Add 5 missing skills to repo for sync coverage

github-repo-search, gooddays-calendar, luxtts,
openclaw-tavily-search, skill-vetter — previously only
in workspace, now tracked in Gitea for full sync.

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

skills/github-repo-search/SKILL.md

@@ -0,0 +1,253 @@
+---
+name: github-repo-search
+description: 帮助用户搜索和筛选 GitHub 开源项目，输出结构化推荐报告。当用户说"帮我找开源项目"、"搜一下GitHub上有什么"、"找找XX方向的仓库"、"开源项目推荐"、"github搜索"、"/github-search"时触发。
+---
+
+# GitHub 开源项目搜索助手
+
+## 用途
+
+从用户自然语言需求出发，经过需求挖掘、检索词拆解、GitHub 检索、过滤分类、深度解读，最终产出结构化推荐结果。
+
+目标不是"给很多链接"，而是"给用户可理解、可比较、可决策、可直接行动的候选仓库列表"。
+
+## 适用范围（V1.1）
+
+- 数据源：GitHub 公开仓库。
+- 默认不授权（不使用用户 Token）。
+- 默认硬过滤：`stars >= 100`、`archived=false`、`is:public`。
+- 默认输出：单榜单（Top N），榜单内按"仓库归属类型"标注。
+- 本流程默认不包含安装与落地实施（除非用户单独提出）。
+
+### 配额说明（必须知晓）
+
+- 未授权 Core API：`60 次/小时`。
+- Search API：`10 次/分钟`（独立于 Core 额度）。
+- 需要在报告中注明检索时间与配额状态，避免结果不可复现。
+
+## 工作流程
+
+### 环节一：需求收敛（必须完成，不可跳过）
+
+> **硬性门控**：环节一是整个流程的前置条件。无论用户的需求描述多么清晰，都必须走完本环节并获得用户明确确认后，才能进入环节二。禁止根据用户的初始描述直接推断需求并开始检索。即使用户说"直接搜就行"，也要先输出需求摘要让用户确认。
+
+#### 第一步：需求挖掘与对齐
+
+**目标**：把"我想看看 XX"转成可执行、可排序、可解释的检索目标。
+
+**需确认信息（最少）**：
+
+1. 主题（如：agent 记忆、RAG、浏览器自动化）
+2. 数量（Top 10 / Top 20）
+3. 最低 stars（默认 100）
+4. 排序模式（必须二选一）：`相关性优先` / `星标优先`（默认：相关性优先）
+5. 目标形态（必须二选一或多选）：
+   `可直接使用的产品` / `可二次开发的框架` / `资料清单/方法论`
+
+**建议补充信息（可选）**：
+
+1. 偏好技术栈（Python/TS/Go 等）
+2. 使用场景（学习、生产、对标）
+3. 排除项（教程仓库、归档仓库、纯论文复现等）
+4. 部署偏好（本地优先/云端优先/混合）
+
+**阶段输出（固定格式）**：
+
+```text
+核心诉求：
+- 主题：xxx
+- 数量：Top N
+- 最低 stars：>= 100
+- 排序模式：相关性优先 / 星标优先（默认：相关性优先）
+- 目标形态：xxx
+- 偏好：xxx（可空）
+- 排除：xxx（可空）
+```
+
+向用户确认以上信息。**用户明确确认后才能进入环节二，否则停在这里继续对齐。**
+
+---
+
+### 环节二：检索执行（以下环节由模型自主执行，无需用户介入，直到环节四交付报告）
+
+#### 第二步：检索词拆解（5-10 组）
+
+**目标**：平衡"召回率"和"相关性"，避免只靠单词硬搜导致偏题。
+
+**拆词规则**：
+
+每组 query 由以下维度组合：
+
+1. 核心词：用户目标词
+2. 同义词：替代表达（如 long-term memory / stateful memory）
+3. 场景词：coding、mcp、tool、platform、awesome、curated
+4. 技术词：agent、sdk、framework、database、os
+5. 排除思路：不在 query 里硬写过多负例，放到后续过滤阶段
+
+**产出格式**：
+
+```text
+Query-1: "xxx"
+目的：高召回核心主题
+
+Query-2: "xxx"
+目的：补同义词盲区
+```
+
+#### 第三步：执行检索与候选召回
+
+**执行原则**：
+
+1. 每组 query 都执行检索（建议每组 30-50 条）。
+2. 合并结果形成候选池。
+3. 按 `owner/repo` 去重。
+4. 记录检索时间与 API 额度信息。
+
+**候选池字段（最少）**：
+
+1. `owner/repo`
+2. `stars`
+3. `description`
+4. `repo_url`
+5. `archived`
+6. `language`
+7. `updated_at`
+8. `topics`
+9. `license`
+
+#### 第四步：去重与硬过滤
+
+**硬过滤（默认）**：
+
+1. `stars >= 100`
+2. `archived = false`
+3. `is:public`
+
+**可选硬过滤（按需）**：
+
+1. `fork = false`
+2. 指定语言：`language:xxx`
+3. 更新时效：最近 6-12 个月
+
+---
+
+### 环节三：质量精炼
+
+#### 第五步：噪音剔除与相关性重排
+
+**目标**：解决"命中 memory 但其实不是 agent memory"的噪音问题。
+
+**噪音剔除规则（示例）**：
+
+1. 与主题无关的通用工程仓库（即使 stars 很高）
+2. 关键词误命中仓库（仅描述中偶然出现 memory/agent）
+3. 无实质内容或异常仓库
+
+**排序原则（V1.1）**：
+
+`star` 不再作为主排序，只作为召回门槛之一。
+建议综合排序权重：
+
+1. 需求相关性：35%
+2. 场景适用性：30%
+3. 活跃度（更新时效）：15%
+4. 工程成熟度（文档/示例/可维护）：15%
+5. stars：5%
+
+#### 第六步：仓库归属类型分类（必须）
+
+**目标**：让用户一眼看懂"这个仓库到底是什么角色"，避免把框架、应用、目录混为一谈。
+
+**推荐类型字典**：
+
+1. 通用框架层
+2. 应用产品层（可直接使用）
+3. 记忆层/上下文基础设施
+4. MCP 服务层
+5. 目录清单层（awesome/curated）
+6. 垂直场景方案层
+7. 方法论/研究层
+
+#### 第七步：深读与项目介绍撰写（必须）
+
+**目标**：不是"仓库简介复述"，而是输出"对用户有决策价值"的详细介绍。
+
+**深读最低要求**：
+
+每个入选仓库至少查看：
+
+1. README 核心定位段
+2. 快速开始/功能章节标题
+3. 近期维护信号（更新时间、Issue/PR 活跃）
+
+**项目介绍写作要求（固定）**：
+
+"项目介绍"必须包含两部分并写细：
+
+1. 这是什么：它在系统架构中的角色和边界
+2. 为什么推荐：它在用户当前目标下的价值（不是泛泛优点）
+
+可补充：
+
+1. 典型适用场景（1-2 条）
+2. 限制或不适用场景（1 条）
+
+---
+
+### 环节四：交付与迭代
+
+#### 第八步：单榜生成与报告交付（最终）
+
+**交付结构（固定）**：
+
+1. 需求摘要
+2. 检索词清单（5-10 组 + 目的）
+3. 筛选与重排规则（明确写出）
+4. 结果总览（原始召回/去重后/过滤后）
+5. Top N 单榜（表格）
+6. 结论与下一步建议
+
+**Top N 表格字段（固定）**：
+
+| 仓库 | 星标 | 仓库归属类型 | 项目介绍（是什么 + 推荐理由） | 其它信息补充 | 链接 |
+|---|---:|---|---|---|---|
+
+**"其它信息补充"建议内容**：
+
+- 语言 / License / 最近更新时间
+- 上手复杂度（低/中/高）
+- 风险提示（若有）
+
+#### 第九步：用户确认与迭代（可选）
+
+**迭代触发条件**：
+
+用户反馈"太泛/太窄/不够准/解释不够细"。
+
+**迭代动作**：
+
+1. 调整检索词（增加场景词或同义词）
+2. 调整 stars 门槛（100 -> 200/500）
+3. 增加限定（语言/方向/更新时间）
+4. 调整类型权重（例如优先应用层或优先框架层）
+
+---
+
+## 默认参数（V1.1）
+
+1. 最低 stars：`100`
+2. 默认输出：`Top 10`
+3. 默认过滤：`archived=false`
+4. 默认必须分类：是
+5. 默认项目介绍粒度：详细（至少"是什么 + 为什么推荐"）
+
+## 质量检查清单（交付前自检）
+
+1. 是否完成需求对齐并明确"目标形态"
+2. 是否有 5-10 组 query 且每组有目的
+3. 是否记录了检索时间与配额状态
+4. 是否执行了去重、硬过滤和噪音剔除
+5. 是否完成仓库归属类型分类
+6. 是否每个推荐都有详细项目介绍（不是一句话）
+7. 是否使用固定表格字段交付
+8. 是否避免把安装实施混入本流程