[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-openclaw--skills":3,"tool-openclaw--skills":65},[4,23,32,40,49,57],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":22},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",85267,2,"2026-04-18T11:00:28",[13,14,15,16,17,18,19,20,21],"图像","数据工具","视频","插件","Agent","其他","语言模型","开发框架","音频","ready",{"id":24,"name":25,"github_repo":26,"description_zh":27,"stars":28,"difficulty_score":29,"last_commit_at":30,"category_tags":31,"status":22},5784,"funNLP","fighting41love\u002FfunNLP","funNLP 是一个专为中文自然语言处理（NLP）打造的超级资源库，被誉为\"NLP 民工的乐园”。它并非单一的软件工具，而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。\n\n面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点，funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具，还独特地收录了丰富的垂直领域资源，如法律、医疗、金融行业的专用词库与数据集，甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性，从基础的字典词典到前沿的 BERT、GPT-2 模型代码，再到高质量的标注数据和竞赛方案，应有尽有。\n\n无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师，还是从事人工智能研究的学者，都能在这里找到急需的“武器弹药”。对于开发者而言，它能大幅减少寻找数据和复现模型的时间；对于研究者，它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神，极大地降低了中文自然语言处理的开发与研究成本，是中文 AI 社区不可或缺的宝藏仓库。",79857,1,"2026-04-08T20:11:31",[19,14,18],{"id":33,"name":34,"github_repo":35,"description_zh":36,"stars":37,"difficulty_score":29,"last_commit_at":38,"category_tags":39,"status":22},5773,"cs-video-courses","Developer-Y\u002Fcs-video-courses","cs-video-courses 是一个精心整理的计算机科学视频课程清单，旨在为自学者提供系统化的学习路径。它汇集了全球知名高校（如加州大学伯克利分校、新南威尔士大学等）的完整课程录像，涵盖从编程基础、数据结构与算法，到操作系统、分布式系统、数据库等核心领域，并深入延伸至人工智能、机器学习、量子计算及区块链等前沿方向。\n\n面对网络上零散且质量参差不齐的教学资源，cs-video-courses 解决了学习者难以找到成体系、高难度大学级别课程的痛点。该项目严格筛选内容，仅收录真正的大学层级课程，排除了碎片化的简短教程或商业广告，确保用户能接触到严谨的学术内容。\n\n这份清单特别适合希望夯实计算机基础的开发者、需要补充特定领域知识的研究人员，以及渴望像在校生一样系统学习计算机科学的自学者。其独特的技术亮点在于分类极其详尽，不仅包含传统的软件工程与网络安全，还细分了生成式 AI、大语言模型、计算生物学等新兴学科，并直接链接至官方视频播放列表，让用户能一站式获取高质量的教育资源，免费享受世界顶尖大学的课堂体验。",79792,"2026-04-08T22:03:59",[18,13,14,20],{"id":41,"name":42,"github_repo":43,"description_zh":44,"stars":45,"difficulty_score":46,"last_commit_at":47,"category_tags":48,"status":22},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,3,"2026-04-04T04:44:48",[17,13,20,19,18],{"id":50,"name":51,"github_repo":52,"description_zh":53,"stars":54,"difficulty_score":46,"last_commit_at":55,"category_tags":56,"status":22},519,"PaddleOCR","PaddlePaddle\u002FPaddleOCR","PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。\n\n面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。\n\nPaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。",75872,"2026-04-18T10:54:57",[19,13,20,18],{"id":58,"name":59,"github_repo":60,"description_zh":61,"stars":62,"difficulty_score":29,"last_commit_at":63,"category_tags":64,"status":22},3215,"awesome-machine-learning","josephmisiti\u002Fawesome-machine-learning","awesome-machine-learning 是一份精心整理的机器学习资源清单，汇集了全球优秀的机器学习框架、库和软件工具。面对机器学习领域技术迭代快、资源分散且难以甄选的痛点，这份清单按编程语言（如 Python、C++、Go 等）和应用场景（如计算机视觉、自然语言处理、深度学习等）进行了系统化分类，帮助使用者快速定位高质量项目。\n\n它特别适合开发者、数据科学家及研究人员使用。无论是初学者寻找入门库，还是资深工程师对比不同语言的技术选型，都能从中获得极具价值的参考。此外，清单还延伸提供了免费书籍、在线课程、行业会议、技术博客及线下聚会等丰富资源，构建了从学习到实践的全链路支持体系。\n\n其独特亮点在于严格的维护标准：明确标记已停止维护或长期未更新的项目，确保推荐内容的时效性与可靠性。作为机器学习领域的“导航图”，awesome-machine-learning 以开源协作的方式持续更新，旨在降低技术探索门槛，让每一位从业者都能高效地站在巨人的肩膀上创新。",72149,"2026-04-03T21:50:24",[20,18],{"id":66,"github_repo":67,"name":68,"description_en":69,"description_zh":70,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":72,"owner_location":72,"owner_email":79,"owner_twitter":76,"owner_website":80,"owner_url":81,"languages":82,"stars":121,"forks":122,"last_commit_at":123,"license":124,"difficulty_score":125,"env_os":126,"env_gpu":127,"env_ram":127,"env_deps":128,"category_tags":131,"github_topics":132,"view_count":10,"oss_zip_url":72,"oss_zip_packed_at":72,"status":137,"created_at":138,"updated_at":139,"faqs":140,"releases":141},9210,"openclaw\u002Fskills","skills","All versions of all skills that are on clawhub.com archived","Skills 是一个专门归档 clawhub.com 平台上所有历史版本技能代码的开源仓库。它的核心作用是为原本托管在 clawhub.com 上的各类自动化技能提供完整的备份服务，确保即使原平台内容发生变动或下架，这些珍贵的代码资源依然有据可查。\n\n这一项目主要解决了数字资源易丢失的痛点。由于网络平台的技能库可能随时更新或清理，导致旧版本技能难以追溯，Skills 通过建立静态档案库，保留了完整的历史数据链条。这不仅方便用户找回特定版本的技能，更为安全分析提供了重要素材。值得注意的是，仓库中可能包含少量可疑甚至恶意的技能代码，这是为了保留样本以供后续安全研究，因此官方建议普通用户优先通过原网站下载，而将此仓库视为纯粹的历史档案馆。\n\nSkills 特别适合对自动化流程感兴趣的研究人员、需要回溯代码演变历史的开发者，以及专注于网络安全分析的专家使用。对于希望深入理解技能逻辑或进行恶意代码特征分析的专业人士而言，这里提供了一个不可多得的真实数据池。虽然它不具备在线运行的便捷交互界面，但作为一份详实的“代码化石”记录，其在技术传承与安全审计方面的价值不容忽视。","# Skills\n\nSkills in this repository are backed up from https:\u002F\u002Fclawdhub.com - check them out there for an easier experience (or have your clawdbot do it!)\n\nDisclaimer: there may be suspicious or malicious skills within this repo. We do retain them for a short time for further analysis, we recommend you only use the site to download skills from, and treat this as a historical archive instead.\n",null,"# Skills 快速上手指南\n\n> **⚠️ 安全警告**：本仓库包含从 `clawdhub.com` 备份的技能文件。其中可能含有可疑或恶意代码。官方建议仅将其作为历史归档查看，**强烈推荐**直接访问 [clawdhub.com](https:\u002F\u002Fclawdhub.com) 或使用 ClawDBot 获取技能，以确保安全性。\n\n## 环境准备\n\n在使用本仓库中的技能之前，请确保满足以下条件：\n\n- **运行环境**：已部署并运行正常的 ClawDBot 实例。\n- **网络要求**：能够访问 GitHub 或 clawdhub.com（若网络受限，请自行配置代理）。\n- **前置依赖**：无需额外安装独立依赖库，技能文件通常由 Bot 核心直接加载。\n\n## 安装步骤\n\n本仓库主要作为技能文件的存档，通常不需要传统的“安装”过程。以下是获取技能的推荐方式：\n\n### 方式一：通过官方网站下载（推荐）\n直接访问官方站点获取经过筛选的技能，避免本地克隆潜在风险代码：\n```bash\n# 请访问 https:\u002F\u002Fclawdhub.com 浏览并下载所需技能\n```\n\n### 方式二：克隆仓库（仅限分析或离线归档）\n如果您确定需要本地备份进行分析，请执行以下命令：\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002F\u003Crepository-owner>\u002Fskills.git\ncd skills\n```\n\n## 基本使用\n\n技能的具体加载方式取决于您的 ClawDBot 配置。通常情况下，您需要将下载的技能文件放置在 Bot 指定的技能目录中。\n\n**最简单的使用示例：**\n\n1. 从安全来源（如 clawdhub.com）下载技能文件（例如 `example_skill.json` 或对应文件夹）。\n2. 将文件移动到 ClawDBot 的技能目录：\n   ```bash\n   mv example_skill.json \u002Fpath\u002Fto\u002Fclawdbot\u002Fskills\u002F\n   ```\n3. 重启 ClawDBot 服务以加载新技能：\n   ```bash\n   systemctl restart clawdbot\n   # 或者根据您的部署方式执行相应的重启命令\n   ```\n4. 在聊天界面中调用该技能定义的指令即可。\n\n> **提示**：在启用任何来自第三方或未经验证的技能前，请务必检查其代码内容，防止权限泄露或恶意操作。","某安全研究团队正在对 ClawHub 平台上已下架或失效的自动化技能（Skills）进行恶意代码溯源与行为分析。\n\n### 没有 skills 时\n- 研究人员无法获取已从 ClawHub 主站移除的技能版本，导致针对特定历史攻击样本的分析工作中断。\n- 缺乏统一的历史归档库，必须依赖零散的个人备份或网络快照，数据完整性难以保证且检索效率极低。\n- 在尝试复现旧版漏洞时，因找不到对应的确切技能版本，只能盲目猜测或使用不兼容的新版替代，影响实验准确性。\n- 面对潜在的恶意技能，缺乏一个受控的隔离环境进行集中存储，直接在主站操作存在误触风险。\n\n### 使用 skills 后\n- 团队可直接从 skills 仓库中调取所有历史版本的技能存档，完整还原了攻击链的演变过程。\n- 依托集中化的归档结构，研究人员能快速定位并下载特定时间点的技能副本，大幅提升了情报搜集效率。\n- 通过精确匹配历史版本，成功复现了多个已被修复的漏洞场景，验证了防御策略的有效性。\n- 利用其作为“历史档案”的定位，团队在本地隔离环境中安全地分析了可疑技能，避免了直接访问主站可能带来的即时威胁。\n\nskills 的核心价值在于它将分散且易失的历史技能转化为可追溯、可审计的安全研究资产，为逆向分析与威胁情报提供了坚实的数据基石。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fopenclaw_skills_aa3f4432.png","openclaw","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fopenclaw_f9f07bbb.jpg","Your personal, open source AI assistant.","peter@openclaw.ai","https:\u002F\u002Fopenclaw.ai","https:\u002F\u002Fgithub.com\u002Fopenclaw",[83,87,91,95,99,103,107,111,115,118],{"name":84,"color":85,"percentage":86},"Python","#3572A5",57.1,{"name":88,"color":89,"percentage":90},"JavaScript","#f1e05a",19.1,{"name":92,"color":93,"percentage":94},"Shell","#89e051",8.8,{"name":96,"color":97,"percentage":98},"TypeScript","#3178c6",7.1,{"name":100,"color":101,"percentage":102},"HTML","#e34c26",5.3,{"name":104,"color":105,"percentage":106},"Rust","#dea584",0.8,{"name":108,"color":109,"percentage":110},"MDX","#fcb32c",0.5,{"name":112,"color":113,"percentage":114},"CSS","#663399",0.3,{"name":116,"color":117,"percentage":114},"Go","#00ADD8",{"name":119,"color":120,"percentage":114},"C","#555555",4184,1153,"2026-04-18T12:08:22","MIT",5,"","未说明",{"notes":129,"python":127,"dependencies":130},"该仓库仅为技能文件的存档备份，源地址为 clawdhub.com。README 明确警告其中可能包含可疑或恶意代码，建议仅通过官方网站下载技能，将此仓库视为历史档案而非直接运行环境。文中未提供任何具体的运行环境、依赖库或硬件需求信息。",[],[18],[133,134,135,136,76],"backup","skill","archive","clawhub","ready_partial","2026-03-27T02:49:30.150509","2026-04-19T03:08:17.273157",[],[]]