Agent Skills Hub

image-generation

使用結構化 JSON 提示詞與自動化 Python 腳本生成高品質的圖像、角色與場景，支援參考圖像以進行精確的視覺創作。

image-manipulation-image-magick

使用 ImageMagick 處理和操作圖像。支援調整大小、格式轉換、批次處理及檢索圖像元數據，適合開發人員與自動化工作流程。

ai-multimodal

使用 Google Gemini 處理與生成多媒體內容。支援音訊轉錄、影像辨識、影片分析、PDF 解析及 AI 圖像生成，具備超長上下文窗口，適用於複雜的多模態 AI 任務。

gemini-vision

實作 Google Gemini API 影像分析功能，包含圖片標註、物件偵測、圖像分割、視覺問答及多圖比較分析。

robot-perception

機器人感知系統設計、配置與優化，涵蓋攝影機、光達與感測器融合管線。包含相機校正、3D 重建與生產環境部署的最佳實踐。

kreuzberg

高效能文件智慧程式庫，可從 91 種以上檔案格式中提取文字、表格、程式碼與後設資料，並支援 OCR 與 LLM 格式輸出。

video-pipeline

影片內容全鏈路處理管線，將原始錄影自動轉化為逐字稿、觀點摘要、短影片切片及完整文章。

pix

一個自動化的 UI 實作代理，利用 Figma MCP 和瀏覽器渲染驗證，將 Figma 設計轉換為像素級精確的程式碼。

parxy

一個統一的文件處理閘道，支援 PDF 解析、文字提取、格式轉換與跨多種本地及雲端供應商的文件操作。

generate-image

使用 AI 模型（如 FLUX 和 Gemini）生成或編輯影像。適用於照片、插圖、概念藝術和視覺素材，不包含技術圖表或原理圖。

nano-image-generator

使用 Nano Banana Pro (Gemini 3 Pro) AI 模型生成應用程式圖示、Logo、行銷橫幅及各類插圖等專業視覺素材。

sag

為 OpenClaw 提供的 ElevenLabs 文字轉語音引擎，具備 macOS 風格的指令列介面與語音合成控制功能。