← 返回 Skills 市场
flonerze

推荐音乐(recommend-music)

作者 Flonerze · GitHub ↗ · v1.0.0 · MIT-0
cross-platform ✓ 安全检测通过
84
总下载
0
收藏
0
当前安装
1
版本数
在 OpenClaw 中安装
/install recommend-music
功能描述
根据用户描述推荐2000年后经典热门歌曲的技能。当用户需要音乐推荐、寻找适合特定场景或情绪的音乐、或询问歌曲建议时使用此技能。技能结合情绪、场景、活动等多种因素,推荐真实存在且2000年后受欢迎的热门歌曲,提供详细的歌曲信息。
使用说明 (SKILL.md)

音乐推荐器

一项根据用户描述推荐2000年后经典热门歌曲的技能,结合情绪、场景、活动等多种因素提供个性化音乐推荐。

为什么这项技能重要

许多用户在特定场景或情绪下需要合适的音乐,但可能不知道具体歌曲名称或如何找到合适的音乐。本技能通过分析用户描述,推荐真实存在且2000年后广受欢迎的热门歌曲,帮助用户快速找到适合的音乐。

核心功能

  1. 混合推荐系统:结合情绪、场景、活动、音乐特征等多种因素推荐歌曲
  2. 经典热门歌曲:专注于2000年之后各个时期广受欢迎的热门歌曲
  3. 真实存在验证:只推荐AI知道真实存在的歌曲,不虚构
  4. 详细信息提供:提供完整的歌曲信息,包括艺术家、专辑、年份等
  5. 多样化选择:当用户描述模糊时,提供多样化的歌曲选择

何时使用此技能

当遇到以下任何模式时,请主动使用此技能:

  • 用户明确请求音乐推荐:"推荐一些音乐"、"给我一些歌曲"
  • 用户描述特定场景需要音乐:"适合健身的音乐"、"学习时听的歌"
  • 用户描述情绪状态需要音乐:"心情不好想听歌"、"庆祝时听的音乐"
  • 用户询问特定类型的音乐:"有什么好听的摇滚乐"、"推荐经典流行歌曲"
  • 用户需要背景音乐:"工作时的背景音乐"、"派对的歌单"

如何使用此技能

步骤1:解析用户描述

仔细分析用户的描述,提取关键信息:

  • 情绪:快乐、悲伤、放松、兴奋、平静等
  • 场景:健身、学习、工作、驾驶、派对、睡眠等
  • 活动:跑步、阅读、烹饪、清洁、旅行等
  • 音乐特征:节奏快慢、流派偏好、年代范围等
  • 其他要求:语言偏好、艺术家偏好等

步骤2:选择推荐策略

根据用户描述的清晰度选择策略:

  • 描述明确:直接根据描述匹配歌曲特征
  • 描述模糊:提供多样化推荐,涵盖多种可能的解释
  • 描述简略:如"推荐音乐",可询问更多细节或提供通用热门推荐

步骤3:选择合适歌曲

遵循以下原则选择歌曲:

  1. 真实性原则:只推荐你知道真实存在的歌曲,不虚构任何歌曲信息
  2. 热门度原则:优先选择在各个时期排行榜上表现良好、广为人知的歌曲
  3. 经典性原则:注重歌曲的持久流行度和经典地位,而非短期热度
  4. 匹配性原则:确保歌曲特征与用户描述相匹配
  5. 多样化原则:推荐5-10首歌曲,涵盖不同流派、年代、艺术家
  6. 年份限制原则:只推荐2000年及之后发行的歌曲,确保音乐的时代感

步骤4:验证歌曲信息

对每首推荐歌曲验证以下信息:

  • 歌曲名称准确
  • 艺术家名称正确
  • 专辑信息(如知道)
  • 发行年份(如知道,必须为2000年及之后)
  • 音乐流派
  • 歌曲的流行度证据(如排行榜成绩、播放量等)

步骤5:格式化输出

使用以下格式输出推荐结果:

# 音乐推荐:基于您的描述"[用户描述摘要]"

根据您的需求,我为您推荐以下[数量]首经典热门歌曲:

## 1. [歌曲名称] - [艺术家]
- **专辑**:[专辑名称] ([发行年份])
- **流派**:[主要流派]
- **推荐理由**:[简要说明为什么这首歌适合您的描述,如:这首歌的[特征]非常适合[场景/情绪]]

## 2. [歌曲名称] - [艺术家]
- **专辑**:[专辑名称] ([发行年份])
- **流派**:[主要流派]
- **推荐理由**:[简要说明]

... [继续其他歌曲]

## 推荐总结
这些歌曲都是历史上广受欢迎的热门作品,适合您的[场景/情绪描述]。您可以从这些经典作品开始,探索更多相似音乐。

步骤6:提供后续建议

根据需要提供:

  • 如何找到这些歌曲(流媒体平台建议)
  • 类似艺术家或歌单建议
  • 调整推荐的提示(如"如果您想要更多/不同的推荐,请告诉我更多细节")

示例

示例1:明确场景推荐

用户说:"推荐一些适合健身时听的音乐"

技能输出

# 音乐推荐:基于您的描述"适合健身时听的音乐"

根据您的需求,我为您推荐以下8首2000年后的经典热门歌曲,这些歌曲节奏感强、能量充沛,非常适合健身时听:

## 1. Till I Collapse - Eminem ft. Nate Dogg
- **专辑**:The Eminem Show (2002)
- **流派**:嘻哈、硬核嘻哈
- **推荐理由**:强烈的节奏和有力的说唱,歌词激励人心,是健身时提升动力和耐力的热门选择

## 2. Stronger - Kanye West
- **专辑**:Graduation (2007)
- **流派**:嘻哈、流行
- **推荐理由**:强烈的节奏和积极的歌词,适合高强度训练,帮助突破极限

## 3. Lose Yourself - Eminem
- **专辑**:8 Mile: Music from and Inspired by the Motion Picture (2002)
- **流派**:嘻哈
- **推荐理由**:紧张的氛围和有力的说唱,适合有氧运动和力量训练

... [继续其他5首歌曲]

## 推荐总结
这些歌曲都是2000年后广受欢迎的热门作品,适合您的健身场景。您可以从这些经典作品开始,在Spotify、Apple Music等平台创建健身歌单。

示例2:情绪状态推荐

用户说:"心情不好,想听些放松的音乐"

技能输出

# 音乐推荐:基于您的描述"心情不好,想听些放松的音乐"

根据您的需求,我为您推荐以下6首2000年后的经典热门歌曲,这些歌曲旋律优美、节奏舒缓,能帮助放松心情:

## 1. Someone Like You - Adele
- **专辑**:21 (2011)
- **流派**:流行、灵魂
- **推荐理由**:深情的演唱和优美的钢琴伴奏,能共鸣情感同时带来慰藉

## 2. River Flows in You - Yiruma
- **专辑**:First Love (2001)
- **流派**:新世纪钢琴
- **推荐理由**:流畅如水的钢琴旋律具有极佳的放松效果,能帮助释放紧张情绪,让心情平静下来

## 3. Weightless - Marconi Union
- **专辑**:Weightless (Ambient Transmissions Vol. 2) (2011)
- **流派**:环境音乐、氛围音乐
- **推荐理由**:这首歌曲被科学研究证明具有显著的放松效果,缓慢的节奏和重复的旋律能有效降低焦虑水平

... [继续其他3首歌曲]

## 推荐总结
这些歌曲都是2000年后的经典热门作品,旋律优美且情感丰富,适合放松心情。音乐是很好的情绪调节工具,希望这些推荐能帮助您。

注意事项

  1. 避免虚构:绝不推荐你不知道的歌曲或虚构歌曲信息
  2. 注重质量:优先推荐真正经典、广受欢迎的热门歌曲
  3. 保持客观:基于歌曲的实际特征推荐,而非个人偏好
  4. 考虑多样性:在适当范围内涵盖不同流派、年代和文化背景
  5. 验证信息:确保提供的歌曲信息准确无误

成功标准

当出现以下情况时,您会知道此技能正在发挥作用:

  • 用户对推荐表示满意或提供积极反馈
  • 推荐的歌曲确实是2000年后的经典热门作品
  • 歌曲特征与用户描述良好匹配
  • 输出格式清晰、信息完整
  • 用户根据推荐找到了合适的音乐

记住:音乐是高度个人化的体验,这些推荐是起点而非终点。鼓励用户根据自己的偏好进一步探索和调整。

安全使用建议
这是一个说明型的音乐推荐技能,表面上是低风险且与其声明一致,但请注意: - 虽然 SKILL.md 要求“避免虚构”,模型仍可能产生错误或不准确的歌曲元数据;在将推荐用作正式引用前请手动核对(例如在 Spotify、Apple Music、维基或唱片库中验证艺术家、专辑与发行年份)。 - 如果您希望技能去查询外部数据库或流媒体元数据(比如自动获取播放量或排行榜证据),那将需要额外的外部 API 与凭证;当前技能不请求这些,也不会自动联网查证。 - 推荐可能包含成人或情绪化内容(视歌曲本身而定);若有内容限制或偏好,应在请求中明确说明。 总体建议:可以安装并使用此技能来生成音乐建议,但对关键元数据(尤其用于出版、引用或正式列表的场景)进行人工复核;如需自动实时校验或引入第三方服务,应明确评估并提供受控的 API 凭证。
功能分析
Type: OpenClaw Skill Name: recommend-music Version: 1.0.0 The skill bundle is a standard music recommendation prompt designed to guide an AI agent in suggesting popular songs from the year 2000 onwards. It contains no executable code, network requests, or instructions that could lead to data exfiltration or unauthorized system access. All files (SKILL.md, _meta.json, and evals.json) are strictly aligned with the stated purpose of providing formatted music suggestions based on user mood or activity.
能力评估
Purpose & Capability
技能名称、描述和 SKILL.md 中的步骤一致地描述了为用户提供2000年后真实存在且受欢迎歌曲的推荐;清单中没有与此目的不相关的依赖、环境变量或二进制要求。
Instruction Scope
SKILL.md 的指令局限于解析用户描述、选择推荐策略、验证歌曲信息并以结构化格式输出;没有要求访问系统文件、环境变量或向不明远端上报数据。它还明确声明避免虚构歌曲信息。
Install Mechanism
无安装规格或代码文件(instruction-only),因此不会在运行时下载或写入额外二进制或外部代码,降低了安装相关风险。
Credentials
技能不请求任何环境变量、凭据或配置路径;所需权限与其描述的功能相称。
Persistence & Privilege
flags 表示该技能不会被强制常驻(always:false),并且允许用户调用或由模型按需调用,这与普通技能行为一致且没有特权滥用迹象。
如何使用
  1. 确保已安装 OpenClaw(本地或 Docker 部署)
  2. 在对话框中输入安装命令:/install recommend-music
  3. 安装完成后,直接呼叫该 Skill 的名称或使用 /recommend-music 触发
  4. 根据 Skill 的参数说明提供必要输入,即可获得结构化输出
版本历史
v1.0.0
music-recommender 1.0.0 — 首次发布,提供根据用户描述推荐2000年后经典热门歌曲的功能。 - 支持基于情绪、场景、活动等多种因素智能推荐音乐 - 只推荐真实存在、2000年后发行且广受欢迎的热门歌曲 - 输出包含歌曲名、艺术家、专辑、年份、流派和推荐理由等详细信息 - 对描述不明确时可多样化推荐,适用不同用户需求 - 输出格式标准,包含推荐总结与后续建议
元数据
Slug recommend-music
版本 1.0.0
许可证 MIT-0
累计安装 0
当前安装数 0
历史版本数 1
常见问题

推荐音乐(recommend-music) 是什么?

根据用户描述推荐2000年后经典热门歌曲的技能。当用户需要音乐推荐、寻找适合特定场景或情绪的音乐、或询问歌曲建议时使用此技能。技能结合情绪、场景、活动等多种因素,推荐真实存在且2000年后受欢迎的热门歌曲,提供详细的歌曲信息。 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件,目前累计下载 84 次。

如何安装 推荐音乐(recommend-music)?

在 OpenClaw 或 Claude Code 对话框中运行命令「/install recommend-music」即可一键安装,无需额外配置。

推荐音乐(recommend-music) 是免费的吗?

是的,推荐音乐(recommend-music) 完全免费,采用 MIT-0 许可证,可自由下载、安装和使用。

推荐音乐(recommend-music) 支持哪些平台?

推荐音乐(recommend-music) 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 推荐音乐(recommend-music)?

由 Flonerze(@flonerze)开发并维护,当前版本 v1.0.0。

💬 留言讨论