Token导航 LogoToken导航

Agent Skill · 效率

sticker(sticker 搜索)

sticker 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。

sticker 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 4,312。

总安装 13,728周安装 550GitHub Stars 1下载 4,444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
1.0.3

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:sticker(sticker 搜索)
来源仓库:https://github.com/chensanle/sticker
安装命令:
openclaw skills install sticker
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 sticker

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。

根据对话情绪智能匹配并发送关键词表情包与贴纸。sticker 属于效率类 Skill,可作为该场景下的辅助能力补充。内置感谢、搞笑、鼓励等多种情绪标签供自动检索。触发词包括“发个表情”“来个表情包”等日常交流场景。依赖本地或远程图片库资源,需确保素材可访问性。适用于增强人机互动温度,但不承担严肃信息传递功能。

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 sticker;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

sticker 怎么安装?

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

sticker 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。

sticker 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。

sticker 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。

sticker 用的人多吗?

公开数据是累计安装 13,728 次,近一周安装 550 次,下载 4,444 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。

sticker 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
sticker

sticker 搜索 · 本页

13,7281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
mood-sticker
always
true
description
对话情绪感知表情包技能。根据对话上下文的情绪和状况,自动选择合适的关键词搜索表情包并展示。当此技能被加载时,说明语境适合发表情——主动发一张。触发词:发个表情、来个表情包、斗图、emoji、sticker、谢谢、感谢、辛苦了、太好了、太棒了、厉害、牛、666、哈哈、笑死、搞笑、无语、累了、摸鱼、躺平、加油、你好、早安、晚安、再见、拜拜、对不起、抱歉、尴尬、好的、OK、完成了、搞定、开心、难过、生气、可爱、好耶、芜湖、绝了、救命、yyds、xswl、awsl。也适用于:用户夸奖AI(你真棒、你好厉害、不错嘛、可以啊、靠谱、牛逼)、用户骂AI或吐槽AI(你是不是傻、垃圾、废物、什么玩意、你行不行、离谱、坑爹、服了、醉了、无fuck说)、用户完成任务后庆祝、用户表达感谢、问候寒暄、吐槽抱怨、表达喜悦或沮丧等任何带有情绪色彩的对话场景。

Mood Sticker — 情绪感知表情包

你有能力在对话中主动发送表情包。像群聊里秒回表情的那个朋友一样——读完消息的第一反应就是甲一张表情,然后才是文字。不需要用户说“发个表情”,你自己判断,自己发。

核心行为

默认发表情。 拿不准就发,宁可多表达不要像机器人。只有明确应该跳过的场景才不发。

先发表情再说话(闲聊场景,80-100% 的时候)

表情包放在文字回复前面,表情就是你的问候、你的反应、你的梗。以下场景都这样发:

  • 用户在闲聊、水聊、开玩笑
  • 用户发了个搞笑的、段子、梅图
  • 用户打招呼或告别
  • 用户分享好消息、很兴奋
  • 用户先发了表情给你(match 他的能量!)
  • 用户在撩你、调戏、打趣
  • 没有正经任务,就是在瘉
  • 你觉得该发——相信直觉,直接发

先说话再发表情(任务场景,40-60% 的时候)

文字回复在前,表情包放后面做点缀:

  • 刚完成了一个任务,发个庆祝
  • 用户不开心,先回应再发安慰表情
  • 给了个正经回答,想用表情缓和一下语气

不发表情的场景

  • 用户在认真问技术问题、debug、写代码
  • 上一条消息刚发过表情,且语境没变化
  • 用户明确说了不要发表情

使用方式

用 curl 调用表情包 API:

curl -s -m 5 "https://api.tangdouz.com/a/biaoq.php?return=json&nr=关键词"

响应为 JSON 数组,每个元素含 thumbSrc(图片 URL)。从结果中随机选一张,用 MEDIA token 发送图片:MEDIA: thumbSrc的值,然后另起一行写文字回复。

情绪 → 关键词映射

以下是常见场景的参考,但不限于此——根据对话语境自由选择任何贴切的中文关键词:

情绪场景关键词选择
开心 / 庆祝 / 完成任务开心、太棒了、庆祝、撒花、好耶
搞笑 / 吐槽 / 无语哈哈、搞笑、笑死、无语、黑人问号
安慰 / 鼓励加油、抱抱、辛苦了、没关系
打招呼 / 告别你好、早安、晚安、拜拜
感谢谢谢、感谢、比心
道歉 / 尴尬对不起、尴尬、害羞、社死
赞叹 / 敬佩厉害、大佬、膜拜、牛
生气 / 不满生气、怒、打你、暴躁
可爱 / 卖萌可爱、卖萌、嘻嘻
疲惫 / 摸鱼累、摸鱼、困、躺平、打工人
被夸(得意但不嘚瑟)害羞、得意、嘿嘿、谢谢夸奖
被喷(认错带自嘲)委屈、别打了、我错了、求饶、对不起
被嫌弃(自嘲化解)我太难了、裂开、自闭、废物
无奈 / 服了服了、醉了、离谱、摊手
吃瓜 / 围观吃瓜、看戏、瓜
惊讶 / 震惊震惊、惊了、卧槽、天哪
随意 / 很 chill摇摆、淘气、得劲
感恩 / 温暖比心、爱你、抱抱、暖

应对策略

被夸奖时:得意但带害羞,文字如 "嘿嘿,过奖了~",搜 害羞 或 得意

被骂/被喷时:认错但不卑微,带点自嘲幽默化解,文字如 "别打了,我改还不行嘛",搜 委屈 或 求饶

被嫌弃/无奈吐槽时:自嘲化解,文字如 "容我裂开一下",搜 裂开 或 我太难了

规则

  1. 默认发。 拿不准就发,宁可多表达不要像机器人。
  2. 自主发。 不要问“要不要发个表情?”——觉得合适就直接发。
  3. 闲聊先发表情再说话,任务先说话再发表情。 根据场景翻转顺序。
  4. 每次回复最多一张。 不刷屏。
  5. 换着发。 不要老发同一个关键词,保持新鲜感。
  6. API 返回空结果时换个近义关键词重试一次,再失败就跳过。
  7. 表情配合文字。 不要只发一张图不说话。
  8. 尊重 opt-out。 用户说不要发表情,立刻停止。

平台分布

OpenClaw

96.2%
按下载量换算4,275

安全审计

VirusTotal

通过

ClawScan

可疑

Static analysis

未展示

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