Unterstützte Skills für das LLM API Gateway

1. Derzeit unterstützte Skills

2. guishu-gpt-image-2: Bildgenerierung mit gpt-image-2

Installation und Aktualisierung

Prüfen Sie, ob der ClawHub-Herausgeber quqi1599 ist. Die aktuelle CLI erwartet nur den Skill-Namen ohne Herausgeberpräfix. Verwenden Sie für vorhandene Installationen update; sichern Sie lokale Änderungen und setzen Sie --force nicht standardmäßig ein.

npx --yes clawhub@latest --workdir ~/.openclaw/workspace install guishu-gpt-image-2 --version 1.1.0
npx --yes clawhub@latest --workdir ~/.openclaw/workspace update guishu-gpt-image-2 --version 1.1.0

Key konfigurieren und lokal prüfen

Das Skript liest zuerst LLM_TOKEN_API_KEY, dann GUI_SHU_TOKEN_KEY. Version 1.1.0 verwendet OPENAI_API_KEY nicht mehr automatisch. Enthält diese Variable Ihren LLM API Gateway Key, geben Sie ausdrücklich --key-env OPENAI_API_KEY an. Fügen Sie keine Keys in Chats ein.

export LLM_TOKEN_API_KEY="YOUR_GUI_SHU_TOKEN"
python3 "$HOME/.openclaw/workspace/skills/guishu-gpt-image-2/scripts/generate.py" \
  --prompt "Produktposter für einen blauen Lautsprecher, sauberer Hintergrund, keine erfundenen Logos oder Preise" \
  --size 1024x1024 --quality high --n 1 --dry-run

--dry-run prüft lokale Eingaben ohne Netzwerkzugriff, Key-Abfrage oder Dateischreibzugriffe. Entfernen Sie die Option erst für eine kostenpflichtige Bilderstellung. Leere Prompts werden abgelehnt.

Windows PowerShell

py -3 muss Python 3.10+ auswählen. Ohne py-Launcher verwenden Sie python. Die Variablen gelten nur in der aktuellen Terminalsitzung; separat gestartete Agenten benötigen eine eigene Umgebungskonfiguration.

npx --yes clawhub@latest --workdir "$env:USERPROFILE\.openclaw\workspace" install guishu-gpt-image-2 --version 1.1.0
$env:LLM_TOKEN_API_KEY = "YOUR_GUI_SHU_TOKEN"
$imageSkill = Join-Path $env:USERPROFILE '.openclaw\workspace\skills\guishu-gpt-image-2\scripts\generate.py'
py -3 $imageSkill --prompt "Produktposter für einen blauen Lautsprecher, sauberer Hintergrund, keine erfundenen Logos oder Preise" --dry-run

Referenzbilder bearbeiten und Downloads wiederaufnehmen

Wiederholen Sie --image für mehrere lokale Referenzbilder. Ergänzen Sie für Masken --mask ./mask.png: Erstes Bild und Maske müssen gleich große PNGs sein; die Maske benötigt einen Alpha-Kanal. Transparente Bereiche markieren die Bearbeitung. Pro Bild sind höchstens 50 MiB zulässig.

python3 "$HOME/.openclaw/workspace/skills/guishu-gpt-image-2/scripts/generate.py" \
  --image ./product.png \
  --prompt "Nur den Hintergrund in ein warmgraues Studio ändern; Produktform, Farben und Logo erhalten" \
  --out-dir ./outputs/product-edit

Ist die Erstellung erfolgreich, aber der Download fehlgeschlagen, ruft --resume nur vorhandene Ergebnisse ab, ohne Key oder neue Erstellung. Noch nicht gestartete Stapelaufträge werden nicht gesendet. Ohne gespeicherte Antwort oder bei abgelaufener URL ist eine Wiederherstellung eventuell unmöglich. Prüfen Sie nach Timeouts die Nutzung; starten Sie nicht den gesamten Stapel neu.

python3 "$HOME/.openclaw/workspace/skills/guishu-gpt-image-2/scripts/generate.py" --resume ./outputs/product-edit --json

Ausgabedateien und Modellauswahl

Bilder erhalten nummerierte Namen. state.json protokolliert Aufträge, response-NNN.json ermöglicht die Wiederaufnahme, request.json fasst Parameter zusammen und index.html zeigt die lokale Vorschau. Prompts werden nur mit --save-prompts gespeichert. Verwenden Sie für neue Aufträge ein leeres Verzeichnis; ein fehlerhaftes Bild blockiert keine anderen gültigen Bilder derselben Antwort.

Standard bleibt gpt-image-2; wählen Sie bei Bedarf ausdrücklich gpt-image-2.5-flare oder gpt-image-2.5-sunburst. Zugriff und Kosten hängen vom Konto ab. Die Socket-Timeouts für Erstellung/Download betragen 1200/120 Sekunden und sind konfigurierbar, aber keine Fertigstellungsgarantie.

ClawHub · Vollständige Bildanleitung · Web-App

3. feishu-public-table-monitor: Öffentliche Feishu-Tabellen überwachen

feishu-public-table-monitor überwacht öffentlich zugängliche Feishu-Wikis und -Dokumente. Der Skill findet Preis- oder Modelltabellen in einem angegebenen Abschnitt, erkennt Versionsdaten, hinzugefügte oder entfernte Modelle sowie Änderungen an Multiplikatoren und Preisen und erstellt daraus eine Markdown-Benachrichtigung für Kunden oder Telegram.

Wofür ist es geeignet?

• Modellpreislisten überwachen: Multiplikatoren, Preis pro 1 Million Tokens sowie neu aufgenommene oder entfernte Modelle.
• Modelllisten überwachen: neue und entfernte Modelle sowie Änderungen an Modellnamen erkennen.
• Öffentliche Produktlisten überwachen: Änderungen an Paketen, Tarifen, Produkten und Aktionen erfassen.
• Geplante Aufgaben einrichten: Ohne Änderung bleibt der Skill still; bei einer Änderung erstellt er automatisch eine Benachrichtigung.

Installationsmethode

npx --yes clawhub@latest --workdir ~/.openclaw/workspace install feishu-public-table-monitor --version 1.0.5

Beispiel für einen schnellen Aufruf

Lassen Sie bei der ersten Nutzung zunächst einen Snapshot ausgeben, um zu prüfen, ob die richtige Tabelle erkannt wurde.

Aktivieren Sie vor der Ausführung in Feishu die öffentliche Internetfreigabe für das Zieldokument. Ersetzen Sie anschließend PASTE_YOUR_PUBLIC_FEISHU_DOC_URL_HERE durch die öffentliche Feishu-URL. Links mit Anmeldepflicht können nicht überwacht werden.

FEISHU_PUBLIC_DOC_URL='PASTE_YOUR_PUBLIC_FEISHU_DOC_URL_HERE'
python3 "$HOME/.openclaw/workspace/skills/feishu-public-table-monitor/scripts/monitor_feishu_price_table.py" \
  "$FEISHU_PUBLIC_DOC_URL" \
  --section-title 'Modellpreise und Abrechnung' \
  --print-snapshot

Wenn der Snapshot korrekt ist, führen Sie den Skill erneut aus, um eine Baseline anzulegen. Bei späteren geplanten Läufen gibt er ohne Änderung NO_REPLY und andernfalls eine strukturierte Markdown-Benachrichtigung aus.

FEISHU_PUBLIC_DOC_URL='PASTE_YOUR_PUBLIC_FEISHU_DOC_URL_HERE'
python3 "$HOME/.openclaw/workspace/skills/feishu-public-table-monitor/scripts/monitor_feishu_price_table.py" \
  "$FEISHU_PUBLIC_DOC_URL" \
  --section-title 'Modellpreise und Abrechnung' \
  --title 'Hinweis zu Änderungen der Modellpreise im LLM API Gateway'

Empfohlener Arbeitsablauf

1. Prüfen Sie mit --print-snapshot, ob die richtige Tabelle erfasst wird.
2. Führen Sie den Skill einmal regulär aus, um einen lokalen Baseline-Snapshot zu erstellen.
3. Binden Sie ihn in cron, eine geplante OpenClaw-Aufgabe oder einen eigenen Agenten-Workflow ein.
4. Versenden Sie bei NO_REPLY keine Nachricht. Leiten Sie eine Markdown-Ausgabe direkt an Kunden oder Gruppenchats weiter.

Verwandte Dokumente

• Modellliste: Modellliste
• Modellpreise und Abrechnung: Preisanleitung

4. Skills nach der Installation verwenden

Weitere Informationen zu Modellen, Preisen und API-Endpunkten finden Sie im Hauptleitfaden.