AlphaMoatによると、2026-09時点でTopic to Article Kitのダウンロード数は3,225、スター数は1で、AIスキル全体5,078件中3,528位、コンテンツ制作では362件中240位です。
| プラットフォーム | インストール数 | ダウンロード数 | スター数 | コメント |
|---|---|---|---|---|
| ClawHub ↗ | 96 | 3033 | 1 | - |
| SkillHub ↗ | 228 | 3225 | 1 | — |
プラットフォームごとに集計方法と集計時点が異なります。
X/Twitter などの公開情報源から選択した AI テーマの根拠や有用なコメントを集め、タイトル案、構成案、Obsidian 用の資料パックを作成します。ワークフローはユーザーの Obsidian 保管庫にフォルダーと Markdown ファイルを作成します。既存ノートを未承認で変更しないよう、書き込み前に対象保管庫と出力先を確認してください。
資料公開日 2026-10-27
スキルのドキュメントをもとに生成した例であり、実際の実行結果ではありません。
2026-09 から集計方法を変更し、同名スキルを作者ごとに分けて集計し、全スキルを対象にしました。破線は変更前の月で、変更後のデータとは直接比較せず、変更をまたぐ増減も計算していません。
| 月 | ダウンロード数 | 前月比 | スター数 |
|---|---|---|---|
| 2026-09 | 3225 | — | 1 |
| 2026-08 | 2909 | +5.2% | 1 |
| 2026-07 | 2765 | +11.4% | 1 |
| 2026-06 | 2482 | +7.5% | 1 |
| 2026-05 | 2309 | — | 1 |
| 2026-03 | 1568 | — | 1 |
作者が公開した元のファイルをテキストのまま表示しています。AlphaMoat による編集や審査はしていません。リンクはクリックできません。コマンドは内容を確認してから実行してください。取得日 2026-10-23。
--- name: topic-to-article-kit description: "Turn a chosen AI topic into a public-account writing package: collect evidence from X/Twitter and other sources, extract high-value comments, and produce title options + structured outline written into Obsidian. Use when user asks for topic-based research and article prep." --- # Topic to Article Kit 1. Input: user-selected topic (or propose topic candidates). 2. Collect evidence from: - X/Twitter official pages first (`x.com` profile/search/status), then other public sources as supplement
- HN / TechCrunch / GitHub / other public sources 3. Collect X high-value comments (facts, counterpoints, implementation details). 4. Build deliverables in Obsidian (minimal structure): - one folder per article: `OpenClaw/项目/公众号写作/<日期_标题>/` - `资料包.md`(facts, data, links, comment excerpts) - `大纲.md`(with inline citation markers to 资料包) 5. Always write to the real Obsidian Vault visible directory first (absolute path under user's real vault), never workspace mirror paths. 6. Before finishing, verify files exist in the real Obsidian visible directory and report that relative path to user. 7. Keep output minimal and readable (no extra draft/final folders unless user asks). 8. Control browser tabs like production workflow: - max 7 tabs at once - close finished tabs before opening new ones - close all temporary tabs at end (target 0) ## Required output - 文章目录(按“日期_标题”命名) - `资料包.md`(含来源链接和评论摘录) - `大纲.md`(含可引用资料标注) - 5-10标题候选(写在大纲顶部) - X/Twitter 证据优先来自 `x.com` 官方页面(并在资料包注明链接)
文章に残る AI らしさを見つけて取り除き、人が書いたように読める文章にします。
AI が書いた文章の典型的な痕跡を見つけ、意味を保ったまま自然な文章に書き直す文章編集スキルです。
AI が生成した文章の痕跡を見つけて取り除く中国語の編集スキルです。
wechat-search は WeChat の人気記事を検索し、関連度、人気、鮮度で結果を整理します。
公開された短編動画の共有リンクからタイトル、概要、口播テキストを抽出し、改写版も作ります。
humanizer は中国語と英語の文章を自然な表現に整えるための編集ガイドです。
Web 小説の各章をファイルに書き、会話では要約と位置だけを返します。
複数のマーケティング手法をひとつのスキルにまとめ、依頼内容に合うモジュールへ振り分けるスキルです。
データ月:2026-09 · ダウンロード数、スター数、インストール数は公開スキルレジストリ(ClawHub、SkillHub)から月単位で集計しています。詳しくはデータの方法論をご覧ください。