LINE平台
line
by codenova58
注册“LINE”技能；用于社交平台公开页面、功能说明、内容形态与运营规则整理。
安装
claude skill add --url github.com/openclaw/skills/tree/main/skills/codenova58/line文档
LINE
用途与边界
- 面向公开官网、帮助中心、公开活动页与产品介绍页的信息整理
- 不提供账号登录、私信代发、群组控制、权限绕过或风控规避能力
- 仅处理公开可见的产品功能、内容样式、运营规则与帮助信息
关键入口
- 主页：https://line.me/
- 帮助中心：官网导航中的帮助、支持、规则或安全中心入口
- 功能与创作说明：公开产品介绍、创作者中心、广告与商业化入口
常见任务
- 平台内容形态与推荐位说明摘要
- 创作者功能、商业化入口、品牌合作能力整理
- 社区规范、账号安全、内容发布限制汇总
数据字段
- 内容形态、推荐位、互动方式、创作工具、链接
- 账号类型、认证说明、商业化入口、帮助页链接
- 规则名称、违规类型、处罚说明、申诉入口
自动化要点
- 公开页面常有多地区差异，输出时要标明适用区域
- 规则页与帮助页更新较快，引用时保留原始链接与日期
- 不触碰私域数据、非公开帖子、后台权限或账号资产操作
示例流程
- 功能整理：访问 LINE 产品页与帮助中心 → 提取核心功能 → 输出要点清单
- 规则汇总：进入规则或安全中心 → 提取发布限制与申诉入口 → 输出表格
- 运营支持：访问商业化或创作者入口 → 汇总能力与适用条件 → 输出摘要
合规提示
- 遵守平台规则、版权要求与账号安全要求
- 只整理公开信息，不输出敏感数据或非公开内容
相关 Skills
Claude API
by anthropic
Build, debug, and optimize Claude API / Anthropic SDK apps. Apps built with this skill should include prompt caching. Also handles migrating existing Claude API code between Claude model versions (4.5 → 4.6, 4.6 → 4.7, retired-model replacements). TRIGGER when: code imports `anthropic`/`@anthropic-ai/sdk`; user asks for the Claude API, Anthropic SDK, or Managed Agents; user adds/modifies/tunes a Claude feature (caching, thinking, compaction, tool use, batch, files, citations, memory) or model (Opus/Sonnet/Haiku) in a file; questions about prompt caching / cache hit rate in an Anthropic SDK project. SKIP: file imports `openai`/other-provider SDK, filename like `*-openai.py`/`*-generic.py`, provider-neutral code, general programming/ML.
并行代理
by axelhu
Use when facing 2 or more independent tasks that can be worked on without shared state - dispatches parallel subagents using sessions_spawn for concurrent investigation and execution, adapted for OpenClaw
高光制作器
by bwbernardweston18
>
相关资讯
DoorDash 开放了 dd-cli 命令行工具的限量 beta 测试，支持 macOS 开发者通过终端完成点餐全流程。这标志着平台正逐步向 AI 智能体开放接口，推动 agentic commerce 落地。
作者用 Common Lisp 在 100 行代码内实现了一个 AI agent，核心循环仅 8 行。Agent 的唯一工具是 eval，它可以自行编写和运行代码，甚至通过 eval 定义新的工具函数（如 web search）。技能作为记忆存储在对话记录中，重启后可通过重读历史重新加载。
AI系统的错误是概率性的，传统断点和日志调试无法应对。本文介绍如何通过异步追踪、结构化日志、Pydantic验证和LLM-as-a-Judge评估来调试和监控生成式AI系统。