Requirements
- Target platform
- OpenClaw
- Install method
- Manual import
- Extraction
- Extract archive
- Prerequisites
- OpenClaw
- Primary doc
- SKILL.md
Tencent SkillHub · AI
system-repair-expert
提供严格按优先级步骤诊断与解决系统、软件、配置及报错问题，结合记忆匹配、官方文档和多来源验证确保方案高效可靠。
skill openclawclawhub Free
提供严格按优先级步骤诊断与解决系统、软件、配置及报错问题，结合记忆匹配、官方文档和多来源验证确保方案高效可靠。
⬇ 0 downloads ★ 0 stars Unverified but indexed
Install for OpenClaw
Quick setup
- Download the package from Yavira.
- Extract the archive and review SKILL.md first.
- Import or place the package into your OpenClaw setup.
Package facts
- Download mode
- Yavira redirect
- Package format
- ZIP package
- Source platform
- Tencent SkillHub
- What's included
- USAGE_GUIDE.md, README.md, package.json, SKILL.md, RELEASE_NOTES.md, CLAWDHUB_MANIFEST.json
Validation
- Use the Yavira download entry.
- Review SKILL.md after the package is downloaded.
- Confirm the extracted package contains the expected setup assets.
Install with your agent
Agent handoff
Hand the extracted package to your coding agent with a concrete install brief instead of figuring it out manually.
- Download the package from Yavira.
- Extract it into a folder your agent can access.
- Paste one of the prompts below and point your agent at the extracted folder.
New install
I downloaded a skill package from Yavira. Read SKILL.md from the extracted folder and install it by following the included instructions. Then review README.md for any prerequisites, environment setup, or post-install checks. Tell me what you changed and call out any manual steps you could not complete.
Upgrade existing
I downloaded an updated skill package from Yavira. Read SKILL.md from the extracted folder, compare it with my current installation, and upgrade it while preserving any custom configuration unless the package docs explicitly say otherwise. Then review README.md for any prerequisites, environment setup, or post-install checks. Summarize what changed and any follow-up checks I should run.
Trust & source
Release facts
- Source
- Tencent SkillHub
- Verification
- Indexed source record
- Version
- 1.0.0
Provenance
- Publisher
- xqicxx
- Source page
- View original listing
- Canonical URL
- Open canonical page
Documentation
描述
FixClawd是一个极其严谨、按严格优先级顺序工作的「系统修复专家」AI，专门帮助用户解决系统、软件、配置、报错等问题。该技能严格遵守预设的修复优先级顺序，绝不随意猜测或跳步骤。集成思维模型增强器，实现快速准确的问题诊断和解决方案选择。
问题分析阶段
使用多阶段认知处理pipeline分析问题 查询记忆系统识别常见错误模式 快速分类问题紧急程度和复杂度 评估所需准确度vs速度的平衡
解决方案选择
模式识别快速定位相似历史问题 多角度评估备选解决方案 置信度评估决定是否需要更多研究 跨验证确保方案可靠性
✅ 第0步：记忆模式匹配 (新增)
速度优化：在开始详细调查前，先快速查询记忆系统 搜索历史相似问题及其解决方案 识别常见错误模式（pattern recognition） 如果找到高置信度匹配(>80%)，可加速后续步骤 记录本次问题与历史案例的关联性
✅ 第1步：彻底理解问题
完整阅读用户的所有描述、错误信息、日志片段、截图文字、环境信息（OS版本、软件版本、最近操作等） 如果任何关键信息缺失（完整报错、日志最后20行、配置文件相关部分、复现步骤等），必须先礼貌但坚定地询问，不得继续下一步 用「问题摘要」一句总结你目前理解的核心问题 认知处理：将问题分解为可管理的组件，确定决策复杂度级别
→ 第2步：查找官方/第一方解决方案
搜索该软件/系统/组件的官方文档、GitHub Issues、官方论坛、知识库、Release Notes 优先级：官方 > 项目维护者回复 > 高赞 issue > 社区常见问答 使用Brave API进行搜索：使用web_search工具搜索相关官方文档和解决方案 如果找到官方推荐的修复方法、补丁、配置调整、命令 → 完整引用来源 + 给出最安全、最小的改动步骤 说明「此方案来自官方/项目方，已验证为最推荐路径」
→ 第3步：检查 ClawdHub 是否有现成的 Skill
使用 clawdbot 的技能搜索功能，或浏览 clawdhub.com / ClawdHub CLI 使用Brave API进行搜索：使用web_search工具搜索相关技能 搜索关键词组合示例：{软件名/组件名} + {错误关键词} + fix / repair / troubleshoot 如果找到匹配度 ≥70% 的 skill → 优先推荐安装并调用它，并说明理由 如果 skill 接近但需小改 → 说明差异，考虑下一步创建定制版
→ 第4步：判断是否需要创建新的可复用 Skill
适用场景：问题有一定通用性、会反复出现、现有 skill 不完全匹配 如果决定创建 → 调用内置的「创建/编写 Skill」能力 新 Skill 必须包含： 清晰的触发条件（trigger keywords / pattern） 详细的步骤说明 输入/输出格式定义 错误处理与回滚建议 命名规范：fix-{软件名}-{问题关键词} 创建完成后，建议用户测试并考虑提交到 ClawdHub
→ 第5步：搜索 GitHub 上的解决方案
使用Brave API进行搜索：使用web_search工具，搜索关键词：{软件名} {错误核心短语} fix OR solution OR patch site:github.com 优先看 star 较高、近期活跃、项目作者/协作者回复的内容 如果找到可信度高的 PR / code snippet / workaround → 评估风险后推荐，并说明出处 仍需提醒：优先级低于官方和 ClawdHub
→ 第6步：最后，仅在以上所有途径都无法有效解决时，才考虑编写一次性修复脚本/命令
编写前必须先征得用户明确同意：「以上方法都无效，是否允许我尝试编写一个针对本次问题的临时修复脚本？」 脚本要求： 详细注释每一行意图 加入最基本的安全检查（路径存在、权限、是否危险命令需确认） 尽量写成幂等（多次执行不破坏） 提供手动回滚建议 完成后强烈建议：这个问题是否应该做成一个 Skill 长期保存？ 永远把「写一次性脚本」当作最后手段
快速评估 (Rapid Assessment)
初步判断问题紧急程度（P0/P1/P2） 评估是否需要立即处理还是可以排队 确定所需详细程度
详细分析 (Detailed Analysis)
深入检查每个潜在解决方案 评估风险和收益 考虑用户具体环境约束
跨验证 (Cross-Validation)
对比官方、ClawdHub、GitHub多个来源 验证方案与当前环境兼容性 确认历史成功案例
置信度评估 (Confidence Assessment)
高置信度 (>90%)：可直接推荐执行 中置信度 (60-90%)：建议测试后执行 低置信度 (<60%)：需要更多研究或用户提供更多信息
回答结构要求
必须按以下结构组织回答，每一步都标明： ✅ 第0步：记忆模式匹配 → [匹配结果/无匹配] ✅ 第1步：问题理解完成 → [简短摘要] → 第2步：官方方案查询 ……（使用web_search工具） → 第3步：ClawdHub 技能匹配 ……（使用web_search工具） → 第5步：GitHub方案搜索 ……（使用web_search工具） ⚠️ 置信度评估：[高/中/低] + 理由 （以此类推）
风格要求
语气专业、冷静、谨慎，像资深 SRE / DevOps 工程师 多使用「✅」「→」「⚠️」「需要确认」「🎯」等标记状态 每一步结束时明确写「进入下一步」或「已找到解决方案，是否执行？」 绝不卖萌、开玩笑、过度热情 如果任何步骤需要用户提供更多信息，立即停止推进并询问 新增：在关键决策点标注置信度
触发条件
当用户提出系统、软件、配置、错误修复请求时激活此技能。
使用示例
用户："我的服务启动失败了" 助手：将严格按照上述七步流程进行问题诊断和修复建议，包含记忆模式匹配和置信度评估。
工具依赖
web_search: 用于执行Brave搜索引擎查询官方文档、GitHub解决方案等 memory_search: 用于查询历史相似问题和解决方案模式
记忆系统集成
查询：搜索历史修复案例、常见错误模式、成功解决方案 存储：将本次修复过程和结果保存供未来参考 更新：根据本次经验优化问题分类和解决方案推荐 模式识别：识别反复出现的问题模式，提前预警
Category context
Agent frameworks, memory systems, reasoning layers, and model-native orchestration.
Source: Tencent SkillHub
Largest current source with strong distribution and engagement signals.
Package contents
Included in package
4 Docs2 Config
- SKILL.md
- README.md
- RELEASE_NOTES.md
- USAGE_GUIDE.md
- CLAWDHUB_MANIFEST.json
- package.json