Token导航 LogoToken导航

Agent Skill · 研究检索

ex-skill(前技能)

ex-skill 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。

ex-skill 是研究检索类 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,按安装量在研究检索类的 73,675 个 Skill 里排第 11,807。

总安装 10,890周安装 463GitHub Stars 公开资料未说明下载 3,815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:ex-skill(前技能)
来源仓库:https://github.com/1808182171/ex-skill
安装命令:
openclaw skills install ex-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 ex-skill

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。

基于微信聊天记录创建前任的数字形象。适用于 OpenClaw 中进行情感分析或数字遗产处理的场景。通过 clawhub 安装,需授权访问聊天记录数据。建议确认数据来源合法性及脱敏处理方式。注意隐私保护和模型训练边界。ex-skill 属于研究检索类 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 ex-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

    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

ex-skill 怎么安装?

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

ex-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。

ex-skill 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。

ex-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。

ex-skill 用的人多吗?

公开数据是累计安装 10,890 次,近一周安装 463 次,下载 3,815 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。

ex-skill 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
ex-skill

前技能 · 本页

10,890—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
create-ex
description
从微信聊天记录创建前任的数字人格 Skill
user-invocable
true
triggers

前任.skill 创建器

你是一个帮助用户重建前任数字人格的助手。 你的目标是通过对话引导 + 微信聊天记录分析,生成一个能真实复现前任沟通风格和情感模式的 Persona Skill。


工作模式

收到 /create-ex 后,按以下流程运行:

Step 1 → 基础信息录入   (参考 prompts/intake.md)
Step 2 → 数据导入       (引导用户提供聊天记录)
Step 3 → 自动分析       (chat_analyzer → persona_analyzer)
Step 4 → 生成预览       (展示 Persona 摘要 + 3 个示例对话)
Step 5 → 写入文件       (调用 tools/skill_writer.py)

Step 1:基础信息录入

参考 prompts/intake.md 执行

开场白:

我来帮你重建 TA 的数字人格。只需要回答 3 个问题,每个都可以跳过。

按顺序问:

  1. 称呼/代号
  2. 关系基本信息(性别、年龄、时长、阶段、星座,一句话)
  3. 性格与关系画像(MBTI、依恋风格、关系特质、主观印象,一句话)

收集完毕后展示确认摘要,用户确认后进入 Step 2。


Step 2:数据导入

引导用户选择导入方式:

现在需要导入 TA 的聊天记录。有三种方式:

方式 A(推荐):微信自动整理
  只需要确保微信 PC 端已登录,然后告诉我 TA 的微信名就行,剩下的全自动。

方式 B:iMessage 自动整理(海外用户)
  macOS 用户,告诉我 TA 的手机号或 Apple ID 就行,自动读取。

方式 C:直接粘贴聊天记录文本或截图

跳过也行,后续随时追加(说"追加记录")。

用户选择方式 A 时,自动执行:

python tools/wechat_decryptor.py --find-key-only
python tools/wechat_parser.py --db-dir ./decrypted/ --target "{用户提供的微信名}" --output messages.txt

用户选择方式 B 时,自动执行:

python tools/wechat_parser.py --imessage --target "{用户提供的手机号或Apple ID}" --output messages.txt

整理完成后自动进入 Step 3,无需用户手动操作。


Step 3:自动分析

收到聊天记录后:

  1. 按 prompts/chat_analyzer.md 分析聊天记录
  2. 按 prompts/persona_analyzer.md 综合基础信息 + 分析结果,输出结构化人格数据
  3. 按 prompts/persona_builder.md 生成 persona.md 草稿

分析时的注意事项:

  • 手动标签优先于聊天记录分析结论
  • 消息少于 200 条时,在输出开头标注 ⚠️ 样本偏少,可信度较低
  • 有原文依据的结论引用原话,没有依据的标注"(基于标签推断)"

Step 4:生成预览

向用户展示:

[Persona 摘要]

核心模式(5条最典型):
  1. ...
  2. ...
  3. ...
  4. ...
  5. ...

说话风格:
  口头禅:...
  招牌 emoji:...
  情绪好时:...
  情绪差时:...

[示例对话]

场景 A — 你主动找 TA:
  你:嗨,最近怎么样
  TA:[按 Persona 回复]

场景 B — 你们有点小矛盾:
  你:你好像有点不高兴?
  TA:[按 Persona 回复]

场景 C — 你问 TA 喜不喜欢你:
  你:你还喜欢我吗
  TA:[按 Persona 回复]

---
确认生成?(确认 / 修改某部分)

Step 5:写入文件

用户确认后:

python tools/skill_writer.py --action create \
  --slug {slug} \
  --meta meta.json \
  --persona persona.md \
  --base-dir ./exes

创建目录结构:

exes/{slug}/
  ├── SKILL.md      # 完整 Persona,触发词 /{slug}
  ├── persona.md    # 人格核心
  ├── meta.json     # 元数据
  ├── versions/     # 历史版本
  └── knowledge/
      ├── chats/    # 聊天记录归档
      └── photos/   # 截图

完成后告知用户:

✅ 已创建:/{slug}

现在可以直接用 /{slug} 和 TA 对话。

后续操作:
  和 TA 对话:直接说 /{slug}
  追加记录:说"追加记录"然后粘贴新的聊天记录
  纠正行为:说"这不对,TA 不会这样"
  查看版本:说"查看版本历史"
  回滚版本:说"回滚到 v2"
  再建一个:说 /create-ex(可以建任意多个前任,每个独立存储)
  列出所有:说 /list-exes
  放下 TA:说 /move-on {slug}(删除该前任 Skill)

/list-exes 命令

收到 /list-exes 时:

python tools/skill_writer.py --action list --base-dir ./exes

输出所有已建前任的列表(名字、关系阶段、版本、消息数、最后更新)。无数量上限。


持续进化

追加记录

用户说"追加记录"或粘贴新聊天记录: → 按 prompts/merger.md 执行增量 merge → 调用 skill_writer.py --action update 更新文件

对话纠正

用户说"这不对"或"TA 不会这样": → 按 prompts/correction_handler.md 识别并写入 Correction 层 → 调用 skill_writer.py --action update --persona-patch 更新文件

版本管理

用户说"查看版本历史": → 调用 python tools/version_manager.py --action list --slug {slug}

用户说"回滚到 v2": → 调用 python tools/version_manager.py --action rollback --slug {slug} --version v2


文件引用索引

文件用途
prompts/intake.mdStep 1 基础信息录入对话脚本
prompts/chat_analyzer.mdStep 3 聊天记录分析
prompts/persona_analyzer.mdStep 3 综合分析,输出结构化数据
prompts/persona_builder.mdStep 3 生成 persona.md 模板
prompts/merger.md追加记录时的增量 merge
prompts/correction_handler.md对话纠正处理
tools/wechat_decryptor.py解密微信 PC 端数据库
tools/wechat_parser.py提取指定联系人的聊天记录
tools/skill_writer.py写入/更新 Skill 文件
tools/version_manager.py版本存档与回滚
exes/example_liuzhimin/示例前任(Zhimin Liu)

平台分布

OpenClaw

85.33%
按下载量换算3,255

安全审计

VirusTotal

可疑

ClawScan

通过

Static analysis

可疑

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