荞麦饼 Genesis
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_bff2bc01/qiaomai-dlh365。
技能介绍
它解决的问题
荞麦饼 Skills 针对的是 OpenClaw 平台上智能体工具链过于分散、工程师需要手工拼装记忆、检索、报告和执行流程的问题。对于非工程背景的使用者,传统 Agent 技能通常暴露底层配置与提示词工程,调试成本高。该技能把自然语言交互、任务规划、知识检索、报告输出和可视化组织成一套可复用的工作流,重点降低从“能跑”到“能用于具体业务”的距离。
核心工作方式
- 自然语言交互:将用户目标转成可执行任务,减少对复杂配置界面的依赖。
- 智能任务规划:资料提到自适应执行与预测性执行,适合处理多步骤任务拆解。
- 混合检索与记忆:结合向量、图、关系结构和八层记忆体系,用于上下文保持、案例查询与知识关联。
- 报告与类案检索:可生成多格式报告,并基于语义与规则混合检索类似案例,适合法律、客服、知识管理等需要引用先例的场景。
- 可视化与集成:通过仪表盘和知识空间展示执行过程;可与
OpenClaw、Hermes、DeerFlow、Perplexity、Grok等外部能力连接。
适用边界与注意点
该技能更像“智能体工作流框架”,不是单一工具。使用时需要明确输入数据、权限边界和检索范围,避免把未经核验的生成内容直接用于高风险决策。资料中的性能与准确率是项目自述指标,实际效果取决于数据质量、提示词设计和外部 API 稳定性。
使用场景
- 法务人员用自然语言输入争议点,检索相似案例并生成引用摘要报告。
- 客服团队把工单按规则与语义聚类,输出多格式周报和异常案例清单。
- 研究助手用八层记忆保持多轮实验上下文,并将动态知识图谱展示为仪表盘。
- OpenClaw 开发者接入 Hermes 与 DeerFlow,规划多步骤任务并追踪执行状态。
适合人员
- 法务与合规人员:需要基于案例检索和报告输出沉淀判断依据。
- 客服与知识运营:需要把工单、FAQ 和流程文档组织成可复用知识。
- OpenClaw 平台开发者:需要把记忆、检索、报告和执行流接成工作流。
- 研究与分析人员:需要多轮上下文记忆和动态知识图谱辅助综述。