据 AlphaMoat 统计,截至 2026-09,Rv Measure 累计下载 1,863 次、获 0 个星标,在全部 5,078 个 AI 技能中排名第 4,526 位,在「AI 智能体」分类(969 个)中排名第 893 位。
| 平台 | 累计安装 | 累计下载 | 星标 | 评论 |
|---|---|---|---|---|
| ClawHub ↗ | 48 | 1,765 | - | - |
| SkillHub ↗ | 121 | 1,863 | - | — |
各平台的计数口径不同,统计时间不一致。
主文将其设想为用于分析递归自我观察效应的工具,但当前版本没有实际测量实现,因此不能据此获得或验证测量结果。使用前应等待包含经过审查的测量逻辑的后续版本。
资料发布于 2026-10-29
以下是根据技能文档生成的示例,不代表实际运行结果。
2026-09 起统计方法调整:同名技能按作者分别统计,并覆盖全部技能。图中虚线为调整前的月份,与之后的数据不直接比较,也不计算跨越调整的增长。
| 月份 | 累计下载 | 环比 | 星标 |
|---|---|---|---|
| 2026-09 | 1,863 | — | - |
| 2026-08 | 1,663 | +9.1% | - |
| 2026-07 | 1,524 | +18.8% | - |
| 2026-06 | 1,283 | +10.7% | - |
| 2026-05 | 1,159 | — | - |
| 2026-03 | 801 | — | - |
以下是作者发布的原始文件,按纯文本显示,本站未做修改或审核;其中的链接不可点击,命令请核实后再运行。抓取于 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
把开发过程中的经验、错误与纠正记录为 Markdown 文件,供后续复用并晋升为工作区记忆。
用自然语言描述需求,在本地与远程技能市场里找技能并给出推荐的技能。
给 AI agent 用的浏览器自动化命令行技能。
把用户纠正与自我复盘沉淀成分层记忆、并按使用情况升降级的技能。
在安装第三方技能之前,按清单审查来源、权限与危险模式的技能。
把 agent 的记忆与跨技能状态存成带类型和约束的知识图谱的技能。
一份为 AI 代理规划主动跟进、工作记忆与复盘流程的工作区配置指南。
指导如何创建与更新有效 Claude 技能的写作指南。
数据月份:2026-09 · 下载/星标/安装数聚合自公开技能注册库(ClawHub、SkillHub),按月更新。口径说明见数据方法。