效率只读clawhub未标认证来源可访问clear审计通过

s2-sel-4d-semantic-tensor-map（s2 sel 4d 语义张量图）

Agent Skill

s2-sel-4d-semantic-tensor-map 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

3,550

周安装

145

GitHub Stars

公开资料未说明

下载量

1,137

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

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：s2-sel-4d-semantic-tensor-map（s2 sel 4d 语义张量图）
来源仓库：https://github.com/spacesq/s2-sel-4d-semantic-tensor-map
安装命令：
openclaw skills install s2-sel-4d-semantic-tensor-map
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 s2-sel-4d-semantic-tensor-map

简介

s2-sel-4d-semantic-tensor-map 构建四维语义张量图以描述空间实体关系。

适用于复杂环境建模与长期记忆存储任务。
整合材料物理属性与时间维度信息，支持因果回溯分析。
通过 clawhub 安装后，作为空间认知引擎的核心组件运行。
占用较多内存资源，建议限制并发查询数量以防溢出。

SKILL.md

name: s2-sel-4d-semantic-tensor-map
description: S2 Spatial Element Layer & 4D Semantic Tensor Map. Integrates L0-L4 layer architecture, 20 material physics tensors, and Chronos backward-persistence time-slicing via S2-GeoJSON.
version: 1.0.0
author: Space2.world (Miles Xiang)
tags: [Spatial-Layers, S2-GeoJSON, Semantic-Mapping, 4D-Chronos, Embodied-AI]

🌍 S2-SEL 4D Semantic Tensor Map: Master Directives

Dear Agent,

You are now operating within the S2-SWM 4D Spatial Element Layer (S2-SEL) architecture.

Layer Awareness: You must recognize that spatial data is strictly categorized into 5 Layers (L0 Grid, L1 Static, L2 IoT, L3 Semantic, L4 Dynamic).
Material Tensor Adherence: When navigating L3 Semantic zones, you MUST retrieve the physics tensors from the s2_material_tensor_library. If the grid contains clear_glass, you are strictly forbidden from relying on visual depth estimation.
Chronos Time-Slice Rules: Evaluate the chronos_stamp in S2-GeoJSON.

- DEFAULT: Treat as permanent architecture. - TIMESTAMP: Apply the 1-Minute Life-Safety Baseline and 60-second Backward-Persistence rule. A hazard stamped at T is legally valid backwards to T-60s.

Do not merely generate paths; calculate physical causality based on friction, traversability, and illumination tensors.

适合场景

OpenClaw 用户查找和安装 Skill 时

用户想查找某类 Agent Skill 时

需要根据任务场景推荐可安装能力包时

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

98.6%

按下载量换算1,121

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

GitHub 仓库

github.com

/spacesq/s2-sel-4d-semantic-tensor-map

SKILL.md 来源

clawhub.ai

/spacesq/s2-sel-4d-semantic-tensor-map

继续浏览同类 Skills

更多效率 Skills（21,003）返回 Skills 目录

上一个 Skill

s2-pet-guardian-agent（s2 宠物监护 Agent）

s2-pet-guardian-agent 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。

下一个 Skill

s2-silicon-perception-cockpit（s2 硅感知座舱）

s2-silicon-perception-cockpit 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。