数据生成器
generator
by BytesAgain
Create placeholder data, test fixtures, and sample datasets for dev work. Use when generating mocks, building fixtures, or scaffolding content templates.
安装
claude skill add --url github.com/openclaw/skills/tree/main/skills/bytesagain3/generator文档
Generator
Content generator — create placeholder data, test fixtures, sample datasets, and templates.
Commands
| Command | Description |
|---|---|
generator help | Show usage info |
generator run | Run main task |
generator status | Check current state |
generator list | List items |
generator add <item> | Add new item |
generator export <fmt> | Export data |
Usage
generator help
generator run
generator status
Examples
# Get started
generator help
# Run default task
generator run
# Export as JSON
generator export json
Output
Results go to stdout. Save with generator run > output.txt.
Configuration
Set GENERATOR_DIR to change data directory. Default: ~/.local/share/generator/
Powered by BytesAgain | bytesagain.com Feedback & Feature Requests: https://bytesagain.com/feedback
相关 Skills
技能工坊
by anthropics
覆盖 Skill 从创建到迭代优化全流程：起草能力、补测试提示、跑评测与基准方差分析，并持续改写内容和描述，提升效果与触发准确率。
✎ 技能工坊把技能从创建、迭代到评测串成闭环，方差分析加描述优化，特别适合把触发准确率打磨得更稳。
PPT处理
by anthropics
处理 .pptx 全流程：创建演示文稿、提取和解析幻灯片内容、批量修改现有文件，支持模板套用、合并拆分、备注评论与版式调整。
✎ 涉及PPTX的创建、解析、修改到合并拆分都能一站搞定，连备注、模板和评论也能处理，做演示文稿特别省心。
PDF处理
by anthropics
遇到 PDF 读写、文本表格提取、合并拆分、旋转加水印、表单填写或加解密时直接用它，也能提取图片、生成新 PDF，并把扫描件通过 OCR 变成可搜索文档。
✎ PDF杂活别再来回切工具了，文本表格提取、合并拆分到OCR识别一次搞定，连扫描件也能变可搜索。
相关 MCP 服务
文件系统
编辑精选by Anthropic
Filesystem 是 MCP 官方参考服务器，让 LLM 安全读写本地文件系统。
✎ 这个服务器解决了让 Claude 直接操作本地文件的痛点，比如自动整理文档或生成代码文件。适合需要自动化文件处理的开发者，但注意它只是参考实现，生产环境需自行加固安全。
by wonderwhy-er
Desktop Commander 是让 AI 直接执行终端命令、管理文件和进程的 MCP 服务器。
✎ 这工具解决了 AI 无法直接操作本地环境的痛点，适合需要自动化脚本调试或文件批量处理的开发者。它能让你用自然语言指挥终端，但权限控制需谨慎，毕竟让 AI 执行 rm -rf 可不是闹着玩的。
EdgarTools
编辑精选by dgunning
EdgarTools 是无需 API 密钥即可解析 SEC EDGAR 财报的开源 Python 库。
✎ 这个工具解决了金融数据获取的痛点——直接让 AI 读取结构化财报，比如让 Claude 分析苹果的 10-K 文件。适合量化分析师或金融开发者快速构建数据管道。但注意，它依赖 SEC 网站稳定性，高峰期可能延迟。
相关资讯
本文提出生成器-助手逐步回滚（GA-Rollback）框架，解决大语言模型智能体逐步推理中错误不可逆累积的问题。该框架通过助手实时检测生成器动作，发现错误即触发回滚，并引入两种针对性策略提升效果。在三个标准基准上，GA-Rollback显著优于强基线，且可作为即插即用模块与现有方法无缝集成。
本文提出RAD-2，一种用于闭环驾驶规划的生成-判别统一框架。该方法通过扩散模型生成多样轨迹候选，利用强化学习优化的判别器进行重排序，结合时序一致性策略优化和在线生成器优化技术，在BEV-Warp高效仿真环境中实现大规模训练。实验表明RAD-2相比现有扩散规划器碰撞率降低56%，实际部署中显著提升驾驶安全性与平顺性。
文章记录了 GitHub 团队在直播中如何使用 GitHub Copilot CLI 的规划模式（Plan Mode）和自动模式（Autopilot Mode），结合 OpenTUI、GitHub Copilot SDK 和 clipboardy 等工具，快速开发出一个终端表情符号列表生成器。项目开源，展示了多模型工作流和工具调用（Tool Use）的实际应用。