/install ai-promotion-query
\r \r
AI Promotion Query(腾讯音乐人宣推数据查询)\r
\r
✨ 自包含登录态:本 Skill 需要用户登录态,已由
tme-openapiSkill 自动处理——无需任何手动架设。首次使用会弹出浏览器扫码登录,Token 有效期约 30 天。\r \r ⚠️ 前置依赖(算子调用能力):本 Skill 不自带 API 调用脚本,所有 TME OpenAPI 算子的发现与调用都委托给tme-openapiSkill。你需要了解tme-openapi提供的 4 个通用工具(list_apis/search_apis/get_api_detail/invoke_api)及其标准调用流程。\r \r ⚠️ 对外表达依赖:本 Skill 的输出是上层 Agent(ai-promotion/readme.md)的内部数据依据,不直接面向用户。最终对用户的自然语言回复,必须遵守ai-promotion/readme.md的对外规则,并统一通过宣推结构化输出skill 输出。\r \r 本 Skill 分为两个部分:\r \r
- Part 1 — 宣推数据查询业务流程:基于
tme-openapi的通用调用能力,完成"宣推概览查询"和"获取歌曲宣推指标查询"两个子场景的业务编排。\r - Part 2 — 宣推指标分析:按需读取
knowledge.md,把查询结果归类到推广前 / 推广中 / 推广后规则,再生成定性判断、动作建议和衍生问题。\r \r ---\r \r
基础能力依赖:tme-openapi\r
\r
本 Skill 的所有后端调用都通过 tme-openapi Skill 完成。该 Skill 提供 4 个通用工具来发现和调用腾讯音乐开放平台的「算子」API:\r
\r
| Tool(来自 tme-openapi) | 作用 | 在本业务中的典型用途 |\r
| -------------------------- | ------------------------ | -------------------------------------------------- |\r
| search_apis | 按关键词模糊搜索算子 | 用关键词定位"宣推概览"、"获取歌曲宣推指标"算子 |\r
| list_apis | 列出所有可用算子摘要 | 搜索失败时兑底探查 |\r
| get_api_detail | 获取指定算子的完整详情 | 调用前查 inputSchema / detailedDescription |\r
| invoke_api | 调用指定算子 | 真正发起业务调用(同步返回结果) |\r
\r
标准调用流程(由 tme-openapi 定义):\r
\r
search_apis(keyword) → [可选] get_api_detail(operatorCode) → invoke_api(operatorCode, arguments)\r
```\r
\r
> 当前算子平台仅支持**同步调用**,`invoke_api` 一次请求即为终态,无需轮询异步结果。\r
\r
### 脚本路径约定\r
\r
`tme-openapi` 的脚本位于同级目录 `../tme-openapi/scripts/`。在 qclaw / Code Buddy 中,脚本安装路径为 `~/.\x3Cclient>/skills/tme-openapi/scripts/`。本 Skill 正文中的「搜索算子」「调用算子」等步骤,都是对这些脚本的逻辑调用,不再赘述具体命令行形式——按 `tme-openapi/SKILL.md` 的"标准调用流程"执行即可。\r
\r
### 核心编排原则(从 `tme-openapi` 继承)\r
\r
- 不硬编码任何 `operatorCode` 或参数结构,一律通过 `search_apis` / `get_api_detail` 动态发现\r
- 登录态下**不要**传 `accountId` / `userId` 等身份参数,后端会从 Token 中自动识别\r
- 遇到 `INVALID_ARGUMENT`,回退到 `get_api_detail` 重新确认 schema 和 example 后再试\r
- 遇到 `UNAUTHORIZED`,引导用户删除 `~/.tme-login/token.json` 后重跑,`tme-openapi` 会自动触发重新登录\r
- 错误码含义与重试策略的完整表格,见 `tme-openapi/SKILL.md`\r
\r
---\r
\r
## Part 1:宣推数据查询业务流程\r
\r
**注意**:本 Skill 不硬编码任何算子 code 或参数结构。关于算子的参数细节、取值约束、返回结构等信息,请通过 `tme-openapi` 的 `get_api_detail` 获取详情后,阅读 `detailedDescription` 字段,并参考本目录下 `detailed_description_overview.md` / `detailed_description_metric.md` 两份本地说明作为辅助。\r
\r
### 核心背景\r
\r
宣推数据查询是音乐人宣推助手的基础能力:\r
\r
1. **宣推概览** — 拉取当前登录用户名下所有宣推歌曲的整体情况(账号级摘要 + 单曲摘要列表),用于回答"我这些歌宣推情况如何"这类账号级问题,也用于后续从中筛选出目标 `songId` 即 `yyrSongId`字段。\r
2. **获取歌曲宣推指标** — 按 `songId` 获取单首歌的完整宣推指标,用于回答单首歌的宣推表现、诊断、加投/止损判断等问题。\r
\r
两个接口均为**同步接口**,`invoke_api` 直接返回结果,无需关心异步轮询。\r
\r
### 对外表达总原则(⚠️ 贯穿两个场景)\r
\r
- ❌ 禁止向用户展示任何具体金额、投放金额、购买播放量、投放天数等数字\r
- ✅ 内部拿到的指标只能作为判断依据,对外必须转写为"表现较好 / 偏弱 / 一般 / 有提升空间 / 值得继续观察"等定性评价\r
- ✅ 不输出"我来帮你分析"、"让我查询一下"、"数据查询成功"等过程态话术\r
- ✅ 无法唯一定位歌曲时,不得追问 `songId` / 歌手名 / 发布时间 / 版本信息,固定使用 `ai-promotion/readme.md` 中的兜底文案\r
\r
---\r
\r
### 场景一:宣推概览查询\r
\r
当用户说"我这些歌宣推情况怎么样"、"看一下宣推数据"、"我有哪些歌在投放"、"宣推表现如何"等**账号级 / 未指定具体歌曲**的问题时:\r
\r
#### 核心约束\r
\r
- 当前登录用户由登录态 Token 自动透传,**不需要**调用方传 `userId`\r
- 若接口支持分页,`pageNo` 默认 1、`pageSize` 默认 10(以 `inputSchema` 为准)\r
- **不要**向用户暴露技术参数名称(如 `pageNo` / `pageSize`),对用户使用自然语言描述\r
- 更多参数/返回细节参见 `detailed_description_overview.md`\r
\r
#### Step 1:搜索宣推概览算子\r
\r
通过 `tme-openapi` 的 `search_apis`:\r
\r
```\r
search_apis({ keyword: "宣推概览" })\r
```\r
\r
若无命中,换用备选关键词重试:`宣推歌曲`、`宣推列表`、`宣推数据`。\r
从返回中定位名称/描述与"宣推概览 / 宣推歌曲概览"匹配的条目,记住其 `name`(operatorCode)。\r
\r
#### Step 2:获取算子详情(强烈建议)\r
\r
**首次调用前,务必先获取详情**:\r
\r
```\r
get_api_detail({ name: "\x3C上一步找到的 operatorCode>" })\r
```\r
\r
仔细阅读 `detailedDescription`、`inputSchema`、`exampleOutput`。如与本地 `detailed_description_overview.md` 冲突,**以后端返回为准**。\r
\r
#### Step 3:调用宣推概览算子\r
\r
根据 `inputSchema` 构造参数并通过 `tme-openapi` 的 `invoke_api` 调用:\r
\r
```\r
invoke_api({\r
name: "\x3CoperatorCode>",\r
arguments: { /* 以 get_api_detail 返回的 inputSchema 为准,通常可传空对象 {} 或 { pageNo, pageSize } */ }\r
})\r
```\r
\r
#### Step 4:处理返回并组装内部上下文\r
\r
从返回中提取:\r
\r
- 账号级信息(是否曾有宣推歌曲、当前在投数量等)\r
- 单曲摘要列表(`songId`、`songName`、`promotionStatus`、定性标签等)\r
\r
该结果 **不直接对外**,而是作为上层 `ai-promotion/readme.md` 判断问题类型、组装回答所需的内部数据。\r
\r
#### 场景一对外输出要点(遵循 `ai-promotion/readme.md` 的 B 类或 A 类规则)\r
\r
- 用户问的是**整体情况 / 账号级 / 不指向具体一首** → 走 B 类规则:一个或多个 `message` + 最后一个 `moreQuestions`(4 个衍生问题),**不输出 `songCard`**\r
- 用户问的是**某一首但歌名模糊** → 先在概览里做匹配,若能唯一定位到一首,带着 `songId` 进入场景二;若无法唯一定位,按 `ai-promotion/readme.md` 的"单首歌无法定位规则"输出固定兜底文案\r
- 禁止在对外回复中直接展示歌曲列表的原始数值字段(如具体播放量),只做定性总结\r
\r
#### 场景一边界情况\r
\r
| 情况 | 内部处理 | 对外表达 |\r
| ---------------------------- | ---------------------------------------------------------- | ------------------------------------------------------------------------ |\r
| 返回列表为空 | 判断是否从未宣推过 | 用定性语言告知"当前没有在宣推的歌曲",不要暴露技术细节 |\r
| `UNAUTHORIZED` | 登录态失效 | 引导用户删除 `~/.tme-login/token.json` 后重跑(`tme-openapi` 会自动重新登录) |\r
| 请求超时 /`UPSTREAM_ERROR` | 重试 1-2 次 | 仍失败则使用`ai-promotion/readme.md` 中的"系统繁忙"兜底文案 |\r
| 用户继续问某一首 | 从概览结果中匹配`songName` / 关键词 | 匹配成功则进入场景二;匹配失败按"单首歌无法定位规则"输出兜底文案 |\r
\r
---\r
\r
### 场景二:获取歌曲宣推指标\r
\r
当用户说"这首歌宣推效果怎么样"、"《XXX》宣推诊断"、"这首歌要不要继续投"、"这首歌宣推有什么问题"等**指向单首歌**的问题时:\r
\r
#### 核心约束\r
\r
- `songId` **必填**。如无 `songId`,先走场景一拿到候选池并匹配\r
- 已在上下文中(概览结果、做歌结果、发行结果、上层透传)拿到 `songId` 的,直接使用,**不要**再向用户追问\r
- 本接口通常为同步,直接返回结果\r
- **不要**向用户暴露 `songId` / 技术参数名称\r
- 更多参数/返回细节参见 `detailed_description_metric.md`\r
\r
#### Step 1:准备 `songId`\r
\r
按优先级尝试:\r
\r
1. 上下文中已存在 `songId`(上层 Agent 透传、概览匹配结果、做歌/发行透传) → 直接使用\r
2. 用户给了歌名 → 先调用场景一的"宣推概览",在返回列表里按 `songName` 匹配\r
3. 依然无法唯一定位 → **不要追问用户**,按 `ai-promotion/readme.md` 的"单首歌无法定位规则"输出固定兜底文案(`抱歉哦,系统繁忙中暂时无法为您提供该歌曲宣推评估...`)\r
\r
#### Step 2:搜索获取歌曲宣推指标算子\r
\r
通过 `tme-openapi` 的 `search_apis`:\r
\r
```\r
search_apis({ keyword: "获取歌曲宣推指标" })\r
```\r
\r
若无命中,换用备选关键词:`宣推指标`、`宣推数据详情`、`单曲宣推`、`歌曲宣推详情`。\r
记下匹配条目的 `name`(operatorCode)。\r
\r
#### Step 3:获取算子详情(强烈建议)\r
\r
```\r
get_api_detail({ name: "\x3C上一步找到的 operatorCode>" })\r
```\r
\r
仔细阅读 `detailedDescription` / `inputSchema` / `exampleOutput`。若与本地 `detailed_description_metric.md` 冲突,以后端为准。\r
\r
#### Step 4:调用获取歌曲宣推指标算子\r
\r
通过 `tme-openapi` 的 `invoke_api`:\r
\r
```\r
invoke_api({\r
name: "\x3CoperatorCode>",\r
arguments: {\r
"songId": "\x3C目标歌曲ID>"\r
/* 其他字段以 inputSchema 为准,如 startDate / endDate */\r
}\r
})\r
```\r
\r
#### Step 5:组装内部上下文,交由 Part 2 做分析\r
\r
拿到返回后:\r
\r
- 提取基础信息(歌名、封面、发行时间、生命周期阶段等)\r
- 提取核心宣推指标(播放表现、完播、转化、投放节奏、素材维度等)——**仅作为内部判断依据**\r
- 提取定性标签(如后端已提供 `performanceTag` / `diagnosisTag`),优先用定性字段对外\r
\r
后续分析与回答组装逻辑,见 **Part 2:宣推指标分析**。\r
\r
#### 场景二对外输出要点(A 类问题,严格遵循 `ai-promotion/readme.md`)\r
\r
A 类问题必须按以下顺序输出 4 个协议块(全部通过 `宣推结构化输出` skill 输出):\r
\r
1. 总结性 `message` — 对该歌曲当前宣推表现的定性总结(亮点 / 短板 / 当前状态),**严禁展示具体指标数值**\r
2. `songCard` — `{"songId":"\x3C真实可定位的 songId>"}`\r
3. 建议性 `message` — 围绕该单首歌的具体、可落地的操作建议,必须说明依据,避免空泛\r
4. `moreQuestions` — 4 个衍生问题,优先落在知识库已覆盖主题(数据解读 / 问题诊断 / 投流节奏 / 素材优化 / 生命周期 / 加投止损判断)\r
\r
#### 场景二边界情况\r
\r
| 情况 | 内部处理 | 对外表达 |\r
| ------------------------------------ | ---------------------------------------- | -------------------------------------------------------------------------------------------- |\r
| 无`songId` 且场景一无法匹配 | 不向用户追问任何补充信息 | 按`ai-promotion/readme.md` 的"单首歌无法定位规则"输出固定兜底文案,不输出 `songCard` |\r
| `songId` 不存在 / 无权访问 | 回到场景一重取候选池 | 用定性语言提示"无法获取到该歌曲的宣推数据",不要暴露 `songId` 字段 |\r
| 歌曲不在宣推中 | 无宣推数据可分析 | 用定性语言提示"该歌曲暂无宣推数据,可以从其他歌曲入手" |\r
| `INVALID_ARGUMENT` | 回退到`get_api_detail` 重新确认 schema | 内部修正后重试,不要外露过程 |\r
| `UNAUTHORIZED` | 登录态失效 | 引导用户删除 `~/.tme-login/token.json` 后重跑(`tme-openapi` 会自动重新登录) |\r
| 请求超时 /`UPSTREAM_ERROR` | 重试 1-2 次 | 仍失败则输出"系统繁忙"固定兜底文案 |\r
\r
---\r
\r
### 场景组合:先概览后指标(最常见)\r
\r
```\r
1. 场景一:查宣推概览 → 拿到账号级摘要 + 单曲候选池\r
↓\r
2. 按用户问题定位目标 songId(或直接回答账号级问题并结束)\r
↓\r
3. 场景二:按 songId 获取歌曲宣推指标 → 拿到单首完整指标\r
↓\r
4. Part 2:结合宣推知识库做分析 → 按 A 类结构输出\r
```\r
\r
---\r
\r
## Part 2:宣推指标分析\r
\r
### 定位\r
\r
本部分负责**把 Part 1 查到的原始指标,结合本地知识库 [knowledge.md](knowledge.md),转化为对用户可用的诊断与建议**。\r
\r
Part 2 现在按固定流程执行。执行时必须:\r
\r
1. 先判断问题属于账号级概览还是单首歌诊断\r
2. 再判断歌曲当前所处的推广阶段:推广前 / 推广中 / 推广后\r
3. 最后按 `knowledge.md` 的对应章节生成定性判断、动作建议和 `moreQuestions`\r
\r
### 知识库使用方式\r
\r
优先读取本地文件:\r
\r
- [knowledge.md](knowledge.md):宣推知识库主文件,包含指标口径、三阶段策略、特殊场景、FAQ、Agent 落地规则\r
\r
按需读取,不要把整份知识库搬进回答。优先定位以下标题:\r
\r
- `## 2. 核心指标口径`\r
- `## 3. 推广前判断`\r
- `## 4. 推广中判断`\r
- `## 5. 推广结束后的复盘判断`\r
- `## 6. 特殊场景适配`\r
- `## 7. FAQ 归纳`\r
- `## 8. 面向 Agent 的落地规则`\r
\r
### 输入\r
\r
- 场景一返回的账号级概览 + 单曲摘要列表\r
- 场景二返回的目标歌曲完整指标\r
- 当前对话上下文中的用户原问题\r
- 如有:后端直接返回的定性字段(如 `performanceTag`、`diagnosisTag`、`promotionStatus`)\r
\r
### 分析主流程\r
\r
#### Step 1:先判断问题类型\r
\r
- 用户问账号整体情况、歌曲集合表现、有哪些歌在投放 → 走账号级总结\r
- 用户问某一首歌值不值得继续投、效果怎么样、哪里有问题 → 走单首歌分析\r
\r
账号级问题以概览结果为主,不强行展开到单曲深诊断;单曲问题以 `songId` 对应的指标详情为主。\r
\r
#### Step 2:判断推广阶段\r
\r
结合用户问题、接口字段和知识库语义,把当前歌曲归到以下三类之一:\r
\r
- **推广前**:更像是在问“值不值得推”“怎么起量”“适合哪种方式”,或当前主要是基础质量判断/冷启判断\r
- **推广中**:更像是在问“效果怎么样”“要不要继续投”“要不要换策略”,且有投流消耗、转化增长、杠杆率等在投指标\r
- **推广后**:更像是在问“这轮投完之后要不要再追投”“是否还有长尾价值”,或上下文明确推广已结束\r
\r
若阶段不明确,优先按用户问法判断;若问法也不明确,再按数据字段判断。仍无法确定时,只输出保守结论,不越级给出强动作建议。\r
\r
#### Step 3:读取对应知识库章节\r
\r
- 推广前:读取 `knowledge.md` 的 `## 2` 与 `## 3`\r
- 推广中:读取 `knowledge.md` 的 `## 2` 与 `## 4`\r
- 推广后:读取 `knowledge.md` 的 `## 2` 与 `## 5`\r
- 遇到新歌无数据 / 小众风格 / 机构批量异质歌曲:额外读取 `## 6`\r
- 用户问解释型问题(如“什么是推币”“为什么消耗慢”):优先读取 `## 7`\r
- 准备最终输出前:回看 `## 8`,确保没有把内部阈值直接说给用户\r
\r
#### Step 4:把原始指标映射成定性档位\r
\r
必须先做内部映射,再决定怎么说给用户。映射时遵守以下原则:\r
\r
- 优先使用知识库中已有的量化阈值和分层名称\r
- 若后端已经给了定性标签,优先把后端标签和知识库规则交叉验证,而不是另起一套口径\r
- 若缺少某些关键字段,只在已有证据覆盖的维度下结论,不补造缺失维度\r
\r
重点关注:\r
\r
- 歌曲潜力:播放量、搜播量、转发量、收藏率、完播率、搜播率\r
- 投流质量:投流消耗率、投流效率、杠杆率、收藏增量、下载量等转化增长\r
- 生命周期与后续价值:是否适合追投、长尾维护或转自然运营\r
\r
#### Step 5:生成内部分析结论\r
\r
结论至少包含以下三部分:\r
\r
1. **当前判断**:如“更适合小额冷启”“当前投放表现良好”“本轮更像长尾维护价值”\r
2. **判断依据**:引用命中的知识库逻辑与已拿到的数据维度\r
3. **下一步动作**:给出继续加投 / 维持观察 / 切换方式 / 暂停付费 / 转自然运营等建议\r
\r
若是账号级问题,可按“当前整体盘子 + 候选重点歌曲 + 共性建议”组织;若是单首歌问题,必须围绕当前这首歌给出判断。\r
\r
### 三类阶段的具体规则\r
\r
#### 推广前\r
\r
读取 `knowledge.md` 的 `## 3` 后,优先把歌曲归入:\r
\r
- 优质飙升\r
- 优质潜力\r
- 冷启歌曲\r
- 其他歌曲\r
\r
然后按用户身份给建议:\r
\r
- 个人音乐人:强调是否适合直接推广、小额冷启、还是先做内容铺垫\r
- 机构用户:强调是否纳入核心清单、次核心清单或剔除清单\r
\r
补充平台与方式建议时,优先使用:\r
\r
- 智能推荐\r
- 歌单推荐\r
- 潜力养歌\r
\r
#### 推广中\r
\r
读取 `knowledge.md` 的 `## 4` 后,优先把歌曲归入:\r
\r
- 优质投放\r
- 良好投放\r
- 待调整投放\r
- 低效投放\r
\r
动作建议必须四选一为主:\r
\r
- 继续加投\r
- 维持观察\r
- 切换方式\r
- 暂停付费\r
\r
若需要补充原因,优先解释:\r
\r
- 消耗是否足够快\r
- 转化是否有增长\r
- 杠杆率是否说明付费投流正在撬动自然流量\r
\r
#### 推广后\r
\r
读取 `knowledge.md` 的 `## 5` 后,优先把歌曲归入:\r
\r
- 推荐追投\r
- 长尾维护价值\r
- 自然运营价值\r
\r
后续建议要围绕:\r
\r
- 是否做二次追投\r
- 是否保留轻量智能推荐\r
- 是否转私域/短视频/直播等自然运营\r
\r
### 特殊场景规则\r
\r
遇到以下情况时,必须额外套用 `knowledge.md` 的 `## 6`:\r
\r
- **新歌无数据**:按冷启歌曲处理,不做硬性卡线\r
- **小众风格歌曲**:允许柔性放宽标准,但只能给“小额冷启 / 继续观察”这类保守建议\r
- **机构批量异质歌曲**:按赛道分组理解,不把所有歌混成一个结论\r
\r
### 输出约束\r
\r
分析结果**不直接对外**,而是作为 A 类或 B 类问题输出结构的数据源,交由上层 `ai-promotion/readme.md`。\r
\r
生成时必须遵守:\r
\r
- ❌ **严禁**在对外回答中展示任何具体指标数值、金额、天数、播放量等数字\r
- ❌ **严禁**在知识库未覆盖的情况下编造分析结论或空泛建议\r
- ❌ **严禁**为凑满 4 个衍生问题跨主题发散到行业趋势、达人资源、跨平台经验等方向\r
- ✅ 无数据时,必须明确说明边界,不得伪造单曲数据或账号数据\r
- ✅ 建议必须具体、可执行、围绕当前单首歌或当前账号问题展开,并说明判断依据\r
\r
### `moreQuestions` 生成规则\r
\r
`moreQuestions` 必须从知识库已覆盖主题里挑 4 个,优先级如下:\r
\r
1. 数据解读\r
2. 问题诊断\r
3. 投流节奏\r
4. 素材优化\r
5. 生命周期判断\r
6. 加投/止损判断\r
\r
避免生成以下无依据问题:\r
\r
- 行业大盘趋势\r
- 达人资源获取\r
- 站外广告经验泛谈\r
- 未在知识库中定义的跨平台打法\r
\r
---\r
\r
## 本地参考文档\r
\r
| 文件 | 说明 |\r
| -------------------------------------- | ---------------------------------------------------------- |\r
| `detailed_description_overview.md` | "宣推概览"算子的调用指引、参数参考骨架、返回结构参考、边界 |\r
| `detailed_description_metric.md` | "获取歌曲宣推指标"算子的调用指引、参数参考骨架、返回结构参考、边界 |\r
| `knowledge.md` | 宣推知识库主文件:指标口径、推广前/中/后规则、特殊场景、FAQ、Agent 输出约束 |\r
\r
> 以上两份文档为**参考骨架**,真实 schema 和字段以后端 `get_api_detail` 返回的 `detailedDescription` / `inputSchema` / `exampleOutput` 为准。\r
\r
---\r
\r
## 依赖链条总览\r
\r
```\r
ai-promotion/readme.md ← 最上层:音乐人宣推助手人设,定对外表达规则\r
│\r
▼\r
ai-promotion-query (本 Skill) ← 本层:业务编排(宣推概览 / 宣推指标 / 指标分析)\r
│\r
▼\r
tme-openapi ← 基础能力:算子发现 + 调用,同时内嵌登录态获取(自包含)\r
```\r
- 确保已安装 OpenClaw(本地或 Docker 部署)
- 在对话框中输入安装命令:
/install ai-promotion-query - 安装完成后,直接呼叫该 Skill 的名称或使用
/ai-promotion-query触发 - 根据 Skill 的参数说明提供必要输入,即可获得结构化输出
Ai Promotion Query 是什么?
腾讯音乐人宣推数据查询能力。当用户提到"我这些歌宣推情况如何"、"看一下宣推数据"、"这首歌宣推效果怎么样"、"我有哪些歌在投放"、"这首歌还要不要继续投"、"宣推诊断"、"宣推表现"、"投放效果"等与宣推数据查询相关的请求时触发。本 Skill 整合了两大子场景:① **宣推概览**——拉取当前登录用户名下所有... 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件,目前累计下载 44 次。
如何安装 Ai Promotion Query?
在 OpenClaw 或 Claude Code 对话框中运行命令「/install ai-promotion-query」即可一键安装,无需额外配置。
Ai Promotion Query 是免费的吗?
是的,Ai Promotion Query 完全免费,采用 MIT-0 许可证,可自由下载、安装和使用。
Ai Promotion Query 支持哪些平台?
Ai Promotion Query 跨平台运行,可在任意部署了 OpenClaw / Claude Code 的环境中使用(cross-platform)。
谁开发了 Ai Promotion Query?
由 SKY-lv(@sky-lv)开发并维护,当前版本 v1.0.0。