Token导航 LogoToken导航

Agent Skill · 效率

shiyi-study-tracker(十一学习追踪器)

shiyi-study-tracker 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。

shiyi-study-tracker 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为需要联网;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 7,768。

总安装 7,763周安装 311GitHub Stars 公开资料未说明下载 2,513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:shiyi-study-tracker(十一学习追踪器)
来源仓库:https://github.com/kagurananaga/shiyi-study-tracker
安装命令:
openclaw skills install shiyi-study-tracker
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 shiyi-study-tracker

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。

该技能用于通用考试备考,支持错题识别、分类管理与复习提醒。适用于 GRE、雅思、考研等各类标准化测试场景。可通过截图自动提取题目信息并生成 Excel 导出报告。触发关键词包括“做了题”、“错了”、“截图发来”等自然语言指令。图片消息可直接触发识别流程无需额外配置参数。

shiyi-study-tracker 属于效率类 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 shiyi-study-tracker;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

    它需要需要联网,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

shiyi-study-tracker 怎么安装?

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

shiyi-study-tracker 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。

shiyi-study-tracker 需要什么权限?

权限级别是需要联网。该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

shiyi-study-tracker 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。

shiyi-study-tracker 用的人多吗?

公开数据是累计安装 7,763 次,近一周安装 311 次,下载 2,513 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。

shiyi-study-tracker 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
shiyi-study-tracker

十一学习追踪器 · 本页

7,763—需要联网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
shiyi
description
>

拾遗 · 通用备考追踪 Skill

一、首次安装

Skill 加载时发一条消息,问你在备考什么考试,之后不再重复。

拾遗已安装。

你在备考什么考试?比如:
  GRE、雅思、考研英语、注会、高考、期末……
  不在列表里也没关系。

输入考试名称后,Skill 加载对应的识别背景知识,之后截图识别精度更高。 如果后来换考试,发「换考试」即可重新配置,不影响已有错题记录。


二、与朱批录的核心差异

朱批录拾遗
适用范围考公(国考/省考)任意考试
科目结构固定5科(言语/数量/判断/资料/申论)自由标签,AI 自动生成
标签复用不需要(科目是固定的)tag_library 跨题目积累
考试切换不支持「换考试」指令随时切换

三、触发场景

用户说的话执行
发来截图多模态识别 + 标签归档
发来截图附带"粗心"识别后直接归档,不追问
"Verbal-Text Completion-词汇量不足"快捷格式,直接归档
"记得" / "不记得"二刷自评,连续2次记得→已掌握
"导出错题本"导出全部
"只导出待二刷的"筛选导出
"导出Verbal的错题"按 section 筛选
"导出最近两周的"按时间筛选
"换考试"重新配置考试类型

四、数据结构

~/.openclaw/skills/shiyi/data/
├── config.json              ← 当前考试配置
├── tag_library.json         ← 各考试的标签词库
├── wrong_questions.json     ← 所有错题
├── review_state.json        ← 二刷状态
├── review_session.json      ← 当前二刷进度
├── stats_cache.json         ← 打卡连续天数
├── daily/                   ← 每日记录
├── backups/                 ← wrong_questions 自动备份(最近10个)
└── exports/                 ← 导出文件

错题记录字段:

{
  "id": "uuid",
  "date": "2026-03-19",
  "exam": "GRE",
  "exam_name": "GRE",
  "section": "Verbal",
  "question_type": "Text Completion",
  "knowledge_point": "逻辑关系词 — 转折",
  "question_text": "完整题目文字",
  "visual_description": null,
  "answer": "B",
  "error_reason": "知识点不会",
  "keywords": ["逻辑关系词", "Text Completion"],
  "status": "待二刷"
}

五、核心流程

图片识别

  1. 读取 config.json 里的 exam_key,加载对应的考试背景知识
  2. 从 tag_library.json 取最近30天用过的标签注入 prompt(提升复用率)
  3. 调用 OpenClaw 配置的多模态模型识别
  4. 识别结果写入 wrong_questions.json,新标签追加进 tag_library.json
  5. 调用失败 → 提示手动复制文字

标签词库(tag_library)

  • 每次识别后自动追加新标签(去重)
  • 同一考试内复用,不同考试互不干扰
  • 每类最多保留:知识点200个、题型50个(超出删最旧的)
  • 注入 prompt 时只传最近30天用过的(避免 prompt 过长)

定时推送

时间内容
每天 21:00当日错题汇总 + 高频考点 + 打卡天数
隔天 20:00随机抽3道待二刷题,用户自评

六、文件索引

文件作用
assets/exam_prompts.js各考试背景知识(识别精度的核心)
scripts/tag_library.js标签词库读写与统计
scripts/onboarding.js首次配置考试类型
scripts/parse_input.js消息路由 + 识别入口
scripts/update_daily.js写入错题和每日记录
scripts/export_xlsx.js导出 Excel(含筛选和截图嵌入)
scripts/review_reminder.js二刷提醒和自评处理
scripts/daily_summary.js每日定时总结

七、新增考试

在 assets/exam_prompts.js 的 EXAM_PROMPTS 对象里加一条字符串:

'驾照科目一': `
驾照科目一为交规理论考试,100道题,90分及格。
题型:判断题、单选题。
标 knowledge_point 时请具体到交规条款(如"禁止标志与警告标志区别")。`,

PR 欢迎。


八、如果这个 Skill 对你有帮助

⭐ Star 一下,让更多备考的人找到它 🍴 Fork 加上你的考试类型,欢迎 PR

https://github.com/KaguraNanaga/shiyi

平台分布

OpenClaw

89.19%
按下载量换算2,241

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

可疑

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

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