核心结论
- Skills/Agent:普通大众日常需求很低;技术从业者、重度自动化玩家属于垂直刚需。
- OpenCode 定位:终端原生编程Agent,SKILL.md 面向开发工作流,不是面向普通用户生活琐事。
- OpenCode 无官方市场,依靠本地目录扫描 SKILL.md,兼容 Claude Code Skill 标准。
- 信息差Agent能力边界:仅挖掘**公开信息之间的信息差**,无法获取未公开内幕消息;输出结果必须人工复核。
一、Skills & Agent 需求量分析
普通非技术用户
- 简单问答、文案、资料查询:普通对话大模型足够,不需要Agent+Skills。
- Agent适用场景:跨工具串联、多步骤连续执行、本地文件读写、命令执行。这类场景普通人极少,且本地命令执行存在安全风险。
- 判断:C端大众属于尝鲜需求,非高频刚需。
技术人群(嵌入式/运维/自动化/开发)
需求量大且持续增长,高频场景:
- Git发布、自动生成Changelog、版本管理
- 代码审查、项目脚手架、批量重构、日志分析
- 批量脚本、文档导出、多文件处理、CI辅助
- Shell/Sed/Awk/设备树/构建脚本、编译调试自动化
二、适配OpenCode的Skills市场/注册表
1. AgentPowers.ai(优先推荐)
- 地址:https://agentpowers.ai/tools/opencode
- 特点:专门标注支持OpenCode,大量编程类skill(代码审查、Git工作流);SKILL.md 与Claude Code双平台通用。
2. SkillsMP
- 地址:https://skillsmp.com/zh
- 特点:中文界面,收录SKILL.md源码,支持按开发/文档/自动化分类;适合参考样例、学习frontmatter与触发规则。
3. agentskills.io(Anthropic原始标准注册表)
- 地址:https://agentskills.io
- 特点:Skill标准发源地,遵循SKILL.md规范;绝大多数skill可直接迁移至OpenCode;偏向通用+编程场景。
4. GitHub Awesome Agent Skills合集
- 检索关键词:awesome agent skills / opencode skills
- 使用方式:git clone 直接拷贝到 ~/.config/opencode/skills/
- 参考仓库:anthropics/skills、openskills
5. OpenAgentSkill Registry
- 地址:https://www.openagentskill.com
- 特点:支持API检索skill,适合批量拉取,偏工程自动化场景。
OpenCode Skill 本地手动安装流程
- 创建目录:~/.config/opencode/skills/xxx-skill/
- 目录内新建 SKILL.md,编写yaml frontmatter(name、description、metadata)
- OpenCode启动自动扫描加载;可在 opencode.json 配置权限、autoinvoke自动触发开关
三、自动获取信息差:OpenCode兼容Skill
两类主流方向
1. OSINT开源情报类(竞品/技术/行业信息差)
- 仓库:osint-agent-skills
- 克隆命令:git clone https://github.com/frangelbarrera/osint-agent-skills
- 能力:多源交叉核验,比对官方文档、社区讨论、第三方评测;识别说法不一致、信息更新不同步;支持Wayback历史快照对比,查看内容版本变更;输出证据日志+差异报告。
2. Market-Intelligence 市场情报类(行业/产品动态)
- 来源:LobeHub市场情报Skill
- 地址:https://lobehub.com/skills/openclaw-skills-market-intelligence
- 能力:定时监控关键词,抓取一手源(GitHub/论坛/官方公告)+媒体二次解读;自动对比差异,标记媒体夸大、官方未声明、社区实测爆料;输出Markdown报告;支持定时任务、Shell调用(可搭配OpenClaw)。
配套辅助Skill(信息搜集底座)
- Research(LobeHub):多搜索引擎交叉检索,URL核验,降低幻觉;多源提取内容用于观点对比,信息差挖掘基础工具。
- Agent-Reach / Last30days:跨平台抓取一手社区信号(GitHub/Reddit/B站等),抓取周期内讨论热度;对比官方宣传与真实用户反馈信息差。
- 注意:部分依赖Cookie,存在账号风控风险,建议小号使用。
Agent挖掘信息差核心工作原理
- 定义主题,并行拉取至少3类独立信源:官方一手源、权威媒体、社区用户讨论。
- webfetch提取各方核心结论、关键数据、发布时间。
构建对比矩阵,标记冲突点:
- 时间差:A已更新,B仍引用旧信息
- 观点差:官方口径 vs 社区实测矛盾
- 信息缺失:渠道刻意隐藏风险/利好
- 结构化输出:信息差异清单 + 来源链接 + 可信度评级(优先一手原始信号)
- 可选定时循环,持续监控新增信息差。
平台获取渠道汇总
- LobeHub Skills市场(中文优先):https://lobehub.com/skills,检索 market-intelligence / research
- GitHub:osint-agent-skills
- AgentPowers.ai:检索 osint / market research
重要限制与风险提醒
- 无法拿到未公开内幕信息,仅能挖掘公开信息差。
- 交叉核验降低幻觉,但Agent仍可能误判冲突,结论必须人工复核。
- 权限风险:这类skill调用websearch/webfetch,部分附带shell脚本;第三方skill务必通读SKILL.md与附属脚本。
- 爬虫合规:遵守robots协议,禁止高频大规模爬取,防范网站反爬风控。
四、信息差挖掘 SKILL.md 模板(可直接放入OpenCode)
| |
五、推荐组合方案
- 基础调研:OpenCode + info-gap-detector(自建) + Research(LobeHub)
- 持续竞品监控:叠加 market-intelligence,配置定时任务
六、安全提醒
第三方Skill会授予OpenCode终端命令执行、本地文件读写权限。加载外部Skill前,必须完整审查SKILL.md及附属脚本,防范文件删除、本地代码泄露风险。