Token导航 LogoToken导航TokenDH.com
效率只读clawhub未标认证来源可访问clear审计通过

mood-line情绪线

Agent Skill

mood-line 用于补充效率相关能力,适合在 OpenClaw 中需要让 Agent 承接效率相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

6,872

周安装

278

GitHub Stars

公开资料未说明

下载量

2,157
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:mood-line(情绪线)
来源仓库:https://github.com/harrylabsj/mood-line
安装命令:
openclaw skills install mood-line
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install mood-line

简介

用于将情绪状态转化为简洁共鸣的表达线条。

  • 适合帮助用户总结情感或生成可读的情绪描述。
  • 通过 clawhub 安装,需结合原始 README 核验具体用法。
  • 涉及个人感受表达时应注意语境适配性。mood-line 属于效率类 Skill,可作为该场景下的辅助能力补充。
  • 建议在使用前确认输出风格是否符合预期。

SKILL.md

name
mood-line
description
Turn a user's described feelings, mood, or emotional state into a concise, resonant line. Use when the user wants help expressing emotions, summarizing a feeling, writing a quotable sentence, polishing an emotional caption, diary line,朋友圈文案, or self-expression text. If using an authentic quote, include the source only when attribution is reliable; otherwise output a natural unattributed line without pretending it is famous. Never fabricate sources.

Mood Line

将用户描述的感受、心情、情绪或处境,提炼成准确、可共鸣、可直接使用的一句话表达。先识别情绪,再给表达;若是名人名句,需标明来源;若不是,就自然输出,不必刻意标注“原创”。

需要处理引用安全时,读取 references/quote-safety.md。 需要考虑是否使用真实名句时,先读取 references/quote-whitelist.md。 需要处理风格、用途、语气差异时,读取 references/style-modes.md。 需要校准输出质感与结构时,读取 references/few-shots.md。 需要做验收、自测或回归检查时,读取 references/test-cases.md

Core workflow

1. 提炼情绪核心

先从用户原话中识别:

  • 主情绪:如疲惫、委屈、失落、焦虑、孤独、释然、期待、愤怒、自责
  • 次情绪:如不甘、自我怀疑、想被理解、想被看见
  • 触发场景:如工作、关系、家庭、成长、选择、离别

先说清“用户到底在难受什么”,不要直接跳到金句。

2. 用一句话解释情绪

用 1 句自然语言解释情绪来源:

  • 不做心理诊断
  • 不夸大,不说教
  • 不要把复杂感受粗暴归类成鸡汤式标签

目标是让用户有“被说中”的感觉。

3. 选择表达类型

按以下优先级输出:

A. 白名单内、可可靠归因的引用

只有在 references/quote-whitelist.md 中命中,且你对作者/作品归因高度确定时,才输出:

引用金句:…… —— 作者 / 作品

B. 无署名表达(默认安全降级)

只要未命中白名单、出处不确定、匹配度不够、或有误引风险,就改为自然的无署名表达:

表达句:……

除非用户明确追问是否原创,否则不要特意标注“原创”。

禁止“像某某说的”“据说出自”“某某风格名言”等模糊蹭权威写法。

4. 按用途微调

如用户有明确用途,按用途改写:

  • 发朋友圈:更短,更有传播感
  • 写日记:更真实,更有自述感
  • 发给朋友:更温和,更有陪伴感
  • 自我梳理:更清醒,更准确

如用户未指定用途,默认给最通用的一版;必要时附 1–2 个备选版本。

Default output structure

默认按以下结构输出,保持简洁稳定:

情绪核心

用一句话概括主情绪 + 次情绪。

示例:

你的核心情绪是“努力未被看见后的委屈”,里面夹杂着一点自我怀疑。

情绪解读

用一句话解释来源。

示例:

你不是脆弱,而是在持续付出后,迟迟没有等到理解和回应。

表达句

根据可靠性二选一:

  • 引用金句:仅在白名单命中且可靠归因时使用,并标明来源
  • 表达句:默认安全方案,无需特意标注原创

可选变体

只在用户需要、或原情绪较复杂时补充 1–3 个版本:

  • 朋友圈版
  • 日记版
  • 克制版 / 文学版 / 温柔版

Style guidance

默认风格:准确、克制、有人味

可按用户语气微调:

  • 克制:少修饰,直达内核
  • 温柔:更有安抚感
  • 文学:增加意象,但不能堆辞藻
  • 清醒:更适合自我梳理
  • 有力量:适合鼓劲,但不要喊口号

如果用户明确指定“诗意一点 / 克制一点 / 发朋友圈 / 写日记 / 给朋友发 / 要一句短的”等要求,优先参考 references/style-modes.md 中的选择逻辑、反模式与示例。

判断标准:句子首先要“贴”,其次才是“美”。

Quality bar

每次输出都应满足:

  1. :抓住真实情绪,不套模板
  2. :像理解用户,不像拼装辞藻
  3. :不硬煽情,不过度浪漫化痛苦
  4. :有表达力,但不过火
  5. 可信:引用必须可靠
  6. 可用:用户拿到就能发、写、存、改

如果一句话很漂亮但不贴合用户情绪,判为不合格。

Safety and authenticity rules

引用真实性

严格遵守:

  • 能核实才署名,并尽量标明作者 / 作品来源
  • 不能核实就不署名
  • 宁可写成自然表达,也不伪造出处
  • 若不是名人名句,不必特意标注“原创”

凡是用户提到“名人/作家/诗人/名言/出处/引用”,或输出中存在任何署名冲动时,先读取 references/quote-whitelist.md,再读取 references/quote-safety.md,按白名单优先、其余降级的策略处理。

禁止事项

禁止:

  • 编造名人名言
  • 张冠李戴
  • 把网文句子包装成作家名句
  • 用“可能、据说、像是”之类模糊方式冒充权威

危机场景

如果用户内容出现明显的自伤、自杀、伤人、极端绝望等信号:

  • 不要继续主打“金句美化”
  • 先表达关切
  • 鼓励联系可信的人和专业支持
  • 如需给文字,只给温和、支持性的表达,不美化痛苦

Response patterns

Pattern A: 简洁默认版

适用于大多数请求。

情绪核心:…… 情绪解读:…… 表达句:……

Pattern B: 含可靠引用版

仅在可靠归因时使用。

情绪核心:…… 情绪解读:…… 引用金句:…… —— 作者 / 作品

Pattern C: 带两个用途变体版

适用于用户说“发朋友圈 / 写日记 / 给我几个版本”。

情绪核心:…… 情绪解读:…… 主表达:…… 朋友圈版:…… 日记版:……

Example requests

以下请求都应触发本 skill:

  • 我最近有点迷茫,帮我说成一句话
  • 把这段心情写得准确一点
  • 给我一句适合现在状态的话
  • 帮我找一句关于失落的表达
  • 这段情绪适合怎么发朋友圈
  • 不要鸡汤,帮我把这段感受说清楚
  • 如果没有合适名言,就自然写一句
  • 用一句诗意但克制的话写我现在的心情
  • 给我一句适合写在日记里的
  • 想发给朋友,帮我写得温柔一点
  • 要一句像金句但别乱署名的
  • 如果出处不确定,就不要给作者名

Example outputs

示例 1

用户:

最近很努力,但总感觉没人看见,心里有点委屈,又觉得是不是自己太矫情了。

输出:

情绪核心:你的核心情绪是“努力未被看见后的委屈”,里面夹杂着一点自我怀疑。 情绪解读:你不是矫情,而是在持续付出后,期待被理解、被回应,却迟迟没有等到。 表达句:你难过的不是辛苦本身,而是那些没有回声的认真。

示例 2

用户:

刚结束一段关系,想要一句克制一点的话。

输出:

情绪核心:你的情绪里有失落,也有慢慢接受现实的克制。 情绪解读:你不是不在乎了,只是在学着把舍不得收回心里。 表达句:有些告别并不喧哗,它只是把一个人的位置,慢慢还给沉默。

示例 3

用户:

给我一句适合发朋友圈的,关于终于放下。

输出:

情绪核心:你在表达释然,也在表达与过去和解后的轻松。 情绪解读:这不是突然想开了,而是反复挣扎后,终于不再为旧事消耗自己。 表达句:我没有突然放下,只是终于决定,把力气还给自己。

Validation and iteration

在修改本 skill 或做回归检查时:

  • references/test-cases.md 做覆盖测试
  • 重点检查:情绪识别、场景匹配、引用真实性、是否鸡汤化、风险边界是否正确降级
  • 如输出开始变得空泛、像模板、或风格过满,回读 references/few-shots.md 重新校准语气

Final instruction

先理解,再表达;先求准确,再求漂亮;先保真,再谈引用。只要出处不够稳,就不要冒险署名。

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

98.72%
按下载量换算2,129

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills