ClawHeart
免费工具 · 本地优先

SkillRouter

面向 Claude Code、Codex、OpenEva 等 Agent 的本地 Skills 管理器。在线发现技能,本地安装到中心库,并通过 MCP 暴露给你的 Agent 使用。

免费使用

当前版本免费下载和使用。SkillRouter 专注做轻量的 Skills 中心、使用说明索引和本地 MCP 桥接。

Skills 中心

从中心库浏览 Skills,按分类检索,查看介绍和使用说明。

一键安装

安装到 SkillRouter 本地中心库,不再依赖各 Agent 的软连接目录。

MCP 暴露

把搜索和安装能力发布成本地 MCP 工具,让 Agent 在对话里直接调用。

在线浏览 Skills

这里展示 SkillRouter 中心库的公开 Skills。网页端用于发现、筛选和查看说明;安装、同步和 MCP 发布由本地客户端完成。

用本地客户端安装

零风险 AI 人格蜕变引擎

100

零风险 AI 人格蜕变引擎

让AI主动预判需求,持久记忆不失联

87

让AI主动预判需求,持久记忆不失联

极致理性的永生者语态转换

100

极致理性的永生者语态转换

越用越懂你的AI记忆进化系统

97

越用越懂你的AI记忆进化系统

结构化记忆,可验证的Agent知识图谱

92

结构化记忆,可验证的Agent知识图谱

让AI记住教训,不再重复犯错

97

让AI记住教训,不再重复犯错

时间线完整性守护顾问

100

时间线完整性守护顾问

AI 代理的持续进化引擎

100

AI 代理的持续进化引擎

AI自我进化·持续学习沉淀

92

AI自我进化·持续学习沉淀

为 AI 注入灵魂的情感引擎

100

为 AI 注入灵魂的情感引擎

多代理系统性能优化专家

100

多代理系统性能优化专家

结构化 Agent 人格设计系统

98

结构化 Agent 人格设计系统

六层架构·持久记忆·告别上下文丢失

97

六层架构·持久记忆·告别上下文丢失

发现 OpenClaw 生态技能

97

发现 OpenClaw 生态技能

审计级决策治理与结构化记录

100

审计级决策治理与结构化记录

智能经验记忆与技能进化系统

100

智能经验记忆与技能进化系统

AI 代理协作防坑指南

98

AI 代理协作防坑指南

双智能体中长期投资预测分析

97

双智能体中长期投资预测分析

AI 提示词注入多层防护系统

97

AI 提示词注入多层防护系统

OpenAI 全功能 API 集成

97

OpenAI 全功能 API 集成

五Agent协同的智能任务调度中枢

98

五Agent协同的智能任务调度中枢

思维统合的纯顾问角色助手

98

思维统合的纯顾问角色助手

本地会话历史的智能检索专家

97

本地会话历史的智能检索专家

AI 代理专用的紧凑型符号通信协议

100

AI 代理专用的紧凑型符号通信协议

交互式 AI 招聘向导,一键组建团队

100

交互式 AI 招聘向导,一键组建团队

确定性自主任务编排引擎

97

确定性自主任务编排引擎

零信任本地身份管控系统

97

零信任本地身份管控系统

LLM原生智能搜索 · S级安全

97

LLM原生智能搜索 · S级安全

火山引擎 RAG 智能检索方案

98

火山引擎 RAG 智能检索方案

全方位对抗验证与策略强化系统

97

全方位对抗验证与策略强化系统

AI 项目记忆中枢,本地隐私优先

97

AI 项目记忆中枢,本地隐私优先

让 AI 主动思考,而非被动应答

97

让 AI 主动思考,而非被动应答

Token 安全的智能提示词管家

98

Token 安全的智能提示词管家

全模态 AI 提示词工程精要

98

全模态 AI 提示词工程精要

叙事身份塑造的AI人格锻造术

98

叙事身份塑造的AI人格锻造术

智能自进化,越用越懂你

97

智能自进化,越用越懂你

AI 增强

Token 安全的智能提示词管家

score 98

Token 安全的智能提示词管家

使用说明

## 核心用法 Prompt Assemble 是一套标准化的 Token 安全提示词组装框架,专为需要构建 LLM 提示词的 Agent 设计。其核心工作流程分为六个阶段:基础配置 → 最小上下文构建 → 内存需求决策 → 内存检索(可选)→ Token 估算 → 安全阀决策 → 最终组装。开发者只需将 prompt_assemble.py 复制到项目中,调用 build_prompt()() 函数即可集成,无需关心复杂的 Token 计算逻辑。 ## 显著优点 极致的 Token 安全:采用 75% 保守阈值(153K tokens),预留 25% 缓冲空间应对模型开销和估算误差,从根本上杜绝 API 因 token 溢出而失败。两阶段构建策略确保系统提示词和用户输入永不丢弃,仅将内存层作为可牺牲增强项。内置的记忆触发器检测(如 "previously"、"last time" 等关键词)智能判断是否需要检索历史记忆,避免不必要的内存开销。 工程化设计:完整的类型注解、单元测试和文档支持,代码托管于 GitHub 公开仓库,commit 历史可追溯。仅依赖 Python 标准库(typing 模块),零第三方依赖风险。 ## 潜在缺点与局限性 功能边界明确:该技能专注于提示词组装和 Token 管理,不提供记忆存储实现(仅定义回调接口),需要用户自行接入向量数据库或记忆检索系统。记忆触发器基于简单关键词匹配,可能漏检复杂的上下文依赖表达。 估算精度限制:Token 估算基于字符数或分词启发式算法,与真实模型分词器存在偏差,极端情况下可能仍有微小误差。不支持动态调整安全阈值,75% 的保守策略在上下文极短的场景下可能造成容量浪费。 ## 适合的目标群体 - 构建长对话 Agent 的开发者(客服、陪伴、教育类应用) - 需要处理复杂多轮推理的 LLM 应用架构师 - 对 API 稳定性有严苛要求的生产环境团队 - 缺乏 Token 管理经验的初级 Agent 开发者 ## 使用风险 性能风险:频繁的记忆检索和摘要操作可能增加响应延迟,建议在异步流程中执行。Token 估算函数若实现不当(如用户提供的回调),可能成为性能瓶颈。 依赖风险:该技能本身零依赖,但实际运行依赖外部记忆检索和对话历史获取函数,这些回调的稳定性直接影响整体功能。需确保回调函数具备完善的异常处理。 兼容性风险:当前默认配置针对 204K 上下文模型(MiniMax-M2.1),使用其他模型时需手动调整 MAX_TOKENS 和 SAFETY_MARGIN 参数。

development-engineeringai-mlbackendautomationproductivity

Agent 怎么使用 SkillRouter

  1. 1用户在 Agent 里提出需求,例如:帮我找一个做 PPT 的 skill。
  2. 2Agent 通过 SkillRouter MCP 调用 search_skills,检索本地中心库和远端中心库。
  3. 3用户确认后,Agent 调用 install_skill_to_center,把 skill 安装到 SkillRouter 中心。
  4. 4后续 Agent 再执行任务时,可以读取已安装 skill 的说明、能力边界和使用步骤。

安装到 Agent / OpenEva

把下面配置加入支持 HTTP MCP 的客户端后,即可让 Agent 调用 SkillRouter。

{
  "mcpServers": {
    "skillrouter": {
      "type": "http",
      "url": "http://127.0.0.1:18650/mcp"
    }
  }
}

常用说法

用 skillrouter 搜索 PPT 相关 skills
查一下朋友圈高转化文案诊断专家这个 skill
安装这个 skill 到 SkillRouter 中心

下载 SkillRouter

安装本地客户端后,即可把 SkillRouter 发布为本机 MCP 服务,并让 Agent 调用搜索和安装能力。

macOS 版本已使用 Developer ID 签名并通过 Apple 公证。如果仍看到安全提示,请删除旧包并重新下载最新版。