Agent Skills Hub

image-generation

使用结构化 JSON 提示词与自动化 Python 脚本生成高质量的图像、角色与场景，支持参考图像以进行精确的视觉创作。

image-manipulation-image-magick

使用 ImageMagick 处理和操作图像。支持调整大小、格式转换、批量处理及检索图像元数据，适合开发人员与自动化工作流程。

ai-multimodal

使用 Google Gemini 处理与生成多媒体内容。支持音频转录、图像识别、视频分析、PDF 解析及 AI 图像生成，具备超长上下文窗口，适用于复杂的多模态 AI 任务。

gemini-vision

实现 Google Gemini API 图像分析功能，包含图像描述、对象检测、图像分割、视觉问答及多图对比分析。

robot-perception

机器人感知系统设计、配置与优化，涵盖摄像头、激光雷达与传感器融合管线。包含相机校准、3D 重建与生产环境部署的最佳实践。

kreuzberg

高性能文档智能库，可从 91 种以上文件格式中提取文本、表格、代码及元数据，支持 OCR 及 LLM 友好输出。

video-pipeline

视频内容全链路处理流水线，将原始录影自动转化为逐字稿、观点摘要、短视频切片及可发布文章。

pix

一个自动化的 UI 实现代理，利用 Figma MCP 和浏览器渲染验证，将 Figma 设计转换为像素级精确的代码。

parxy

一个统一的文档处理网关，支持 PDF 解析、文本提取、格式转换与跨多种本地及云端供应商的文档操作。

generate-image

使用 AI 模型（如 FLUX 和 Gemini）生成或编辑图像。适用于照片、插图、概念艺术和视觉素材，不包含技术图表或原理图。

nano-image-generator

使用 Nano Banana Pro (Gemini 3 Pro) AI 模型生成应用图标、Logo、营销横幅及各类插图等专业视觉素材。

sag

为 OpenClaw 提供的 ElevenLabs 文字转语音引擎，具备 macOS 风格的命令行界面与语音合成控制功能。