Install
openclaw skills install skillhub-dailySkillHub Daily
SkillHub 每日推荐 - 扫描 skillhub.cn 全站 Top100 + 7 大分类各 Top20（共 240 个 Skill）， 基于用户痛点精准推荐高价值 Skill，支持 IMA/飞书/Obsidian 多通道存储。 触发词：每日推荐、SkillHub 日报、潜力Skill、帮我推荐技能。 支持两种使用模式：常规 Skills 模式（对话触发）/ Cron 定时任务模式。
SkillHub 每日推荐 v6.2
每日扫描 SkillHub (skillhub.cn)，基于用户痛点精准推荐高价值 Skill，输出结构化简报。
核心特点：
- 🎯 痛点驱动：先理解用户需要什么，再推荐什么，不推热门推对路
- 💎 信息差优先：收藏率比下载量更真实——"试了就留下"比"试试就扔"更有价值
- 🔄 跨平台适配：同一套 SKILL.md，WorkBuddy / qclaw / OpenClaw / Hermes / 纯脚本自动适配
- 🔌 双模式支持：常规 Skills 模式（对话触发） / Cron 定时任务模式
- 📦 多通道存储：IMA 知识库 / 飞书云文档 / Obsidian / 本地四通道并存
⚠️ 首次使用必读
Skill 加载后，必须主动询问用户使用模式：
"欢迎使用 SkillHub 每日推荐！请选择使用模式：
🔵 模式 A：常规 Skills 模式（推荐新手）
- 在对话中说"每日推荐"、"SkillHub 日报"等触发词即可调用
- 每次执行自动扫描你的记忆文件，发现新痛点
🟢 模式 B：Cron 定时任务模式（推荐重度用户）
- 在 Agent 平台配置定时任务（如每日 07:00 自动执行）
- 痛点列表在 prompt 中预设，不需要每次扫描记忆
- 简报自动推送到飞书/微信/IMA 知识库
请输入 A 或 B。"
详细对比见 references/setup-wizard.md
前置检查
在执行 Skill 前，先验证环境：
python --version # 需要 ≥ 3.10
node --version # 需要 ≥ 18（仅 IMA 推送需要）
脚本会自动检测 Python 版本，若当前解释器过低会尝试回退到 python3.10/python3.11/python3.12。
执行流程
步骤 1: 模式识别（常规/Cron）→ 决定痛点来源
步骤 2: 记忆扫描 → 提取痛点（Cron 模式从 prompt 读取）
步骤 3: 数据抓取 → potential_slim.json
步骤 4: 痛点 × 类别交叉匹配 → 精准选品
步骤 5: 生成简报 → 保存到 data/reports/
步骤 6: 多通道存储（IMA/飞书/Obsidian/本地）
步骤 7: 输出对话摘要（200 字以内）
步骤 1：模式识别
| 调用方式 | 模式 | 痛点来源 |
|---|---|---|
| 对话中触发词 | 常规模式 | 动态扫描 MEMORY.md + 最近 3 天日志 + gbrain |
| Cron 定时任务 | Cron 模式 | 直接使用 prompt 中给出的痛点，不重复扫描 |
| 纯脚本 | - | 无痛点，使用通用推荐 |
步骤 2：记忆扫描（仅模式 A）
痛点来源（按优先级）：
| 优先级 | 来源 | 路径 | 平台 |
|---|---|---|---|
| 1 | 工作区每日日志 | memory/YYYY-MM-DD.md（最近 3 天） | OpenClaw/Hermes/qclaw |
| 2 | 工作区长期记忆 | MEMORY.md | OpenClaw/Hermes/qclaw |
| 3 | GBrain 知识库 | gbrain search <topic> | 有 gbrain 时 |
| 4 | 用户级记忆 | 平台特定 | WorkBuddy |
痛点 → 分类映射：
| 痛点关键词 | 映射分类 |
|---|---|
| 投研/金融/量化/股票/财报 | data-analysis |
| AI/Agent/MCP/RAG/模型 | ai-intelligence |
| 开发/调试/部署/CI/CD | developer-tools |
| 小红书/设计/卡片/文案 | content-creation |
| 自动化/效率/飞书/同步 | productivity |
| 安全/合规/审计/扫描 | security-compliance |
| 协作/会议/文档/邮件 | communication-collaboration |
步骤 3：数据抓取
cd ${SKILL_DIR}
python scripts/skillhub_daily.py --slim --no-html --data-dir ./data
${SKILL_DIR}= 本 SKILL.md 所在目录的绝对路径--slim：裁剪冗余字段，保留 240 个 Skill 完整覆盖，体积减少 ~32%--no-html：跳过 HTML 报告
输出：
data/potential_slim.json：结构化数据data/snapshots/YYYY-MM-DD.json：每日快照data/reports/YYYY-MM-DD-briefing.md：原始简报
步骤 4：痛点 × 类别交叉匹配
读取 data/potential_slim.json 中的 category_analysis + category_skills，按痛点匹配分类。
匹配规则：
- 每个痛点 → 1-2 个分类 → 找该分类中匹配的 Skill
- 必须查看
hidden_gems_in_category（收藏率高但不在 Top100 的——真正信息差） - 筛选结果：
- 今日推荐：3-5 个最匹配痛点的 Skill
- 被埋没的金子：收藏率 Top5 但排名 > 20 的
- 全站潜力 Top10：按
potential_score排序
步骤 5：生成简报
保存到 data/reports/YYYY-MM-DD-briefing.md
格式严格遵循 references/briefing-template.md：
- 标题：含完整日期
- 痛点行：3-6 个核心痛点
- 今日推荐：3-5 个，每个含匹配痛点 + 推荐理由 100-150 字 + 核心能力 + 安装命令
- 被埋没的金子：5 列表格
- 全站潜力 Top10：6 列表格
- 分类速览：7 大分类
- 页脚：生成时间 + 扫描范围 + 个性化说明
步骤 6：多通道存储
存储通道由调度方指定：
通道 A：IMA 知识库
python scripts/push_to_ima.py "data/reports/YYYY-MM-DD-briefing.md" "SkillHub 每日简报 | YYYY-MM-DD"
凭证来源（优先级）：环境变量 → references/config.json → ~/.qclaw/skills/ima-skill/config.json → ~/.workbuddy/skills/ima-skill/config.json
通道 B：飞书云文档
# qclaw / OpenClaw
feishu_doc create
feishu_doc write
feishu_doc read # 验证
# WorkBuddy / Hermes
lark-cli doc create/write
⚠️ 飞书文档必须三步：create → write → read 验证
通道 C：本地存储
简报已保存到 data/reports/，无需额外操作。
通道 D：Obsidian
复制简报到 {OBSIDIAN_VAULT}/SkillHub/YYYY-MM-DD.md
步骤 7：输出对话摘要
直接在当前对话中输出摘要——Cron 任务的对话上下文本身就是推送通道（飞书/微信），不需要额外推送步骤。
摘要格式（200 字以内，无表格）：
📊 SkillHub 今日推荐 | YYYY-MM-DD
基于您的[N]个痛点，今日精选[X]个技能
🎯 [技能1] — [价值]
💎 被埋没的金子：[技能名]（收藏率[X]%，排名#[N]）
📊 今日扫描：240个技能 | 7大分类 | [X]个潜力识别
详情见[存储位置]
交互规则清单
必须做 ✅
- 首次加载必须询问使用模式（常规 / Cron）
- Cron 模式 prompt 已含痛点时直接使用，不重复扫描
- 步骤 3 必须使用
--slim模式 - 推荐必须包含功能描述 + 解决痛点 + 使用场景
- 必须查看
hidden_gems_in_category - 凭证从配置文件读取，禁止反复询问用户
何时不应触发 ⚠️
- 用户明确说"不要推荐 SkillHub"或"暂停每日推荐"
- 用户只想单次查询某个 Skill 详情（应直接用搜索功能）
- 用户的网络环境无法访问 skillhub.cn / api.skillhub.cn
- 24 小时内已经执行过完整流程（除非用户主动要求）
- 用户没有明确痛点且未授权访问记忆文件（仅模式 A）
- 当前为调试/测试模式
不能做 ❌
- 不能硬编码痛点列表
- 不能减少扫描覆盖量（必须 240 个 Skill/天）
- 不能用下载量代替收藏率做质量判断
- 不能在输出中暴露用户个人信息或 API 密钥
- 不能在步骤 7 之后再调用 message 工具推送——对话上下文本身就是推送
跨平台支持
| 平台 | 模式 A | 模式 B (Cron) | 凭证位置 | 推送方式 |
|---|---|---|---|---|
| qclaw | ✅ | ✅ | ~/.qclaw/skills/ima-skill/config.json | Cron announce |
| WorkBuddy | ✅ | ✅ | ~/.workbuddy/skills/ima-skill/config.json | 渠道对话 |
| OpenClaw | ✅ | ✅ | ~/.openclaw/skills/ima-skill/config.json | Cron announce |
| Hermes | ✅ | ✅ | 平台特定 | webhook/API |
| 纯脚本 | ❌ | ❌ | 环境变量 | 外部管道 |
详见 references/platform-adapters.md
Cron 定时任务配置
本 Skill 被设计为可由定时任务驱动的无头执行模式。定时任务通过 prompt 指定痛点列表和存储通道，Skill 按指令执行。
qclaw 飞书推送（每日 07:00）：
{
"schedule": { "kind": "cron", "expr": "0 7 * * *", "tz": "Asia/Shanghai" },
"sessionTarget": "isolated",
"payload": {
"kind": "agentTurn",
"message": "请执行 skillhub-daily Skill，按 SKILL.md 步骤 1-7 完成每日推荐。\n\n# 痛点（请直接使用，不再扫描记忆）\n- YouTube 字幕提取\n- 股票分析\n- n8n 工作流\n- Markdown 转换\n- 桌面自动化\n- 文档管理\n\n# 存储通道\n飞书云文档\n\n请完成后输出 200 字以内的对话摘要。"
},
"delivery": { "mode": "announce", "channel": "feishu" }
}
更多模板见 references/prompt-templates.md
References 索引
| 文件 | 何时加载 |
|---|---|
| references/setup-wizard.md | 首次加载 Skill、用户选择模式 A/B 时 |
| references/platform-adapters.md | 跨平台配置、凭证管理 |
| references/prompt-templates.md | 配置 Cron 定时任务 |
| references/briefing-template.md | 生成简报时遵循格式 |
| references/config.md | 配置 IMA/飞书/Obsidian 凭证 |
| references/source-contract.md | 需要了解 API 契约时 |
数据源
- API 基地址：
https://api.skillhub.cn（无需认证） - 主接口：
GET /api/skills?page=N&pageSize=50&sortBy=downloads&order=desc - 分类：
GET /api/v1/categories→GET /api/skills?category={key}&pageSize=20 - 详情：
GET /api/v1/skills/{slug}
License
MIT