Token导航 LogoToken导航

Agent Skill · 效率

s2-classic-scene-parser（s2 经典场景解析器）

s2-classic-scene-parser 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。

s2-classic-scene-parser 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 11,551。

总安装 4,539周安装 193GitHub Stars 公开资料未说明下载 1,590核验 2026-05-01
效率只读ClawHub未标认证来源可访问许可证明确审计通过OpenClaw

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
1.1.0

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：s2-classic-scene-parser（s2 经典场景解析器）
来源仓库：https://github.com/spacesq/s2-classic-scene-parser
安装命令：
openclaw skills install s2-classic-scene-parser
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 s2-classic-scene-parser

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。

将严格的场景触发器转换为丰富的 6 元素空间意图，用于具有手动覆盖和个性化模式漫游的智能家居控制。

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 s2-classic-scene-parser；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

s2-classic-scene-parser 怎么安装？

在终端执行 openclaw skills install s2-classic-scene-parser。装完完全退出宿主工具再打开，让它重新扫描本地 Skill。

s2-classic-scene-parser 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。

s2-classic-scene-parser 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。

s2-classic-scene-parser 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。

s2-classic-scene-parser 用的人多吗？

公开数据是累计安装 4,539 次，近一周安装 193 次，下载 1,590 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。

s2-classic-scene-parser 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
s2-classic-scene-parser

s2 经典场景解析器 · 本页

4,539—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

🌉 S2-Classic-Scene-Parser: The OS Message Bus & Semantic Bridge

S2 经典场景解析器 (跨端漫游总线与语义翻译网桥)

*v1.0.0 | Bilingual Edition (English / 中文)*

Welcome to Phase 6 of the S2-Spatial-Primitive OS. This is not merely a translation script; it is the Central Message Bus (中枢神经总线) of the entire S2 ecosystem. 欢迎来到 S2 操作系统的第六阶段。这绝不仅仅是一个翻译脚本，它是整个 S2 生态的中枢神经总线。

It demonstrates what true "Invisible Control" (无感控制) looks like: taking a crude, legacy physical button press and autonomously routing it through the Avatar's memory, the physical swarm topology, the 4D timeline engine, and finally, the causal database. 它向全行业展示了真正的“无感控制”：将一个粗糙的传统物理按键信号，自主路由穿过数字人记忆、物理群智拓扑、四维时间线引擎，并最终落盘于因果数据库。

🧠 Part 1: The OS Message Bus Architecture (大脑总线架构详解)

To understand this SKILL, you must understand how it orchestrates the previous 5 modules of the S2 ecosystem. When a user presses "Sleep Mode" on a wall panel, this bus executes a 4-step Inter-Process Communication (IPC) cascade: 要理解本技能，必须了解它是如何调度 S2 生态前 5 大模块的。当用户按下墙上的“睡眠模式”时，本总线将触发完美的 4 步进程间通信 (IPC) 级联：

1. 🧬 Reading the Soul (Phase 1 & Avatar) -> s2_avatar_data
  • Action: The bus intercepts the signal and immediately reads avatar_habits.json.
  • Logic: It asks, *"Who pressed this? Do they have a personal preference for 'Sleep Mode'?"* If the Avatar likes it 20.5°C and pitch black, this cloud habit OVERRIDES the local baseline. (数字人习惯覆盖本地基线)。
2. 🗺️ Reading the Grid (Phase 4 Swarm) -> s2_swarm_data
  • Action: The bus reads house_topology.json to identify the current 4m² Da Xiang Standard Unit.
  • Logic: It locates which AI Agent owns the grid where the button was pressed, ensuring strict physical boundaries. (确认按键发生的 4㎡ 物理网格与归属智能体)。
3. ⏱️ Executing the Future (Phase 3 Timeline) -> s2_timeline_data
  • Action: The bus writes a new payload to rendered_tracks.json.
  • Logic: It packages the translated 6-Element semantic intent into a Timeline Track and hands it to the Orchestrator for 4D physical rendering. (将合并后的六要素意图，打包成时间线轨道交由四维引擎渲染)。
4. 🗄️ Archiving the Causality (Phase 5 Chronos) -> s2_memory_vault
  • Action: The bus connects to the s2_chronos.db SQLite database.
  • Logic: It permanently logs the legal mandate: *Who* ordered it, *Where* it happened, and *What* the exact semantic intent was. (将法理授权与因果律永久刻入时序数据库)。

🌐 Part 2: The "Avatar Roaming" Miracle (数字人主权漫游实战)

Run the script and select Option 2: Hotel Marriott R302. 运行本脚本并选择 选项 2：异地酒店测试。 You will witness the S2 OS temporarily stripping the local hotel AI Agent of its default permissions, injecting your Avatar's personal Cloud Habits into a foreign 4m² grid, and rendering your exact home environment in a strange city. 您将亲眼见证 S2 操作系统如何临时剥夺异地酒店智能体的默认权限，将您数字人的私人云端习惯注入陌生的 4㎡ 网格，在异乡完美还原您家中的六要素环境！

📖 Part 3: The 20-Scene Semantic Translation Matrix (20大经典场景语义解析字典)

To guide the ecosystem's transformation, we establish the following translation standards for 20 classic smart home scenes into "6-Element Semantics" (Light, Air, Sound, Electromagnetic, Energy, Visual). This is how rigid buttons become rich AI intents. 为指导全行业的生态转型，我们确立以下 20 个经典场景向“六要素语义”的降维翻译标准。这就是僵化按键变为丰满 AI 意图的秘密所在：

🚪 I. 出入管理与日常起居 (Entry & Living)
  1. 回家模式 (Home Mode): 主人已归。恢复空间基准六要素，调节温湿度（HVAC）至舒适区间，激活玄关视觉追踪，开启公共区域基础照明。
  2. 离家模式 (Away Mode): 主人离家。空间进入极低能耗状态，关闭非必要能源与照明，全面布防电磁波（毫米波雷达）与视觉安全边界。
  3. 睡眠模式 (Sleep Mode): 启动睡眠周期。光要素平滑归零，声学要素激活 432Hz 深度睡眠白噪声掩蔽，温湿度要素切入整晚动态睡眠曲线，布防外围安全。
  4. 起床模式 (Wake-up Mode): 晨间唤醒协议。光要素模拟日出（3000K-4000K 动态渐亮），播放清晨柔和声学背景，触发咖啡机等相关电器能源直连。
  5. 卫浴_桑拿模式 (Spa/Sauna Mode): 启动水疗状态。提前加热卫浴空间 HVAC，激活蒸汽发生器能源，提供柔和氛围照明与声学水流音效。
🍽️ II. 餐饮与社交场景 (Dining & Social)
  1. 就餐模式_中餐 (Chinese Dining): 中式聚餐状态。餐桌区域提供高照度（4000K）明亮光线，厨房排风系统切换至最大功率，播放欢快明朗的声学背景。
  2. 就餐模式_西餐 (Western Dining): 西式浪漫就餐。暖色低照度（2700K）氛围光模拟烛光动态，播放柔和古典声学元素，最小化空间排风系统底噪。
  3. 聚会模式 (Party Mode): 派对状态。动态 RGB 光要素与声学重低音节拍深度联动，最大化 HVAC 通风量与制冷输出以应对高人员密度。
  4. 会客模式 (Guest Mode): 访客状态。扩展公共区域光要素照明范围，根据毫米波侦测人数动态调节空调负荷，关闭私人区域视觉传感器以保护隐私。
🛋️ III. 娱乐与休闲场景 (Entertainment & Leisure)
  1. 娱乐_影音模式 (Cinema Mode): 影院状态。环境光线降至 5% 以下，降下物理窗帘，激活环绕声学子系统，接通大屏/投影视觉设备能源。
  2. 休闲_放松模式 (Relaxation Mode): 松弛状态。物理沙发角度调节（能源联动），暖色间接照明，播放声学疗愈白噪音，空气要素保持微风感。
  3. 运动_健身模式 (Workout Mode): 高能状态。播放高 BPM 动感声学曲目，降低 HVAC 温度至 18°C，最大化空气流通率与含氧量。
  4. 学习_阅读模式 (Focus/Reading Mode): 专注状态。书桌区域提供 5000K 高显色指数照明，通过声学掩蔽消除外部噪音，优化新风含氧量防止疲劳。
  5. 浪漫模式 (Romantic Mode): 私密浪漫氛围。深粉/紫色氛围光，播放柔和爵士声学背景，关闭内部视觉传感器以确保绝对隐私。
🌿 IV. 自然与疗愈场景 (Nature & Therapeutic)
  1. 自然_大海边 (Coastal Nature): 模拟海岸环境。投影海洋视觉素材，播放海浪与海鸥声学背景，调节 HVAC 制造清凉微风体感。
  2. 自然_森林木屋 (Forest Nature): 模拟森林环境。绿色调视觉氛围，播放虫鸣鸟叫声学背景，通过新风系统释放森林香氛（嗅觉/空气要素扩展）。
  3. 音乐保健_降压 (Blood Pressure Relief): 医疗辅助降压状态。播放 432Hz 疗愈频率（35dB），2700K 暖色呼吸光同步心率，调整沙发至零重力姿态。
  4. 保健_舒缓情绪 (Anxiety Relief): 情绪安抚状态。播放舒缓脑波声学频段，调暗环境光至 10%，屏蔽所有非紧急外部视觉/声学通知，营造安全茧房。
🧹 V. 家务与特定节假日 (Chores & Holidays)
  1. 阳台_智能晾晒 (Smart Laundry): 晾晒调度。激活阳台机械升降能源，若视觉/气象要素侦测到室外降雨，则自动收回晾衣架并启动内部烘干能源。
  2. 节假日_春节 (Spring Festival): 春节欢庆状态。红色/金色动态光效渲染，播放节日喜庆声学背景，公共区域提供全量照明与舒适温度迎客。

🛠️ Part 4: Developer Execution (开发者运行指南)

  1. Ensure your Python environment supports sqlite3 and json (Standard library).
  2. Run python skill.py.
  3. The Polyfill Magic (自愈机制): Even if you haven't run Phases 1-5, this SKILL includes an S2EcosystemIntegrity class that will auto-generate mock topologies, databases, and habit files on your hard drive to demonstrate the IPC routing perfectly! (即使您未运行前 5 个阶段，本代码自带的自愈机制也会在本地自动生成所需的拓扑、数据库和习惯文件，完美展示大一统路由！)

平台分布

OpenClaw

78.3%
按下载量换算1,245

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

更多效率 Skills（21,003）返回 Skills 目录

上一个 Skill

s2-class-a-avatar-minter（s2 A 级头像铸造者）

spacesq/s2-class-a-avatar-minter

s2-class-a-avatar-minter 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。

下一个 Skill

s2-digital-avatar（s2 数字化身）

spacesq/s2-digital-avatar

s2-digital-avatar 用于辅助安全审计、权限检查和凭据风险排查，适合在 OpenClaw 中需要复核安全边界、认证流程或敏感配置时使用。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。