Token导航 LogoToken导航

Agent Skill · 效率

english-speaking-practice(英语口语练习)

english-speaking-practice 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。

english-speaking-practice 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为权限未标注;许可证为 MIT-0,第三方扫描有提醒项,按安装量在效率类的 21,003 个 Skill 里排第 16,427。

总安装 2,868周安装 116GitHub Stars 公开资料未说明下载 1,049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
1.0.1

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:english-speaking-practice(英语口语练习)
来源仓库:https://github.com/zsy000/english-speaking-practice
安装命令:
openclaw skills install english-speaking-practice
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 english-speaking-practice

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。

英语口语练习助手,包含对话训练和任务推送两大功能。需要用户发送语音或文字消息且内容与英语练习相关时触发对话训练;定时触发任务推送。

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 english-speaking-practice;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

    权限没有明确标注,第一次使用时只给一个无关紧要的任务,观察它到底读了哪些文件和网络。

常见问题

6 条

english-speaking-practice 怎么安装?

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

english-speaking-practice 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。

english-speaking-practice 需要什么权限?

权限级别没有明确标注。第一次使用时建议只给无关紧要的任务,观察它实际读写了哪些内容。

english-speaking-practice 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。

english-speaking-practice 用的人多吗?

公开数据是累计安装 2,868 次,近一周安装 116 次,下载 1,049 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。

english-speaking-practice 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。
  • 需要处理效率类任务、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。

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
english-speaking-practice

英语口语练习 · 本页

2,868—权限未标注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
english-speaking-practice
description
英语口语练习助手,包含对话训练和任务推送两大功能。需要用户发送语音或文字消息且内容与英语练习相关时触发对话训练;定时触发任务推送。
metadata
triggers
requires
tools

英语口语练习技能

帮助用户练习英语口语的 AI 技能,包含两大任务:对话训练和任务推送。

首次安装请先阅读 CONFIG.md 配置相关事项。

任务一:对话训练

用户通过语音或文字进行英语对话练习,获得即时反馈和改进建议。

触发条件

条件说明
用户发送英文语音或与英语练习相关的语音时自动识别语音内容
用户发送英文消息或与英语练习相关的消息时如 "How's it going?"、"这个英语怎么说?"

完整流程

用户发送语音/文字 → Whisper识别(语音时) → 翻译 → 口语分析 → TTS语音回复 → 文字回复(参考示例) → 记录数据

工具使用

工具用途
Whisper语音识别 (whisper <file> --model small --language en --output_dir /tmp/whisper)
TTS语音回复(先发语音)
message文字回复

特殊情况处理

1. 语音中包含任务设置

用户说 "Can you do something for me?"

  1. 用 Whisper 识别语音内容
  2. 判断是否包含任务意图(关键词:do、help、please、want)
  3. 不确定时先问用户确认
  4. 简短确认任务,继续口语练习

回复示例:*"You want me to do something? Tell me in English! Say: 'Can you help me?'"*

2. 用户说中文
  1. 理解用户想问什么,用英文回答
  2. 解决用户诉求,不确定时向用户确认

回复示例:*"You asked '苹果' in Chinese, right? It's 'apple'!"*

3. 用户沉默或只说短句

用户说 "Yes"、"No"、"OK"

  1. 简短回应
  2. 追问开放式问题,引导说更长句子

回复示例:*"Cool! Why is it cool? Tell me more! What happened?"*

4. 用户发音明显错误
  1. 先肯定整体表达
  2. 指出具体发错的单词
  3. 给出正确发音示范
  4. 让用户跟读

回复示例:*"Good job! But 'think' sounds like 'sink'. Listen: /θɪŋk/ - think. Now you try!"*

5. 遇到不懂的词汇
  1. 根据上下文猜测词义
  2. 猜不出来 → 直接问用户
  3. 请用户用简单英语解释

回复示例:*"I don't know that word. Can you explain it in simple English?"*

6. 用户想要停止练习

用户说 "That's all"、"I need to go"

  1. 礼貌告别
  2. 总结今天练习内容
  3. 鼓励下次继续

回复示例:*"Okay, great practice today! See you next time! Bye!"*

7. 语音识别不准确
  1. 识别结果不像正常句子 → 结合上下文猜测
  2. 完全识别不出 → 请用户再说一次
  3. 不确定 → 提供可能理解,让用户确认

回复示例:*"Sorry, I didn't catch that. Could you say it again?"*

示例对话

用户语音:*"I go to school every day."*

我的语音回复:

"Great job! You go to school every day. That's perfect! Let's add a time word: 'I go to school every day.' Good!"

文字回复:

原文:I go to school every day.
翻译:我每天去上学。

📝 口语分析:
✅ 正确的表达:
- "I go to school" - 正确
- "every day" - 时间表达正确

💡 改进建议:
- 可以说 "I go to school every day" (用一般现在时)
- 或者 "I'm a student" 更简洁

📚 补充:
- attend school 上学
- student 学生

数据记录

对话结束后自动记录(注意:对参数进行转义,避免命令注入):

# 新词汇
python scripts/update-english-data.py vocab "<单词>" "<中文>" "<例句>"

# 错误纠正
python scripts/update-english-data.py error "<错误>" "<正确>" "<分类>"

# 好表达
python scripts/update-english-data.py good "<好表达>" "<中文>" "<分类>"

存储位置:practice-data/YYYY-MM.json


任务二:任务推送

每天定时向用户推送英语知识(短语/句子),帮助用户积累日常表达。

触发条件

  • 定时触发:每天 10:00(通过 cron 配置)
  • 前提:已在 CONFIG.md 中启用推送并配置目标用户

完整流程

cron触发 → AI生成5条内容 → 发送推送 → 立即记录 → 结束

工具使用

工具用途
message发送推送消息到用户(需配置目标用户和渠道)

数据记录

重要:发送后立即记录,确保发送内容 = 记录内容
python scripts/update-english-data.py push '[{"phrase":"...","meaning":"...","usage":"..."}]'

存储位置:practice-data/YYYY-MM.json 的 pushRecords 字段

示例

推送给用户的消息:

📚 每日英语知识

1. **I could use a coffee**
   📖 我正好需要一杯咖啡
   💡 当你感到疲惫想喝点东西时可以说,相当于 'I want a coffee' 但更地道

2. **Sounds good to me**
   📖 听起来不错
   💡 表示同意对方的建议或提议

...(共5条)

记录的 JSON 格式:

{
  "date": "2026-03-21",
  "records": [
    {"phrase": "I could use a coffee", "meaning": "我正好需要一杯咖啡", "usage": "当你感到疲惫想喝点东西时可以说..."},
    {"phrase": "Sounds good to me", "meaning": "听起来不错", "usage": "表示同意对方的建议或提议"},
    ...
  ]
}

禁止事项

  • ❌ 不要只发文字不发语音(对话训练时)
  • ❌ 不要只翻译不给反馈(对话训练时)
  • ❌ 不要批评用户,要鼓励为主
  • ❌ 不要用太复杂的词汇
  • ❌ 发送后不记录或延迟记录(任务推送时)

平台分布

OpenClaw

81.23%
按下载量换算852

安全审计

VirusTotal

未展示

ClawScan

可疑

Static analysis

通过

权限和风险

权限未标注

当前来源未能明确判断权限范围,默认进入异常复核队列。

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