Token导航 LogoToken导航

Agent Skill · 效率

jiuge-base-behavior(九歌基地行为)

jiuge-base-behavior 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。

jiuge-base-behavior 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,第三方扫描已通过,按安装量在效率类的 21,003 个 Skill 里排第 19,136。

总安装 2,138周安装 90GitHub Stars 1下载 749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:jiuge-base-behavior(九歌基地行为)
来源仓库:https://github.com/lzgsrbs/jiuge-base-behavior
安装命令:
openclaw skills install jiuge-base-behavior
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 jiuge-base-behavior

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。

九歌传媒机器人的基础行为规范,约束文件发送、定时任务、文档生成三大核心行为。当需要发送文件时、安排定时任务时、生成文档时,必须遵循本规范。本规范优先级高于其他技能的具体指令。

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 jiuge-base-behavior;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

jiuge-base-behavior 怎么安装?

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

jiuge-base-behavior 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。

jiuge-base-behavior 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。

jiuge-base-behavior 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。

jiuge-base-behavior 用的人多吗?

公开数据是累计安装 2,138 次,近一周安装 90 次,下载 749 次,GitHub 1 星。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。

jiuge-base-behavior 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。

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
jiuge-base-behavior

九歌基地行为 · 本页

2,1381权限未标注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

SKILL.md - 九歌完美版音频处理流水线

名称

Jiuge Flow Perfect V1 - 九歌音频大师完美版

版本

V1.2.0

描述

基于2026-05-01 21:47《敬兄弟》no-wash完美处理经验封装的音频处理Skill。执行"01_Sep → 03_Dry → 04_Master"三步流程,跳过洗声节省25%时间,全链路48kHz,输出320kbps MP3预览版。

核心特性

  • 默认no-wash:智能跳过洗声,节省约25%处理时间
  • 全链路48kHz:从分离到母带保持统一采样率
  • 双版本输出:320kbps母带 + 128kbps预览版
  • 自动归档:按"项目名+时间戳"自动归档到Jiuge_Audio_Projects
  • 断点续处理:支持从任意步骤中断点继续

执行流程

第一步:人声分离 (01_Sep)

  • 引擎:Kim_Vocal_2.onnx (MDX-Net)
  • 模型路径:/Applications/Ultimate Vocal Remover.app/Contents/Resources/models/MDX_Net_Models
  • 输出格式:WAV 48kHz
  • 输出文件:(Vocals)_Kim_Vocal_2.wav, (Instrumental)_Kim_Vocal_2.wav

第二步:去混响脱水 (03_Dry)

  • 引擎:UVR-De-Echo-Aggressive.pth (VR Architecture)
  • 模型路径:/Applications/Ultimate Vocal Remover.app/Contents/Resources/models/VR_Models
  • 输入:第一步的Vocals文件
  • 输出:(No Echo)_UVR-De-Echo-Aggressive.wav

第三步:母带处理 (04_Master)

  • 转换工具:ffmpeg
  • 母带版本:320kbps MP3, 48kHz, 立体声
  • 预览版本:128kbps MP3, 48kHz, 立体声
  • 命名规则:{项目名}_Master.mp3, {项目名}_Preview.mp3

使用方法

基本用法(默认no-wash)

~/Desktop/Jiuge_Flow_Perfect_V1.skill/scripts/jiuge_flow.sh "文件名.mp3" [模式编号]

强制wash模式

~/Desktop/Jiuge_Flow_Perfect_V1.skill/scripts/jiuge_flow.sh "文件名.mp3" 1 wash

参数说明

  • $1:输入文件名(必填)
  • $2:处理模式(可选,默认1)

- 1:民歌高亢版(默认) - 2:美声共鸣版 - 3:流行中度脱水 - 4:会议轻度脱水 - 5:大教堂重度脱水

  • $3:wash开关(可选,默认no-wash)

- wash:执行完整四步流程(含洗声) - no-wash:跳过洗声,三步完成

技术规范

硬性指标

项目规格
采样率48kHz(全链路统一)
母带码率320kbps MP3
预览码率128kbps MP3
声道立体声
输出格式MP3

模型配置

步骤模型架构用途
分离Kim_Vocal_2.onnxMDX-Net人声/伴奏分离
脱水UVR-De-Echo-Aggressive.pthVR去混响

环境要求

  • Python:3.11+(uvr_auto conda环境)
  • audio-separator:0.24.1+
  • ffmpeg:4.3.2+
  • 模型文件:已安装UVR5模型

修复记录

V29 Bug修复

  • 问题:V29脚本dry_cmd为None导致TypeError
  • 原因:自动化逻辑中变量未正确初始化
  • 解决:按21:47手动成功流程重新编写分步脚本
  • 验证:2026-05-01 21:47《敬兄弟》处理成功

作者

九歌传媒 AI助手

更新日志

  • V1.2.0 (2026-05-01 23:51): 修复03_Dry文件名选择bug,排除Instrumental文件,确保选择主唱人声
  • V1.1.0 (2026-05-01 22:47): 修复洗声逻辑,补充完整的背景合唱分离功能
  • V1.0.0 (2026-05-01): 基于21:47完美处理经验首次封装

平台分布

OpenClaw

79.53%
按下载量换算596

安全审计

VirusTotal

通过

ClawScan

通过

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。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