note文章目录note一、openclaw用于表格分析二、领域openclaw skills三、openclaw安全四、生成学术海报五、OpenClaw Medical Skills六、论文自动生成七、搜索AI Search Hub八、自动分析论文九、使用RL增强OpenClaw能力十、openclaw记忆项目十一、相关厂商clawReference一、openclaw用于表格分析【openclaw用于表格分析项目】基于 FastAPI ReAct 流式智能体 多智能体并行 技能自学习的表格数据分析 AI 系统TabClaw: A Local AI Agent for Conversational Table Analysishttps://github.com/fishsure/TabClaw功能是上传表格.cvs进行交互式问答看几个点1执行步骤浏览器 → SSE 流式连接-FastAPI 接收请求-进入 ReAct 智能体循环思考→调用工具→观察结果-工具执行 pandas 操作或沙箱代码-结果实时推送到前端-任务结束 → 自动技能蒸馏同时更新用户记忆https://github.com/fishsure/TabClaw/blob/main/docs/architecture.md2内置按条件筛选行、随机抽样、频次统计、描述统计、取前 N 行等等16个skillhttps://github.com/fishsure/TabClaw/blob/main/docs/skills.md。二、领域openclaw skills【领域openclaw skills进展】妙想claw skill使用指南 https://my.feishu.cn/wiki/QdQfwpb0RiNiKhkHsRkc2nT3n5y包括智能选股、MX_FinSearch 、市场搜索MX_MacroData、宏观查询、MX_FinData 、财务查数、量化API、问答等。三、openclaw安全【openclaw安全进展】openclaw-security-practice-guide思路是事前 (Pre-action): 行为黑名单与严格的技能包安装审计协议防供应链投毒事中 (In-action): 权限收窄与跨技能业务风控前置检查 (Pre-flight Checks)事后 (Post-action): 每晚自动化显性巡检覆盖 13 项核心指标与大脑 Git 灾备同步。使用方法把安全指南直接丢给 OpenClaw让它自己理解、评估、部署整个防御体系。四步下载指南 → 发给 Agent → Agent 评估 → 部署。https://github.com/slowmist/openclaw-security-practice-guide四、生成学术海报【领域openclaw skill进展】直接从 Overleaf 源文件和项目网站抓取内容自动生成可交互编辑的学术会议海报。海报是单个 HTML 文件https://github.com/ethanweber/posterskill五、OpenClaw Medical Skills【领域openclaw 技能进展】OpenClaw Medical Skills医疗 AI 技能库包含 872 个 AI Agent 技能覆盖生物医学与临床研究的领域。https://github.com/FreedomIntelligence/OpenClaw-Medical-Skills/blob/main/README_zh.md六、论文自动生成【openclaw后续跟风进展】继续卷论文自动生成AutoResearchClaw功能是接收一个研究主题自主产出完整学术论文—真实文献来自 arXiv 和 Semantic Scholar多源搜索、arXiv 优先以避免限流硬件感知沙箱实验自动检测 GPU/MPS/CPU包含统计分析、同行评审和顶会级 LaTeX 排版目标 5,000-6,500 词符合 NeurIPS/ICML/ICLR 标准https://github.com/aiming-lab/AutoResearchClaw类似的工作之前也有讲过包括https://github.com/SakanaAI/AI-Scientisthttps://github.com/karpathy/autoresearchhttps://analemma.ai/blog/introducing-fars/七、搜索AI Search Hub【领域openclaw skills项目进展】AI Search Hub定位是聚合多平台 AI 原生搜索能力的开源 Skill。聚合 Gemini、Grok、豆包、元宝等平台原生 AI 搜索能力获取科技趋势、行业舆情、热点追踪、旅行规划、日常问题统一接进Agent 与工作流其实就是把不同的大模型服务的结果聚合在一起很像之前把多个搜索合并在一起的那种形态项目在https://github.com/minsight-ai-info/AI-Search-Hub。可以看核心思路step1.接收一次提问【用户或 Agent 只输入一次问题不需要为每个平台重复组织查询】-step2.分发到多个平台【同一个问题会被发送到多个 Provider让它们各自去搜索Agent 根据问题类型智能路由到最合适的平台https://github.com/minsight-ai-info/AI-Search-Hub/blob/main/ROUTING.md】-step3.4. 收集并整理结果【多平台返回的内容会被拉回同一个出口后续可以统一做标准化、融合和工作流消费】-step5. 返回给 Agent 或系统【最终结果不停留在浏览器页面而是成为 Agent、研究系统、监控流程或自动化链路里的可复用输入】其中可以关注的是它怎么做的这个搜索路由逻辑在https://github.com/minsight-ai-info/AI-Search-Hub/blob/main/ROUTING.md。为 AI 代理设计了一套精准的多平台搜索调度逻辑核心目标是避免全平台泛搜、根据问题特征定向匹配最优数据来源。核心逻辑是先分析问题的「地理 / 语言属性」和「数据生态关联」再定向路由到最可能包含优质答案的平台即【问题分类→定向路由→特殊场景处理→兜底保障】step1.问题双维度分类【地理/语言国际英文/全球/西方话题、国内中文/中国市场/中文互联网、混合跨域/跨语言数据生态亲和性通过问题关键词/内容类型匹配对应内容生态如腾讯系、字节系、Google系、美团系等】-step2.按分类定向路由【国际问题社交实时讨论X/Twitter/名人动态→grok全球网页/知识/科技→gemini需新闻社交→geminigrok国内问题按生态/内容匹配专属平台微信/腾讯→yuanbao、抖音/字节→doubao、美团/本地生活→longcat、阿里/电商→qwen、明确MiniMax→minimaxi行业报告/专业知识→longcat、通用中文搜→qwen混合问题国际平台gemini/grok国内平台doubao/longcat/qwen组合调度】-step3.无明确信号→决策树筛选【从「国际/国内」开始层层判断先匹配生态关键词再匹配内容类型最终锁定最优平台无任何匹配则国内默认qwen、国际默认gemini】-step4.URL专属路由【脱离关键词按域名匹配所属生态调度对应平台未知/混合域名→兜底gemini】-step5.多平台执行规范【独立调用各平台脚本、分开输出结果完成后统一合成时效敏感场景优先少而精准的平台组合】-step6.兜底与容错规则【判断模糊国内兜底qwen、国际兜底gemini平台失效重试同类别次优平台用户指定平台无视所有规则优先执行用户指令】。八、自动分析论文【skill技能资源进展】alphaxiv-paper-lookup AlphaXiv 提供的论文检索与结构化解析技能用于快速获取 arXiv 论文的 AI 生成概览与全文。描述在 alphaxiv.org 检索任意 arXiv 论文获取结构化 AI 概览比直接读 PDF 更快更可靠。适用场景用户提供 arXiv URL如 arxiv.org/abs/2401.12345 用户给出论文 ID如 2401.12345 用户要求解释、总结、分析某篇论文用户提供 AlphaXiv URL如 alphaxiv.org/overview/2401.12345 九、使用RL增强OpenClaw能力【使用RL增强OpenClaw能力】OpenClaw-RL异步强化学习框架将日常对话转化为个性化Agent的训练信号。《OpenClaw-RL: Train Any Agent Simply by Talking》(https://arxiv.org/abs/2603.10165代码是https://github.com/Gen-Verse/OpenClaw-RL大致思想用现有业务的实时交互“自给自足学东西”不用额外投入数据标注、模型训练的成。大致做的事情每个交互流定义为MDP(S,A,T,r)其中sₜ₊₁next-state是核心奖励r由PRM从sₜ₊₁中推断next-state信号隐含对前序动作的评分如用户重查不满、测试通过成功可形成自然的过程奖励过程奖励比传统结果奖励包含更丰富的监督信号。也就是说和用户聊天、操作系统、跑代码时会收到很多反馈比如用户纠正大模型、操作报错、代码跑通/跑崩以前这些反馈只用来做下一次回应相当于浪费所以把这些免费的、实时的反馈彻底利用起来一方面判断“AI这步做得好/坏”给简单奖惩另一方面提炼“具体该咋改”比如用户说“该先查文件再编辑”、代码报错提示“少个分号”让大模型精准修正不用再人工标数据、做训练集零额外数据成本。十、openclaw记忆项目【openclaw记忆开源项目】memsearch灵感从 OpenClaw 的记忆系统里提取出来https://github.com/zilliztech/memsearch设计理念Markdown is the source of truth数据处理流程Markdown文件经分块标题/段落→去重仅新内容→嵌入→Milvus向量库更新检索时经查询嵌入→余弦相似度计算→返回结果。其他关键细节通过SHA-256哈希避免无变化内容重复嵌入文件监听器可自动索引增删改的Markdown文件清理失效数据。结合稠密向量BM25全文检索通过RRF重排序实现精准的Top-K检索返回内容及相似度分数。十一、相关厂商claw【openclaw开源项目进展】阿里开源CoPaw桌面Agent定位个人助理型产品https://copaw.agentscope.io/docs/quickstart主要功能在聊天软件里对话【在钉钉、飞书、QQ、Discord 或 iMessage仅 Mac里发消息CoPaw 在同一 app 内回复 查资料、记待办、回答问题等都由当前启用的 Skills 完成。一个 CoPaw 可同时接入多个 app你在哪个频道聊它就在哪个频道回】定时自动执行无需每次手动发消息CoPaw 可按设定的时间自动运行【定时向某频道发送固定文案如每天 9 点发「早上好」定时向 CoPaw 提问并将回答发到指定频道如每 2 小时问「我有什么待办」并发到钉钉定时执行「自检/摘要」用你写好的一串问题问 CoPaw把回答发到你上次对话的频道】Reference[1] 【openclaw后续进展】除了推出自家的openclaw版本之外还有另一个策略就是建立生态、做社区、搞skill市场、排行榜类似于mcp等例如腾讯的/skillhubhttps://skillhub.tencent.com官方精选推荐 50 个 Skills支持高速下载体验轻松查找 ClawHub 1.3 万个 AI Skills。[2] 【openclaw入门教程进展】dw教程项目地址https://github.com/datawhalechina/hello-claw在线阅读https://datawhalechina.github.io/hello-claw[3] 【openclaw skill资源进展】【产品经理的Skills】46个所谓的pm skillshttps://github.com/deanpeters/Product-Manager-Skills。[4] 【Skill构建指南进展】Anthropic 官方推出的 《Claude Skills 构建完全指南》包括基础知识规划与设计测试与迭代分发与共享模式与故障排除资源与参考。https://resources.anthropic.com/hubfs/The-Complete-Guide-to-Building-Skill-for-Claude.pdf[5] 【OpenClaw实践教程推荐】awesome-openclaw-tutorial:从零开始玩转OpenClaw最全面的中文教程涵盖安装、配置、实战案例和避坑指南github版:https://github.com/xianyu110/awesome-openclaw-tutorial,https://awesome.tryopenclaw.asia[6] 【开源skills 技能收录项目】https://www.doubao.com/thread/wf5a8dc57d48f74b5包括anthropics/skillsClaude 官方【document-skillsPDF/Word/Excel/PPT 解析、提取、生成example-skillsMCP 构建、前端设计、代码艺术、Slack GIF、品牌规范等 12 个】https://github.com/anthropics/skills vercel-labs/agent-skillsVercel 官方【定位前端 / 全栈开发专属能力Vercel 服务集成、API 调用、前端组件生成、部署、测试】https://github.com/vercel-labs/agent-skills 等