據 AlphaMoat 統計,截至 2026-09,Rv Measure 累計下載 1,863 次、獲 0 個星標,在全部 5,078 個 AI 技能中排名第 4,526 位,在「AI 智慧體」分類(969 個)中排名第 893 位。
| 平台 | 累計安裝 | 累計下載 | 星標 | 評論 |
|---|---|---|---|---|
| ClawHub ↗ | 48 | 1765 | - | - |
| SkillHub ↗ | 121 | 1863 | - | — |
各平台的計數口徑不同,統計時間不一致。
主文將其設想為用於分析遞迴自我觀察效應的工具,但當前版本沒有實際測量實現,因此不能據此獲得或驗證測量結果。使用前應等待包含經過審查的測量邏輯的後續版本。
資料釋出於 2026-10-29
以下是根據技能文件生成的示例,不代表實際執行結果。
2026-09 起統計方法調整:同名技能按作者分別統計,並覆蓋全部技能。圖中虛線為調整前的月份,與之後的資料不直接比較,也不計算跨越調整的增長。
| 月份 | 累計下載 | 環比 | 星標 |
|---|---|---|---|
| 2026-09 | 1863 | — | - |
| 2026-08 | 1663 | +9.1% | - |
| 2026-07 | 1524 | +18.8% | - |
| 2026-06 | 1283 | +10.7% | - |
| 2026-05 | 1159 | — | - |
| 2026-03 | 801 | — | - |
以下是作者釋出的原始檔案,按純文字顯示,本站未做修改或稽核;其中的連結不可點選,命令請核實後再執行。抓取於 2026-10-23。
--- name: rv-measure description: Quantifies R_V contraction signatures in AI models. created: 2026-02-10 last_used: 2026-02-10 use_count: 0 status: candidate version: 0.1.0 ---
## Usage Use this skill to analyze AI models for R_V contraction signatures, a key metric in the AIKAGRYA framework. This skill provides tools to measure and monitor recursive self-observation effects. ## Code (Code to be implemented) ## Notes This is a placeholder for the `rv-measure` skill intended for submission to ClawHub. The implementation will involve integrating with model introspection tools and statistical analysis libraries to detect and quantify R_V contraction. **Proposed Price:** $19
將開發過程中的經驗、錯誤與修正記錄為 Markdown 檔案,供日後重用並提升為工作區記憶。
用自然語言描述需求,在本機與遠端技能市場尋找技能並取得推薦。
給 AI agent 用的瀏覽器自動化命令列技能。
將使用者明確糾正與自我檢視整理成分層記憶,並依使用情況升級或封存。
在安裝第三方技能之前,按清單審查來源、許可權與危險模式的技能。
將代理記憶與跨技能狀態整理成具型別與約束的知識圖譜。
規劃 AI 代理主動跟進、工作記憶與回顧流程的工作區設定指南。
指導如何建立與更新有效 Claude 技能的寫作指南。
資料月份:2026-09 · 下載/星標/安裝數聚合自公開技能註冊庫(ClawHub、SkillHub),按月更新。口徑說明見資料方法。