玩转 Openclaw 玩法技巧之搭建一个中国开发者Skills（附带免费白嫖腾讯云服务器）

# 中国开发者必备技能包 (Chinese Developer Essential Skills)
这是一套专门为在中国工作的开发者设计的OpenClaw技能集合，旨在解决常见的开发痛点并提高工作效率。每个技能都包含详细的中文提示词和丰富的实现细节。
## 包含的技能
### 1. 中文编码规范 (chinese-encoding)
- 自动处理中文编码问题，确保UTF-8正确使用
- 防止中文字符出现乱码
- 在Python代码中自动添加编码声明
### 2. 完整代码输出 (complete-code)
- 强制AI输出完整、可运行的代码
- 包含所有必要的导入语句和错误处理
- 确保代码可以直接复制运行
### 3. 国内镜像源 (mirror-sources)
- 提供常用的国内软件包镜像源
- 加快pip、npm、docker等工具的下载速度
- 包括清华、阿里、腾讯等镜像源
### 4. 代码格式化 (code-format)
- 应用符合国内开发团队标准的代码格式
- 统一缩进、命名约定和文件结构
- 支持多种编程语言的格式规范
### 5. 中文注释规范 (comments-standard)
- 生成详细的中文功能注释
- 遵循中文开发团队的文档标准
- 包含文件头、函数和类的注释模板
### 6. 依赖管理优化 (dependency-mgmt)
- 优化依赖管理适应国内网络环境
- 提供版本锁定和安全检查策略
- 包含各语言生态的依赖管理最佳实践
### 7. 中文文档生成 (doc-gen)
- 自动生成专业的中文技术文档
- 包括README、API文档和使用指南
- 遵循国内技术文档编写规范
### 8. 中文错误调试 (debug-chinese)
- 专门针对中文开发环境的错误诊断
- 提供中文的错误分析和解决方案
- 包含常见错误类型和解决方法
### 9. 性能优化 (perf-optimize)
- 提供针对中国业务场景的性能优化建议
- 重点关注响应速度和并发处理
- 考虑国内网络环境和用户行为特点
### 10. 国内云部署配置 (deploy-config)
- 提供主流国内云服务商的部署方案
- 优化部署流程和资源配置
- 包括阿里云、腾讯云、华为云等配置
## 使用方法
每个技能都可以通过以下方式使用：
1. 直接调用特定技能来解决相应问题
2. 组合多个技能以获得更全面的支持
3. 根据具体开发需求灵活选用
## 优势
- 解决中文编码和显示问题
- 避免代码输出不完整的情况
- 加快依赖包安装速度
- 提高代码质量和一致性
- 优化部署和运维效率
- 适应国内开发环境和习惯

# 国内镜像源技能 (Domestic Mirror Sources Skill)
## 描述
提供常用的国内软件包镜像源，加快在国内的下载速度，解决网络访问问题。
## 中文提示词
"请优先推荐和使用国内镜像源来加速包管理和依赖安装，避免因网络问题导致的下载失败。"
## 常用国内镜像源列表
### Python (pip)
- 清华大学: https://pypi.tuna.tsinghua.edu.cn/simple/
- 阿里云: https://mirrors.aliyun.com/pypi/simple/
- 中科大: https://pypi.mirrors.ustc.edu.cn/simple/
- 腾讯云: https://mirrors.cloud.tencent.com/pypi/simple/
### Node.js (npm)
- 淘宝镜像: https://registry.npmmirror.com
- 腾讯云: https://mirrors.cloud.tencent.com/npm/
### Docker
- 官方国内: https://registry.docker-cn.com
- 阿里云容器镜像: https://<your-id>.mirror.aliyuncs.com
### Linux发行版
- Ubuntu: mirrors.aliyun.com, mirrors.tuna.tsinghua.edu.cn
- CentOS: mirrors.aliyun.com, mirrors.163.com
## 使用场景
- 配置包管理器时
- 安装依赖包时
- 下载系统镜像时
- 部署应用程序时
## 实现细节
1. 根据项目类型自动推荐合适的镜像源
2. 提供镜像源配置命令
3. 包含临时使用和永久配置的方法
4. 考虑企业内网环境的特殊需求

AI行业动态日报 - 2026-02-09
🔥 今日AI头条
Google强化Gemini系列，持续加码AI基础设施投资
近期Alphabet在财报中披露，2026年将把资本支出大幅提高至约两倍，以支持数据中心、AI芯片及Gemini前沿模型的训练与部署，推动搜索、YouTube与云业务全面接入生成式AI能力。[mk.co]
三星拟量产新一代HBM4，AI算力供应链再升级
有报道指出，三星电子计划最快于2月下旬开始量产用于AI基础设施的HBM4高带宽存储芯片，并向英伟达等客户供货，相关消息带动三星股价单日上涨逾6%。[bloomberg]
TSMC在日本扩展3nm工厂，瞄准AI高性能芯片
台积电计划在日本熊本新厂导入3纳米先进制程，产能将主要面向数据中心、AI、机器人与自动驾驶等高性能运算场景，得到日本政府的大力补贴与政策支持。[morningstar]
本地化大模型持续涌现，区域方言模型登场
韩国软件公司ESTsoft近日在 Hugging Face 上发布 Jeju 方言大语言模型“Alan LLM Jeju Dialect v1 4B”，主打面向本地场景的高效交流，强化区域化AI服务能力。[biz.chosun]
医疗AI模型走向开源，医院自研方案加快落地
首尔大学医院公开了两款自研医疗AI模型的开源版本，计划在完成更多临床验证后扩展到十余个专科领域，让国内外医生与研究者能够在真实场景中测试与二次开发。[etnews]
🚀 技术进展
数据中心与AI芯片协同优化成行业焦点
在生成式AI算力需求爆发背景下，云厂商与芯片厂商正在围绕高带宽内存、算力密度与能效进行整体架构优化，HBM与自研AI加速芯片成为大规模部署的关键方向。bloomberg+1
区域语言与方言模型成新蓝海
面向特定地区语言及方言的小型大模型，通过精调与数据清洗，能够在较少参数规模下提供更贴近本地用户的对话与知识服务，为“本地化AI转型”提供基础能力。[biz.chosun]
医疗专科模型强调可解释性与临床验证
医疗机构在开放自研AI模型时，越来越重视模型在不同科室、不同病种上的评估指标，以及与医生工作流程的结合方式，以满足监管与临床安全要求。[etnews]
💼 产业动态
科技巨头加速AI数据中心全球布局
多家大型云服务提供商在北美、欧洲与亚洲新增或扩建数据中心，重点面向AI训练与推理负载，政府则通过税收减免与补贴吸引相关投资落地。morningstar+1
日本深化先进制程引进，打造本土AI产业链
日本政府将3nm逻辑芯片视为发展AI、自动驾驶和工业数字化的关键基础设施，对在日建设先进工厂的企业提供资金支持，以降低对海外供应的依赖。[morningstar]
韩国企业推进“全国AI化”，强化本地场景覆盖
以ESTsoft等公司为代表，正通过发布本地语言模型和行业解决方案，推动从客服、教育到政务的多领域AI应用，形成差异化竞争优势。[biz.chosun]
医疗AI从科研走向规模应用
医院与科研机构开始把自研模型以开源或合作方式向外释放，吸引生态伙伴共同验证，并探索在影像分析、辅助诊断和病历处理等具体场景中落地。[etnews]
🛠️ 开源项目与工具
区域性小模型在开源社区快速涌现
Hugging Face 等平台上，越来越多面向特定语言、方言或细分任务的4B–10B规模模型上线，为开发者提供更轻量、更易部署的选项，适合在本地或边缘设备运行。[biz.chosun]
医疗与科研场景的开源AI模型生态成长
医院和大学实验室通过将特定任务模型以开源协议发布，为后续的联合研究、迁移学习和多中心验证奠定基础，推动学术与产业的双向反馈。[etnews]
💰 投融资信息
政府资金与巨头资本共同推动芯片与算力基础设施
日本等国家通过数十亿美元级别补贴，吸引晶圆厂与存储厂建设先进制程产线，目标是支撑本国AI、机器人和自动驾驶等重点行业发展。[morningstar]
AI基础设施成为中长期投资重点
在生成式AI应用持续扩张的大背景下，投资机构关注的焦点从单一应用转向“算力+芯片+数据中心”一体化基础设施，相关项目获得较高估值溢价。mk+1
📱 产品与应用趋势
办公与开发工具加速整合大模型能力
从办公套件到代码协作平台，越来越多产品将对话式AI、自动总结与智能推荐功能嵌入工作流，以提升知识工作者和开发团队的效率。[mk.co]
行业场景深度定制成为竞争焦点
面向医疗、制造、金融与公共服务的AI解决方案，开始强调“模型+数据+流程”的整体打包能力，而不仅仅是提供通用问答或生成式能力。etnews+1
📚 研究与学术动向
AI在医疗影像与诊断上的研究持续升温
医疗机构开始把真实临床数据与AI模型结合，验证其在疾病识别、分级与预后评估方面的表现，并探索如何在监管框架下安全部署。[etnews]
AI与高性能计算/量子计算的交叉探索继续
学术界关注如何利用新型计算架构解决组合优化等复杂问题，为物流、金融和材料科学等领域提供更强的求解能力。[morningstar]
🛡️ 安全与伦理
各国监管框架聚焦“可解释、可追责、可审计”
围绕生成式AI在金融、医疗和公共服务中的使用，监管机构正逐步明确对数据保护、算法偏见与结果可解释性的合规要求，以降低系统性风险。morningstar+1
公众对生成式AI的期待与担忧并存
在生产力工具与内容创作领域，用户对AI带来的效率提升持开放态度，但对隐私泄露、虚假信息放大以及就业结构变化等问题仍保持审慎和关注。[mk.co]
本报告由AI助手自动生成
更新时间：2026-02-09 13:40:45 CST

loginctl enable-linger $(whoami) && export XDG_RUNTIME_DIR=/run/user/$(id -u)
clawdbot daemon install
clawdbot daemon start
clawdbot daemon status