.

Ref: principles.md

平台分布

OpenClaw

84.3%
按下载量换算2,804

安全审计

VirusTotal

通过

ClawScan

可疑

Static analysis

未展示

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

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。来源安全扫描存在提醒或未通过项,安装前请自行复核。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