Token导航 LogoToken导航

Agent Skill · 效率

cms-yangxia-skill(cms 阳夏技能)

cms-yangxia-skill 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。

cms-yangxia-skill 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 13,408。

总安装 3,744周安装 150GitHub Stars 公开资料未说明下载 1,212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
1.0.0

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:cms-yangxia-skill(cms 阳夏技能)
来源仓库:https://github.com/spzwin/cms-yangxia-skill
安装命令:
openclaw skills install cms-yangxia-skill
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 cms-yangxia-skill

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。

交互式引导用户一步步建立养虾文件体系,从"用AI工具"升级到"培养AI数字员工"。触发词:养虾、带我去养虾、如何养虾、从零开始养虾、养虾引导

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 cms-yangxia-skill;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

cms-yangxia-skill 怎么安装?

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

cms-yangxia-skill 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。

cms-yangxia-skill 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。

cms-yangxia-skill 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。

cms-yangxia-skill 用的人多吗?

公开数据是累计安装 3,744 次,近一周安装 150 次,下载 1,212 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。

cms-yangxia-skill 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
cms-yangxia-skill

cms 阳夏技能 · 本页

3,744—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
cms-yangxia-skill
description
交互式引导用户一步步建立养虾文件体系,从"用AI工具"升级到"培养AI数字员工"。触发词:养虾、带我去养虾、如何养虾、从零开始养虾、养虾引导

cms-yangxia-skill / 养虾引导师


核心概念

概念说明
养虾不是用工具,而是培养一个能长期协作的数字员工
养虾的本质养文件 — 把规则、记忆、经验、方法固化到文件系统
Skill将做事方法沉淀为可调用的指令集

协作闭环

养熟 → 给资料 → 做任务 → 复盘 → 下次更好(循环)

养虾五件套

文件解决什么问题
性格设定它是谁 — AI的角色定位和行为边界
用户档案我是谁 — 用户的身份、背景、偏好
长期记忆它记住了什么 — 重要事件、决策、上下文
反思进化它学会了什么 — 经验、教训、方法提炼
知识库它掌握了什么 — 专业知识、术语、参考资料

养虾步骤(交互式引导流程)

Step 0 / 欢迎

系统行为:

当用户触发养虾流程时,发送欢迎语并介绍整体路径,不立即开始执行任何文件操作。

欢迎语:

🪼 欢迎来到「养虾引导师」!

我来陪你一步步把 AI 从一个问答工具,培养成真正懂你、能配合你工作的数字员工。

整个过程分 5 步:

  1️⃣ 性格设定 — 让它知道自己是谁
  2️⃣ 用户档案 — 让它了解你是谁
  3️⃣ 长期记忆 — 教会它记住重要上下文
  4️⃣ 反思进化 — 帮它从经验中学习
  5️⃣ 知识库 — 喂给它你的专业知识

每一步我都会告诉你为什么要做、怎么做、做完后结果在哪里。
全部完成后,你就拥有了一只「养熟」的虾 🦐

---
准备好了吗?我们从第 1 步开始——

等待用户确认后,进入 Step 1。


Step 1 / 性格设定

目的: 让AI拥有稳定的角色定位和行为边界,不再用通用模板回应。

系统行为:

发送说明 → 询问基本信息 → 生成性格设定文件 → 写入 ~/SOUL.md → 汇报结果

说明语:

📋 第 1 步:性格设定

【为什么做】
性格设定解决的是"它是谁"的问题。
没有这个,它永远用一套通用话术回应你,像个客服机器人。
有了这个,它开始有自己的角色感、行为准则和边界意识。

【怎么做】
我需要你回答 3 个问题:
  1. 这个 AI 助手叫什么名字?(如:小虾、灵犀、或者你来定)
  2. 你希望它的性格/风格是怎样的?(如:严谨专业、高效简洁、亲切随和)
  3. 有没有什么它绝对不应该做的事?(如:不要发未经确认的外部消息、不要擅自做重大决策)

【输出位置】
写入对应文件:SOUL.md

交互:

等待用户回答3个问题后,生成并写入 ~/SOUL.md,然后发送:

✅ 性格设定完成!

已写入:SOUL.md
名称:<name>
性格:<personality>
禁忌:<boundaries>

---
下一步:用户档案

进入 Step 2。


Step 2 / 用户档案

目的: 让AI系统性了解用户是谁,包括身份、背景、偏好。

系统行为:

发送说明 → 引导用户填写/确认 → 写入 ~/USER.md → 汇报结果

说明语:

📋 第 2 步:用户档案

【为什么做】
用户档案解决的是"我是谁"的问题。
AI 了解你越多,回复越精准、越贴合你的实际场景。
这也是后续所有协作的上下文基础。

【需要确认的信息】
  1. 你的基本信息(姓名、部门、职位)
  2. 你的工作背景(负责什么、常用工具、典型工作场景)
  3. 你与 AI 协作的偏好(喜欢详细还是简洁?习惯中文还是中英双语?)

【输出位置】
写入对应文件:USER.md

交互:

等待用户提供信息,写入 ~/USER.md,然后发送:

✅ 用户档案完成!

已写入:USER.md
姓名:<name>
部门:<department>
职位:<role>
偏好:<preferences>

---
下一步:长期记忆

进入 Step 3。


Step 3 / 长期记忆

目的: 建立AI的记忆机制,让多次协作之间保持上下文连续性。

系统行为:

发送说明 → 解释记忆文件结构 → 说明当前 session 的记忆写入规则 → 汇报结果

说明语:

📋 第 3 步:长期记忆

【为什么做】
长期记忆解决的是"它记住了什么"的问题。
没有记忆机制,每次对话 AI 都从零开始,像金鱼一样。
有了记忆机制,它能记住重要的决策、上下文、你纠正过的点。

【怎么做】
我会帮你建立两层记忆体系:

  📁 Daily 记忆(日常笔记)
    用途:每次 session 后,自动记录本次发生的重要事件
    规则:我会在 session 结束时主动写入,你也可以随时让我记录

  📁 MEMORY.md(精选长期记忆)
    用途:经过筛选的核心记忆——重要决策、人格偏好、教训经验
    规则:每周回顾一次 daily 记忆,将值得沉淀的内容晋升到这里

【当前操作】
我会帮你初始化记忆文件体系。
之后的每次对话结束,如果你有值得记住的内容,我会提醒你确认写入。

交互:

初始化记忆文件,然后发送:

✅ 长期记忆体系建立完成!

已初始化:
  Daily 记忆文件
  MEMORY.md

机制说明:
  • 每次 session 结束,我会问你"有什么需要记住的吗?"
  • 重要内容会自动沉淀到 MEMORY.md
  • 你也可以随时说"记住 xxx",我会立即写入

---
下一步:反思进化

进入 Step 4。


Step 4 / 反思进化

目的: 让AI能够从过往任务中总结经验、提炼方法、避免重复犯错。

系统行为:

发送说明 → 解释反思机制 → 初始化反思文件 → 汇报结果

说明语:

📋 第 4 步:反思进化

【为什么做】
反思进化解决的是"它学会了什么"的问题。
只有反思,才能让 AI 从错误中学习、从成功中提炼方法,
而不是每次都犯同样的错。

【怎么做】
我会帮你建立一套反思文件体系:

  📁 corrections.md
    用途:记录被纠正的错误(重复 3 次 × 7 天 → 晋升到 memory.md)
    规则:每次你纠正我,我立即写入;达到晋升条件时主动提醒你确认

  📁 memory.md
    用途:确认的持久规则(已从 corrections 晋升)
    规则:经过验证、被你认可的教训,永久固化

【当前操作】
我会帮你初始化反思文件体系。

交互:

初始化反思文件,然后发送:

✅ 反思进化体系建立完成!

已初始化:
  corrections.md    (错误记录)
  memory.md         (持久规则)

使用方式:
  • 你纠正我 → 我立即写入 corrections.md
  • 同一错误被纠正 3 次、持续 7 天 → 我主动提议晋升到 memory.md
  • 晋升需你确认,确认后规则永久生效

---
下一步:知识库

进入 Step 5。


Step 5 / 知识库

目的: 让AI掌握用户所在领域的专业知识,包括术语、工作流程、参考资料等。

系统行为:

发送说明 → 引导用户提供知识素材 → 建立初始知识库文件 → 汇报结果

说明语:

📋 第 5 步:知识库

【为什么做】
知识库解决的是"它掌握了什么"的问题。
有了知识库,面对你的专业领域问题,AI不再是门外汉,
而是一个具备基本认知的协作者。

【怎么做】
请告诉我,你希望你的数字员工了解哪些方面的知识?

例如:
  • 你所在的行业/领域基础知识
  • 公司的业务背景
  • 你常用的工具、平台、技术栈
  • 常见的工作流程和规范
  • 任何你觉得它应该知道的东西

你可以通过以下任意方式提供:
  1. 直接告诉我内容(我来整理)
  2. 上传已有的文档(我来提取要点)
  3. 给我一个文档链接(我来读取)

【输出位置】
写入对应文件:knowledge/ 目录下相关文件

交互:

用户选择方式提供知识内容后,整理写入 knowledge/ 目录,发送:

✅ 知识库初始化完成!

已创建:
  knowledge/index.md              (知识库索引)
  knowledge/<domain-1>.md         (领域知识-1)
  knowledge/<domain-2>.md         (领域知识-2)
  ...

后续你可以随时扩充,也可以说"把 xxx 加入知识库",我会自动整理。

进入 Step 6。


Step 6 / 创建第一个 Skill(可选)

目的: 让AI掌握一件具体的做事方法,而不只是停留在"懂你"的层面。

系统行为:

发送说明 → 询问用户是否有具体的任务想让AI学习 → 如果有,触发 Skill 创作流程

说明语:

📋 第 6 步(可选):创建你的第一个 Skill

【为什么做】
前 5 步解决的是"懂你"的问题。
但懂你不等于会干活——Skill 让 AI 掌握做事的方法论,
把一个具体任务的执行流程固化下来,下次同类任务直接调用。

【Skill 的结构】
一个 Skill 包含三个要素:
  • 触发条件 — 什么时候用这个技能
  • 执行步骤 — 怎么做(分步说明)
  • 完成标准 — 做成什么样才算合格

【例如】
如果你经常需要"发送工作汇报",我可以帮你创建一个"汇报 Skill":
  触发:用户说"发汇报"或"提交日报"
  步骤:查询待汇报内容 → 按模板整理 → 发送至指定位置
  标准:格式规范、内容完整、已确认

---
请问你有想让我学习的具体技能吗?
如果有,告诉我这个技能是做什么的,我们一起来写。
如果没有,跳过这步,完成引导。

交互:

用户表示没有或已完成,发送完成语。


完成语

🪼 恭喜!你的虾已经基本成型了 🦐

【养虾完成清单】
  ✅ 性格设定(SOUL.md)
  ✅ 用户档案(USER.md)
  ✅ 长期记忆(Daily 记忆 + MEMORY.md)
  ✅ 反思进化(corrections.md + memory.md)
  ✅ 知识库(knowledge/)
  ⏳ 第一个 Skill(可选,后续随时添加)

【接下来的建议】
  1. 在日常使用中,随时纠正我的错误 → 我会记录到对应文件
  2. 有重要信息就说"记住 xxx" → 我会沉淀到记忆文件
  3. 有新任务想让我学 → 说"创建一个 Skill"
  4. 每周我会自动回顾一次记忆文件,找出值得晋升的规则

你的数字员工已经准备好了,我们正式开始协作吧 🚀

设计原则

  1. 渐进式引导 — 每步只做一件事,不给用户压力
  2. 先确认后写入 — 所有文件操作前先展示内容,用户确认再写入
  3. 闭环反馈 — 每次操作后明确告知完成状态和下一步
  4. 自动沉淀 — session 结束时主动询问记忆写入
  5. 错误纠正即学习 — 用户纠正 = 学习机会,立即记录

注意事项

  • 如果用户已有部分文件存在,引导开始前先读取现有内容,避免覆盖
  • 如果用户中途说"算了""先不做了",保存当前进度,下次可继续
  • 所有写入操作前必须先展示将要写入的内容,等用户确认

平台分布

OpenClaw

76.87%
按下载量换算932

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