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

步骤 2：记忆扫描（仅模式 A）

痛点来源（按优先级）：

痛点 → 分类映射：

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：

1. 每个痛点 → 1-2 个分类 → 找该分类中匹配的 Skill
2. 必须查看 hidden_gems_in_category（收藏率高但不在 Top100 的——真正信息差）
3. 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

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。\
\
# 痛点（请直接使用，不再扫描记忆）\
- YouTube 字幕提取\
- 股票分析\
- n8n 工作流\
- Markdown 转换\
- 桌面自动化\
- 文档管理\
\
# 存储通道\
飞书云文档\
\
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

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