OpenCode Skills & Agent:信息差挖掘方案整理

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)

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

OpenCode Skill 本地手动安装流程

  1. 创建目录:~/.config/opencode/skills/xxx-skill/
  2. 目录内新建 SKILL.md,编写yaml frontmatter(name、description、metadata)
  3. 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

  1. 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。
  2. webfetch提取各方核心结论、关键数据、发布时间。
  3. 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
  4. 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)
  5. 可选定时循环,持续监控新增信息差。

平台获取渠道汇总

  1. LobeHub Skills市场(中文优先):https://lobehub.com/skills,检索 market-intelligence / research
  2. GitHub:osint-agent-skills
  3. 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)

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
---
name: info-gap-detector
description: 多源检索并自动识别公开信息之间的信息差,对比官方、媒体、社区三方结论,输出冲突点与证据
---
# 信息差挖掘Agent工作流
## 触发条件
用户需要调研一个主题,对比多方信息,找出观点/数据/时间上的不一致。
## 执行步骤
1. 确认调研主题与关键词,并行使用websearch获取三类信源:官方一手、权威媒体、社区讨论。
2. 对每个网页执行webfetch,提取核心结论、关键数据、发布时间。
3. 构建对比表格,识别信息差异:
   - 数据不一致
   - 发布时间不同步
   - 各方观点冲突
   - 部分来源缺失关键事实
4. 输出结构化报告:
   - 信息差异清单
   - 每条差异附带来源链接
   - 可信度分级(一手源优先)
5. 提示用户人工复核,不做投资/决策结论。
## 约束
禁止访问需要登录的受限内容;不猜测未公开信息;遇到低质量网页自动丢弃。

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。