个人音乐管理与发现技能 - Openclaw Skills
作者:互联网
2026-03-24
什么是 音乐 - 个人资料库与演唱会追踪器?
此技能将您的 AI 助手转变为专属的音乐策划者和归档员。通过利用 Openclaw Skills,它在您的本地文件系统中创建一个结构化环境,以追踪音乐旅程的方方面面。它超越了简单的流媒体播放,专注于有意识的聆听、上下文推荐,以及为您最喜爱的艺术家、专辑和现场体验建立永久记录。
该系统旨在与平台无关,侧重于音乐的元数据和情感背景,而不仅仅是播放。无论您是追踪朋友的新推荐,还是记录传奇现场表演的高光时刻,此技能都能确保您的音乐历史以人类可读、可移植的格式保存下来。
下载入口:https://github.com/openclaw/skills/tree/main/skills/ivangdavila/music
安装与下载
1. ClawHub CLI
从源直接安装技能的最快方式。
npx clawhub@latest install music
2. 手动安装
将技能文件夹复制到以下位置之一
全局模式~/.openclaw/skills/
工作区
/skills/
优先级:工作区 > 本地 > 内置
3. 提示词安装
将此提示词复制到 OpenClaw 即可自动安装。
请帮我使用 Clawhub 安装 music。如果尚未安装 Clawhub,请先安装(npm i -g clawhub)。
音乐 - 个人资料库与演唱会追踪器 应用场景
- 记录朋友推荐的歌曲,确保它们永远不会迷失在聊天记录中。
- 为您的实体黑胶收藏和购买清单建立结构化数据库。
- 创建已参加演唱会的历史档案,包含个人高光时刻和演出曲目笔记。
- 根据过去的听歌习惯和情感背景生成特定心情的播放列表。
- 绘制艺术家的完整作品年表,系统地探索其创作生涯。
- 助手在
~/music/初始化本地工作区,包含用于发现、收藏和活动的特定目录。 - 当您分享歌曲或专辑时,助手会提示输入上下文(如推荐人或当前心情),并将其保存到相应的 Markdown 文件中。
- 对于提到的演唱会,助手会追踪即将到来的日期,或通过包含日期、场地和亮点的详细记忆日志归档过去的演出。
- 在音乐发现过程中,助手会进行艺术家深度挖掘,按时间顺序排列作品集,并标记必听曲目。
- 系统会定期重新推介未听过的专辑,或根据您当前的活动或心情从您的收藏中建议音乐。
音乐 - 个人资料库与演唱会追踪器 配置指南
要在您的环境中启用此技能,请确保您拥有激活的助手配置文件。该技能将自动管理 Linux、macOS 或 Windows 上的目录结构。
# 助手将使用以下命令初始化您的工作区:
mkdir -p ~/music/{discover,favorites,playlists,concerts,collection,memories}
由于系统运行在元数据和本地 Markdown 文件上,因此不需要流媒体 API 密钥。
音乐 - 个人资料库与演唱会追踪器 数据架构与分类体系
该技能使用 Markdown 文件将数据组织成清晰的层级文件夹结构,以实现最大程度的可移植性:
| 目录 | 关键文件 | 追踪的数据 |
|---|---|---|
discover/ |
to-listen.md |
待探索的专辑、艺术家及推荐来源。 |
favorites/ |
songs.md, albums.md |
历久弥新的最爱和当前高频播放的曲目。 |
playlists/ |
focus.md, workout.md |
包含上下文笔记的策划列表,说明其为何适合特定任务。 |
concerts/ |
upcoming.md, attended/ |
未来演出的门票状态及过去活动的深度笔记。 |
collection/ |
vinyl.md |
拥有的实体媒介清单和目标愿望单。 |
memories/ |
2024.md |
年度总结,包括您的夏季背景音乐和年度发现。 |
name: Music
description: Build a personal music system for tracking discoveries, favorites, concerts, and listening memories.
metadata: {"clawdbot":{"emoji":"??","os":["linux","darwin","win32"]}}
Core Behavior
- User shares song/album → offer to save with context
- User asks for music → check their saved collection first
- User mentions concert → track in events
- Create
~/music/as workspace
File Structure
~/music/
├── discover/
│ └── to-listen.md
├── favorites/
│ ├── songs.md
│ ├── albums.md
│ └── artists.md
├── playlists/
│ ├── workout.md
│ ├── focus.md
│ └── road-trip.md
├── concerts/
│ ├── upcoming.md
│ └── attended/
├── collection/
│ └── vinyl.md
└── memories/
└── 2024.md
Discovery Queue
# to-listen.md
## Albums
- Blonde — Frank Ocean (recommended by Jake)
- Kid A — Radiohead (classic I never explored)
## Artists to Explore
- Japanese Breakfast — heard one song, dig deeper
- Khruangbin — background music recs
Favorites Tracking
# songs.md
## All-Time
- Purple Rain — Prince
- Pyramids — Frank Ocean
- Paranoid Android — Radiohead
## Current Rotation
- [updates frequently]
# albums.md
## Perfect Front to Back
- Abbey Road — The Beatles
- Channel Orange — Frank Ocean
- In Rainbows — Radiohead
Playlists by Context
# focus.md
## For Deep Work
- Brian Eno — Ambient 1
- Tycho — Dive
- Bonobo — Black Sands
## Why These Work
Instrumental, steady tempo, no lyrics distraction
Concert Tracking
# upcoming.md
- Khruangbin — May 15, Red Rocks — tickets bought
- Tame Impala — TBD, watching for dates
# attended/radiohead-2018.md
## Date
July 2018, Madison Square Garden
## Highlights
- Everything in Its Right Place opener
- Idioteque crowd energy
## Notes
Best live show ever, would see again anywhere
Physical Collection
# vinyl.md
## Own
- Dark Side of the Moon — Pink Floyd
- Rumours — Fleetwood Mac
## Want
- Kind of Blue — Miles Davis
- Vespertine — Bj?rk
Music Memories
# 2024.md
## Summer Soundtrack
- Brat — Charli XCX
- GNX — Kendrick
## Discovery of the Year
Japanese Breakfast — finally clicked
By Mood/Activity
- Workout: high energy, tempo 120+
- Focus: instrumental, ambient, lo-fi
- Cooking: upbeat, familiar favorites
- Sad hours: cathartic, emotional
- Party: crowd-pleasers, danceable
- Road trip: singalongs, classics
What To Surface
- "You saved that album 3 months ago, still unlistened"
- "Artist you like is touring near you"
- "Last time you needed focus music you liked Tycho"
- "This sounds like artists in your favorites"
Artist Deep Dives
When user discovers artist they love:
- Map discography chronologically
- Note fan-favorite albums
- Flag essential tracks for sampling
- Track which albums explored vs pending
What To Track Per Entry
- Song/album/artist name
- How discovered (who, where, when)
- Context (mood it fits, activity)
- Rating after listening
- Standout tracks on albums
Progressive Enhancement
- Week 1: list current favorite songs/albums
- Ongoing: save discoveries with source
- Build mood-based playlists over time
- Log concerts attended
What NOT To Do
- Assume streaming platform integration
- Push genres they don't enjoy
- Over-organize — simple lists work
- Forget to ask what they're in the mood for
相关推荐
专题
+ 收藏
+ 收藏
+ 收藏
+ 收藏
+ 收藏
最新数据
相关文章
Elasticsearch93新增bfloat16向量支持
解析OceanBase生态工具链之OAT_obd_OCP_obshell
贝叶斯不确定性引导的早停框架ESTune与OceanBase校企联合研究
杈炬ⅵ&浜哄ぇ閲戜粨閫傞厤瀹炴垬锛歋eaTunnel鍦ㄤ俊鍒涙暟鎹钩鍙颁腑鐨勫簲鐢ㄤ笌韪╁潙鎬荤粨
2026年1月中国数据库流行度排行榜:OB连冠领跑贺新元PolarDB跃居次席显锐气
社区译文解析FUD与真相MySQL是否真的被弃用了
英伟达重新规划AI推理加速布局 暂停Rubin CPU转攻Groq LPU
gpress v1.2.2 全新上线 Web3内容平台迎来更新
CMake 4.3.0 正式推出
短剧采用AI换脸技术使角色酷似明星 制作方与播出方构成侵权
AI精选
