Files

Selig 4c966a3ad2 Initial commit: OpenClaw Skill Collection

6 custom skills (assign-task, dispatch-webhook, daily-briefing,
task-capture, qmd-brain, tts-voice) with technical documentation.
Compatible with Claude Code, OpenClaw, Codex CLI, and OpenCode.

2026-03-13 10:58:30 +08:00

8.7 KiB

Executable File

Raw Permalink Blame History

我發現下載量是算token的，這樣成本太高，Skill_Seeker的Skill，應該要增加一個webfetch的python，妳只是呼叫它，而不用去管它的下載內容。

● 你說得對！這是個重要的效能問題。

目前問題
Claude 呼叫 WebFetch → 內容回傳 API (計算 tokens) → Claude 再 Write 檔案
每個頁面的內容都經過 API 兩次，token 成本很高。

建議的改進

Skill Seeker 應該新增一個 Python 直接抓取工具：

新的 MCP tool: fetch_and_save

def fetch_and_save(url: str, output_path: str) -> dict: """直接抓取網頁並存檔，不經過 Claude API""" response = requests.get(url) content = extract_markdown(response.text)

  with open(output_path, 'w', encoding='utf-8') as f:
      f.write(content)

  return {"status": "ok", "bytes": len(content)}  # 只回傳狀態

效益 ┌─────────────────────────┬────────────────────────────────┐ │ 方式 │ Token 消耗 │ ├─────────────────────────┼────────────────────────────────┤ │ 目前 (WebFetch + Write) │ ~2000 tokens/頁 │ ├─────────────────────────┼────────────────────────────────┤ │ 改進 (fetch_and_save) │ ~50 tokens/頁 (只有呼叫和回應) │ └─────────────────────────┴────────────────────────────────┘ 節省 97%+ 的 token 成本

要我幫你在 Skill Seeker 專案中實作這個功能嗎？

❯ 是的，請幫我在Skill Seeker實作這個功能。

● Explore(Explore Skill Seeker structure)
⎿ Done (37 tool uses · 58.5k tokens · 3m 25s)

● 了解專案結構了。現在讓我讀取現有工具的實作方式，然後新增 fetch_and_save 工具。

● Read 3 files (ctrl+o to expand)
● 現在我了解架構了。讓我檢查現有的 HTML 轉 Markdown 處理邏輯，然後實作新工具。

● Searched for 2 patterns, read 1 file (ctrl+o to expand)
● 了解了。現在我來實作 fetch_and_save 工具。這個工具會直接抓取並存檔，不經過 Claude API。

❯ 請問這個新工具，適用在其他抓取網頁的專案嗎？我需要在使用skill seeker時跟妳或其他使用skill seeker mcp的LLM說什麼嗎？比如加參數？--save without api？特別重要的是，妳開發這麼好的工具，我要怎麼移到別台電腦在claude code使用呢？

● 好問題！讓我逐一回答：

這個工具適用於其他專案嗎？
是的！ fetch_and_save 是通用的網頁抓取工具，適用於：

抓取文檔網站
批次下載 markdown 檔案
任何需要省 token 的網頁抓取任務

如何告訴 LLM 使用這個工具？

使用 Skill Seeker MCP 的 LLM 可以直接呼叫： mcp__skill-seeker__fetch_and_save( url="https://example.com/doc.md", output="local/path/doc.md" )

你可以這樣提示 LLM： "請用 fetch_and_save 工具抓取網頁並存檔，不要用 WebFetch（那會消耗太多 token）"

⚠️ 移植問題 - 重要！

目前的修改是直接改在 site-packages（pip 安裝的位置），這有幾個問題： ┌───────────────────────────┬────────────────────┐ │ 問題 │ 影響 │ ├───────────────────────────┼────────────────────┤ │ pip upgrade skill-seekers │ ❌ 修改會被覆蓋 │ ├───────────────────────────┼────────────────────┤ │ 換電腦 │ ❌ 需要重新修改 │ ├───────────────────────────┼────────────────────┤ │ 版本控制 │ ❌ 不在 git 追蹤中 │ └───────────────────────────┴────────────────────┘ 解決方案

讓我把修改提取成一個 patch 檔案，這樣你可以：

在任何電腦上 pip install skill-seekers
執行 patch 腳本新增 fetch_and_save 工具

完成！以下是在其他電腦使用的步驟
📁 建立的檔案
D:\openclaw\skills\openclaw\patches\
├── add_fetch_and_save.py ← Patch 腳本
└── README.md ← 使用說明

🖥️ 在新電腦使用

1. 安裝 skill-seekers

pip install skill-seekers

2. 複製 patches 資料夾到新電腦，執行：

python add_fetch_and_save.py

3. 重啟 Claude Code

💡 如何告訴 LLM 使用這個工具

你可以這樣說： "請用 fetch_and_save 工具抓取網頁，這樣比 WebFetch 省 token"

或者在 Claude Code 的 CLAUDE.md 中加入：

抓取網頁時

優先使用 mcp__skill-seeker__fetch_and_save 而非 WebFetch，因為它直接用 Python 下載存檔，不經過 API，節省 97% token。

🔄 更新 skill-seekers 後

每次 pip upgrade skill-seekers 後，需要重新執行： python add_fetch_and_save.py

（腳本會自動檢查，已 patch 就不會重複修改）

8.7 KiB Executable File Raw Permalink Blame History Unescape Escape