Lista de Skills compatibles con LLM API Gateway

I. Skills disponibles actualmente

II. guishu-gpt-image-2: Skill de generación de imágenes con gpt-image-2

Instalar y actualizar

Comprueba que el editor en ClawHub sea quqi1599. La CLI actual acepta el nombre del Skill sin prefijo de editor. Para actualizar una instalación, usa update; guarda primero los cambios locales y no añadas --force por defecto.

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

Configurar la Key y comprobar localmente

Se consultan LLM_TOKEN_API_KEY y luego GUI_SHU_TOKEN_KEY. La versión 1.1.0 ya no usa OPENAI_API_KEY automáticamente. Si esa variable contiene tu Key de LLM API Gateway, añade explícitamente --key-env OPENAI_API_KEY. No pegues claves en el chat.

export LLM_TOKEN_API_KEY="YOUR_GUI_SHU_TOKEN"
python3 "$HOME/.openclaw/workspace/skills/guishu-gpt-image-2/scripts/generate.py" \
  --prompt "Cartel de producto de un altavoz azul, fondo limpio, sin logotipos ni precios inventados" \
  --size 1024x1024 --quality high --n 1 --dry-run

--dry-run valida las entradas locales sin red, sin leer la Key y sin escribir archivos. Quítalo cuando quieras generar una imagen con coste. Los prompts vacíos se rechazan.

Windows PowerShell

py -3 debe seleccionar Python 3.10+; usa python si no tienes el lanzador py. Las variables solo afectan a la sesión actual del terminal; un agente iniciado por separado necesita su propia configuración.

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 "Cartel de producto de un altavoz azul, fondo limpio, sin logotipos ni precios inventados" --dry-run

Editar referencias y recuperar descargas

Repite --image para varias imágenes locales. Para una edición con máscara, añade --mask ./mask.png: la primera imagen y la máscara deben ser PNG del mismo tamaño, y la máscara debe tener canal Alpha. Las zonas transparentes indican dónde editar. Cada imagen admite hasta 50 MiB.

python3 "$HOME/.openclaw/workspace/skills/guishu-gpt-image-2/scripts/generate.py" \
  --image ./product.png \
  --prompt "Cambiar solo el fondo a un estudio gris cálido; conservar forma, colores y logotipo del producto" \
  --out-dir ./outputs/product-edit

Si la imagen se generó pero falló la descarga, --resume recupera solo resultados existentes, sin Key ni nueva generación. No envía trabajos del lote aún no iniciados. Sin una respuesta guardada o con la URL caducada, la recuperación puede ser imposible. Revisa el uso tras un timeout; no repitas todo el lote.

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

Archivos y selección de modelo

Las imágenes se guardan con números. state.json registra cada trabajo, response-NNN.json permite recuperarlo, request.json resume parámetros e index.html ofrece una vista previa local. Los prompts solo se guardan con --save-prompts. Usa un directorio vacío para cada trabajo nuevo; un fallo no bloquea las demás imágenes válidas de la misma respuesta.

El valor predeterminado sigue siendo gpt-image-2; puedes elegir explícitamente gpt-image-2.5-flare o gpt-image-2.5-sunburst. El acceso y los cargos dependen de tu cuenta. Los timeouts de socket de generación/descarga son 1200/120 segundos, configurables; no garantizan el tiempo de finalización.

ClawHub · Guía completa de imágenes · Aplicación web

III. feishu-public-table-monitor: Skill para supervisar tablas públicas de Feishu

feishu-public-table-monitor sirve para supervisar páginas públicas y accesibles de documentos / Wiki de Feishu. Localiza una tabla de precios o de modelos cerca de la sección especificada, detecta la fecha de versión, los modelos añadidos o eliminados y los cambios de multiplicadores o precios, y organiza los cambios como texto en Markdown listo para notificar a los clientes o enviarse por Telegram.

Para qué puede utilizarse

• Supervisar tablas de precios de modelos: multiplicadores, precio por cada 100 bloques de diez mil Tokens y altas o bajas de modelos.
• Supervisar listas de modelos: modelos añadidos, modelos eliminados y cambios en las normas de denominación.
• Supervisar tablas públicas de productos: planes, tarifas, listas de productos y cambios en las promociones.
• Integrarlo con tareas programadas: si no hay cambios, permanece en silencio; si los hay, genera automáticamente una notificación.

Método de instalación

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

Ejemplo de llamada rápida

La primera vez, se recomienda imprimir una instantánea para confirmar que se está obteniendo la tabla correcta.

Antes de ejecutar el comando, activa en Feishu el uso compartido público por Internet del documento de destino. Después, sustituye PASTE_YOUR_PUBLIC_FEISHU_DOC_URL_HERE por su URL pública de Feishu. No se pueden supervisar enlaces que requieran iniciar sesión.

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 'Precios y facturación de los modelos' \
  --print-snapshot

Después de comprobarla, ejecútalo de nuevo para establecer la referencia inicial. En las ejecuciones programadas posteriores, si no hay cambios, se mostrará NO_REPLY; si se detecta alguno, se generará una notificación en Markdown ya organizada.

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 'Precios y facturación de los modelos' \
  --title 'Aviso de actualización de precios de modelos de LLM API Gateway'

Flujo de trabajo recomendado

1. Utiliza primero --print-snapshot para confirmar que se ha obtenido la tabla correcta.
2. Ejecuta el proceso una vez con normalidad para establecer una instantánea de referencia local.
3. Añádelo a cron, a una tarea programada de OpenClaw o a una tarea de tu propio Agent.
4. Si se genera NO_REPLY, no envíes ninguna notificación; si se genera Markdown, envíalo directamente a los clientes o al chat de grupo.

Documentos relacionados

• Lista de modelos: Lista de modelos
• Precios y facturación de los modelos: Guía de precios

IV. Cómo utilizarlos después de instalarlos

Para consultar más modelos, precios y detalles de la interfaz, vuelve a la guía principal.