OpenClaw Skill 每日推荐 - AI 与大语言模型

🤖 OpenClaw Skill 每日推荐 — AI 与大语言模型

今日分类：AI & LLMs | 共 184 个 Skills | OpenClaw 生态中最大的分类

📋 分类概述

AI & LLMs 分类是 OpenClaw 生态的绝对主力，汇聚了 184 个 Skill，涵盖了从 Agent 记忆系统、多模型编排、安全防护到语音识别、区块链交易等方方面面。无论你是想让 AI Agent 拥有持久记忆、自动路由最优模型，还是构建多 Agent 协作系统，这个分类都有对应的解决方案。

今天从 184 个 Skill 中精选 5 个最具代表性的，逐一深入剖析。

🏆 精选 Skill 详解

1. agent-memory — 持久记忆系统

核心功能：为 AI Agent 提供持久化记忆存储。默认情况下，Agent 的每次会话都是无状态的，关掉就忘。这个 Skill 让 Agent 能跨会话记住用户偏好、历史对话和重要上下文。

实用场景：

  • 个人助手需要记住你的饮食习惯、日程偏好
  • 客服 Agent 记住用户的历史问题和解决方案
  • 长期项目追踪，Agent 记住项目进展和决策

技术实现：通过文件系统或数据库存储记忆条目，支持记忆检索、更新和遗忘策略。典型的实现包含向量检索（semantic search）用于关联记忆召回。

1
2
# 安装方式
openclaw skill add dennis-da-menace/agent-memory

2. moa (Mixture of Agents) — 混合专家模型

核心功能：让 3 个前沿大模型「辩论」，然后综合它们的最佳洞察，输出一个更优的答案。灵感来自学术界的 Mixture of Experts 思想，但用 Agent 编排的方式实现。

实用场景：

  • 需要高置信度的技术决策（架构选择、方案评审）
  • 复杂推理任务（法律分析、医疗诊断辅助）
  • 创意生成中的多角度碰撞

技术实现：并行调用多个 LLM（如 GPT、Claude、Gemini），收集各自的输出后，通过一个「合成 Agent」整合观点、解决冲突、提炼共识。本质上是用额外的推理成本换取更高的输出质量。

1
2
3
用户提问 → Agent A (GPT) ↘
           Agent B (Claude) → 合成 Agent → 最终答案
           Agent C (Gemini) ↗

3. smart-context — 智能上下文管理

核心功能：Token 效率优化器。自动管理响应大小、上下文裁剪、工具调用效率，以及任务委派策略。在长对话中自动压缩历史，保留关键信息。

实用场景：

  • 长时间编程会话（上下文容易爆）
  • 多轮研究任务（需要精确保留关键发现）
  • Token 预算有限的场景（使用付费 API 时节省成本）

为什么重要：Token 窗口是 AI Agent 的核心瓶颈。Smart-context 不只是简单的截断，而是智能地识别哪些上下文值得保留、哪些可以压缩，是 Agent 长期运行的基础设施。

4. metacognition — AI 自省引擎

核心功能：让 AI Agent 具备自我反思能力。Agent 能审视自己的推理过程、识别认知偏差、评估答案置信度，并在必要时自我纠正。

实用场景：

  • 高风险决策前的自我审查
  • 减少幻觉（Hallucination）的额外防线
  • 持续改进 Agent 行为模式

技术机制：在生成答案后，触发一轮「元认知」评估——Agent 会对自己的回答进行结构化反思：逻辑是否自洽？证据是否充分？有无遗漏角度？这种「thinking about thinking」的模式显著提升了复杂任务的可靠性。

5. wolfram-alpha — 科学计算引擎

核心功能：接入 Wolfram Alpha 计算引擎，执行复杂数学计算、物理模拟、数据分析和科学查询。补足了 LLM 在精确计算上的短板。

实用场景：

  • 数学建模与符号计算
  • 物理仿真（运动方程、热力学）
  • 单位换算、统计分析
  • 学生作业辅助、科研计算

使用示例：

1
2
3
4
# 通过自然语言查询
"计算 x^3 - 2x + 1 = 0 的实数根"
"500公里/小时换算成马赫数"
"计算 1000 个样本的 95% 置信区间"

📊 推荐指数排名

排名 Skill 评分 一句话总结
1 agent-memory ⭐⭐⭐⭐⭐ Agent 的「长期记忆」，不可或缺的基础设施
2 moa ⭐⭐⭐⭐⭐ 三模型辩论，质量碾压单模型
3 smart-context ⭐⭐⭐⭐⭐ Token 管家，长会话必备
4 metacognition ⭐⭐⭐⭐ 自省能力，让 Agent 更靠谱
5 wolfram-alpha ⭐⭐⭐⭐ 精确计算的瑞士军刀

🎯 应用场景总结

这 184 个 AI & LLMs Skill 覆盖了以下核心领域：

🧠 Agent 基础能力

  • 记忆与上下文：agent-memory、mnemon、smart-context、context-gatekeeper
  • 自我认知：metacognition、anti-regression、agent-sentinel
  • 多 Agent 协作：moa、agent-orchestration、multi-agent-collab

🔀 模型路由与成本优化

  • 智能路由：arya-model-router、aisa-llm-router-skill、astrai-inference-router
  • 成本控制：agentpulse、tokenguard、token-alert、model-guard
  • 动态切换：switch-modes、bunni-modes

🔒 安全与防护

  • 提示注入防护：anti-injection-skill、pincer、safety-checks
  • 凭证管理：authy、vincent-credentials
  • 安全审计：arc-security-mcp、lieutenant

🗣️ 语音与音频

  • 语音转文字：voice-recognition、mh-openai-whisper、zhipu-asr
  • 文字转语音：local-llama-tts、speakturbo-tts、togetherai-tts

💰 金融与区块链

  • 加密交易：solana-skills、crypto-agent-payments、pump-fun
  • 传统金融：aisa-financial-data、revolut-business、wallet-api

💡 实用建议

  1. 从 agent-memory 开始：如果你刚开始用 OpenClaw，第一步就是装上持久记忆。没有记忆的 Agent 就像金鱼。
  2. 关注 Token 成本：长期运行的 Agent 必须搭配 smart-context 或 agentpulse，不然 API 账单会让你心跳加速。
  3. 安全先行：如果你的 Agent 有外部访问权限（邮件、支付、社交媒体），强烈建议安装 anti-injection-skill 和 safety-checks。
  4. 多模型不是万能药：moa 虽然效果好，但成本是单模型的 3-4 倍。日常任务用模型路由器就够了，关键决策再上 moa。

🔗 相关链接

📝 本系列每日更新，明天预告：*Apple 应用与服务 分类。关注本站不错过每天的 Skill 推荐！*

tag:

    缺失模块。
    1、请确保node版本大于6.2
    2、在博客根目录（注意不是yilia根目录）执行以下命令：
    npm i hexo-generator-json-content --save

    3、在根目录_config.yml里添加配置： 

      jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

程序员，关于技术我所知甚少，唯有探索，方得真知。