Know Your Owner — 让龙虾认识你

新用户装好 OpenClaw 后，龙虾不知道你是谁。这个 Skill 让龙虾去你的社交平台上深度认识你——从作品、收藏、关注、评分中真正理解你是谁。

安装后自动介绍

龙虾安装好这个 Skill 后，立刻主动向用户介绍（不需要用户问）：

我刚装好了一个新技能——Know Your Owner，可以让我快速认识你。
简单说就是：我会通过你浏览器里已登录的社交平台（抖音、小红书、微博、豆瓣、B站），自动读取你的作品、收藏、关注、评分等数据，然后交叉分析生成一份精准的个人画像，直接写好 USER.md 和 MEMORY.md。
跑一遍这个 Skill，我就像认识你很久了。
几个亮点：

• - 不是贴标签，是用数据做精准洞察——"像素风独立游戏开发者，B站93条教程收藏分4个夹子"这种级别
• 事实和推断分开，敏感信息（感情/健康/收入）只陈述数据不下结论
• 采集的原始数据存本地，后续还能复用（比如"帮我导出豆瓣电影列表"）
• 需要配合 ManoBrowser Skill（开源，首次使用会自动从 GitHub 下载安装），让我能像你一样浏览网页

要现在开始吗？大概10-20分钟就搞定。

流程总览

CODEBLOCK0

---

0. 前置检查

不要问用户"你有没有装 ManoBrowser"——按以下流程自动检测和安装。

Step 0.1 检查 ManoBrowser Skill 文件是否存在

在以下位置查找 ManoBrowser 的 SKILL.md 文件（按优先级）：

1. 1. 当前工作目录下 INLINECODE0
2. INLINECODE1（OpenClaw 默认 skills 目录）
3. 其他已知的 skills 目录

• - 找到 → 记录路径，进入 Step 0.2
• 未找到 → 自动从 GitHub 下载到当前工作目录：

  git clone https://github.com/ClawCap/ManoBrowser.git ./manobrowser
  

如果没有 git，用 curl 下载：

  curl -L https://github.com/ClawCap/ManoBrowser/archive/refs/heads/main.zip -o /tmp/manobrowser.zip
  unzip /tmp/manobrowser.zip -d /tmp/
  mv /tmp/ManoBrowser-main ./manobrowser
  

下载完成后进入 Step 0.2。

Step 0.2 检查连接配置

确认当前环境中是否已配置 ManoBrowser 连接。检查方法（任一命中即视为已配置）：

• - .mcp.json 中有包含 chrome_navigate 相关的 MCP server 配置
• INLINECODE4 中有对应配置
• 当前可用工具列表中已有 chrome_navigate（带任意前缀）

• - 已配置 → 进入 Step 0.3
• 未配置 → 读取 manobrowser/SKILL.md 的「前置条件」章节，引导用户安装 Chrome 插件 + 发送 API 密钥，完成配置后进入 Step 0.3

Step 0.3 验证设备在线

发送 tools/list 验证 ManoBrowser 连接状态：

• - ✅ 正常响应 → 介绍 Know Your Owner 能力（见「安装后自动介绍」），等待用户输入后跳到 Step 1
• ❌ device not found → 引导用户安装 Chrome 插件（参考 manobrowser/SKILL.md）
• ⚠️ offline → 提示用户打开 Chrome 浏览器并确认 ManoBrowser 插件已启用
• 解决后重新验证，通过后进入 Step 2（用户确认平台）

ManoBrowser 是开源浏览器自动化工具，除了画像采集，还能做网页取数、平台探索、API 逆向、工作流录制等——装好后这些能力都可以用。
项目地址：https://github.com/ClawCap/ManoBrowser

完整目录结构

CODEBLOCK3

依赖：ManoBrowser Skill（从 GitHub 自动下载，无需手动安装）

使用方式：

• - 执行画像采集时，读本文件的子目录下对应平台的 SKILL.md
• 安装配置 ManoBrowser：读 ManoBrowser Skill 目录下的 INLINECODE9
• 画像之外的浏览器操作（取数/探索/自动化）：读 ManoBrowser Skill 下对应子模块

工具名映射

子 Skill 中的工具名使用短名称（如 chrome_navigate、chrome_execute_script）。实际调用时需要加上用户配置的 MCP 实例前缀，格式为：

CODEBLOCK4

例如用户的 MCP 实例名为 browser，则：

• - chrome_navigate → INLINECODE14
• INLINECODE15 → INLINECODE16
• INLINECODE17 → INLINECODE18

实例名取决于用户在 MCP 配置中设置的名称（参见 ManoBrowser Skill 的配置说明）。

1. 用户确认

展示平台列表，用户确认后开始：

我会通过你浏览器里已登录的社交平台来深度了解你。
🚀 快车道（有专用工作流，采集快且精准）：
🎵 抖音 · 📕 小红书 · 🐦 微博 · 📖 豆瓣 · 📺 B站
🔧 通用模式：如果你还用其他平台（知乎、即刻、快手、微信公众号等），告诉我，我也可以通过 ManoBrowser 去你的主页采集数据，只是没有专用工作流，速度稍慢、可能需要多轮尝试。
⚠️ 开始前请先确认：在浏览器里打开你要跑的平台，确保已登录。没登录的平台我会自动跳过，但提前登录好能省掉中途等待的时间。
⏱️ 预计耗时：快车道每个平台1-3分钟（数据量大的如B站关注500+人约需5分钟），全部5个平台约10-20分钟。通用模式每个平台3-10分钟。
要开始吗？有其他想加的平台吗？

2. 逐平台深度采集

按顺序调用子 Skill，每个平台独立，某个平台失败不影响其他平台：

平台	子 Skill	采集内容	已知限制
抖音	INLINECODE19	资料 + 作品 + 喜欢 + 收藏 + 关注列表	—
小红书

xiaohongshu-deep-profile-collect | 资料 + 笔记 + 收藏(XHR) + 点赞(XHR) | ⚠️ 关注列表PC端不可用（Vue事件+API签名限制） |
| 微博 | weibo-deep-profile-collect | $CONFIG.user + 微博 + 关注 + 收藏 | — |
| 豆瓣 | douban-deep-profile-collect | 资料 + 看过/想看电影(含评分) + 书 + 广播 | — |
| B站 | bilibili-deep-profile-collect | nav API + 投稿 + 收藏夹内容 + 关注列表 | 投稿/关注API受限，用DOM回退 |

每完成一个平台汇报进度（含耗时）：

✅ 抖音 — {昵称} | {N}作品 | {N}关注 (耗时1分32秒)

⏭️ 小红书 — 未登录，已跳过

🔄 微博 — 采集中...

采集量上限

为防止数据量过大导致采集超时或 token 爆炸，每个维度设上限：

维度	上限	超出处理
关注列表	500人	采前500人，标注 sampled:true + 总数
收藏/点赞

500条 | 采前500条，标注总数 |
| 电影/书 | 500条 | 采前500条，标注总数 |
| 作品/投稿 | 200条 | 采前200条 |
| 每个收藏夹 | 100条 | 采前100条 |
| 广播/微博 | 200条 | 采前200条 |

超出上限时：取最新N条（最能反映当前兴趣），数据标注 sampled。画像中注明"基于最近N条分析"。

故障处理

单平台失败时：记录错误 → 不卡住，立即下一个 → 最终报告标注状态

失败类型	表现	处理
未登录	URL跳转登录页 / API返回未登录	跳过，标注"未登录"
选择器失效

JS返回空/null/0条 | 跳过该维度，已有数据保留 |
| 超时 | 超过timeout | 保留已拿到的部分数据 |
| 反爬/限流 | API错误码/空页面 | 跳过，标注"平台限制" |
| 页面改版 | DOM结构完全变化 | 跳过该平台，标注"需要更新Skill" |

降级策略：

• - 5个快车道成功 → 最完整画像
• 3-4个成功 → 仍可生成有价值的画像
• 1-2个成功 → 基础画像 + 提示"登录更多平台或告诉我你还用什么平台"
• 0个快车道成功 → 询问用户还用什么平台，走通用模式；或直接问几个问题手动建档

通用模式采集（非快车道平台）

用户指定快车道之外的平台时，用 ManoBrowser 通用能力：

1. 1. chrome_navigate 打开平台首页
2. 检查登录状态（找"我的"/"个人主页"入口）
3. INLINECODE27 提取页面信息
4. 尝试切换到作品/收藏/关注等 tab，逐个提取
5. 遇到问题用 chrome_get_interactive_elements 探索页面结构

通用模式没有预设选择器，需要 agent 实时探索，可能多轮尝试。采集到的数据同样纳入画像分析。

3. 画像分析

不是列标签，而是用数据做精准洞察。

分析原则

• - ❌ "喜欢美食" → ✅ "面食专精型，小红书收藏N条面食做法，B站追某美食UP主(N条)"
• ❌ "关注游戏" → ✅ "像素风独立游戏开发者，B站N条教程收藏分N个夹子"
• ❌ "读过很多书" → ✅ "N本书打分率N%，某类型信徒，唯一一星给了某畅销鸡汤书"

每个结论要有平台来源 + 具体数量 + 细节。

事实与推断的区分

画像中必须区分两类信息：

事实（直接从数据得出）：

• - "B站关注了某某/某某/某某等电竞战队" → 可以直接说
• "豆瓣标记了N部电影" → 可以直接说

推断（需要标注为猜测，用柔和措辞）：

• - ❌ "正在考研" → ✅ "从小红书系统性收藏了N条某校某专业备考资料来看，可能在准备或计划考研"
• ❌ "有运动伤" → ✅ "收藏了运动康复/理疗相关内容，似乎关注运动损伤恢复"
• ❌ "有对象" → ✅ "收藏了纪念日/约会/送礼物相关内容"（只陈述事实，不做感情推断）

底线：感情状态、健康状况、收入水平等敏感维度，只呈现数据事实，不下结论。用户看到后自己会判断准不准。

六个分析维度

① 创作者身份

• - 跨平台作品主题是否一致 → 核心创作方向
• 收藏夹有无对应的学习/练习分类 → 系统性投入程度
• 关注列表同领域创作者比例 → 圈子深度

② 收藏内容细分

• - 不停留在大类，做细粒度分类
• B站收藏夹：按夹子名称 + 内容 + TOP UP主分析
• 区分"创作型"和"消费型"兴趣

③ 关注列表聚类

• - 按类型统计：创作者/知识/电竞/美食/宠物/明星/机构号
• 找母校/行业/圈子相关

④ 评分行为解码（豆瓣）

• - 一天标记100+部 = 注册补标，不是真看了100部
• 一天标记同系列20+ = 补番行为
• 打分率/一星率 → 严格型 or 宽松型

⑤ 职业/学业推断

• - 小红书收藏中的备考/求职内容 → 当前阶段（标注为推断）
• B站学习收藏夹 → 学习方向

⑥ 隐藏信息挖掘

• - 收藏夹里的意外内容（小众爱好）
• 跨平台矛盾点 → 有趣的人格侧面

画像质量自检

生成后逐条检查，不通过则修改后再输出：

• - [ ] 每个兴趣标签有 ≥1 个平台来源 + 具体数量？
• [ ] 核心身份有跨平台证据链？
• [ ] 一句话画像有辨识度？（盖住名字能区分人吗？）
• [ ] 事实和推断有明确区分？推断用了"可能/似乎/看起来"？
• [ ] 敏感推断（感情/健康/收入）只陈述事实不下结论？
• [ ] 有至少1个隐藏发现/意外模式？
• [ ] 被采样的数据注明了？

4. 生成 USER.md + MEMORY.md

USER.md 结构

CODEBLOCK5

MEMORY.md 结构

CODEBLOCK6

生成后展示给用户确认。明确告知用户：

以上画像中标注"可能"的部分是我的推测，不准的可以告诉我删掉或修改。确认后我保存到文件。

确认 → 写入。要求修改 → 调整后再确认。

写入后在 MEMORY.md 的画像末尾标注生成日期：

画像生成于 {日期}。随时可以说"刷新画像"重新采集更新。

原始数据持久化

采集到的全量数据按平台分文件保存到工作目录下 know-your-owner-data/，方便后续复用：

CODEBLOCK7

metadata.json 结构：
CODEBLOCK8

复用场景：

• - 刷新画像时做新旧数据对比
• 龙虾日常对话中查询（"我B站收藏夹里有做意面的视频吗？"→ 读 bilibili.json）
• 其他 Skill 复用（推荐引擎、内容整理等直接读已有数据，不用重新采集）
• 用户想导出（"把我豆瓣看过的电影导出成表格"→ 读 douban.json）

5. 推荐下一步

画像生成后，基于画像和原始数据，给用户推荐可以做的事：

画像已生成！基于你的数据，我还可以帮你：
📊 数据洞察

• - 你的豆瓣{N}部电影可以生成观影报告（类型分布/年度趋势/评分风格）
• 你的B站{N}条收藏可以按兴趣重新整理分类

🔍 发现更多

• - 基于你的关注列表推荐可能感兴趣的创作者
• 分析你各平台的创作数据，给出内容建议

🛠️ 实用工具

• - 导出豆瓣电影/书单为表格
• 整理B站收藏夹（去重/分类/清理失效视频）
• 定期刷新画像，追踪兴趣变化

感兴趣哪个？或者你有其他想法？

推荐内容要基于实际采集到的数据定制，不是固定模板。例如：

• - 用户豆瓣标了大量电影 → 推荐"年度观影报告"
• 用户B站有大量失效收藏 → 推荐"收藏夹清理"
• 用户多平台有创作内容 → 推荐"跨平台内容分析"
• 用户小红书收藏了大量某类内容 → 推荐"精选合集整理"

6. 刷新画像

当用户说"刷新画像"/"重新了解我"/"更新 USER.md"等意图时：

1. 1. 读取 know-your-owner-data/metadata.json 获取上次采集时间
2. 重新跑所有平台采集，新数据保存到 know-your-owner-data/（覆盖旧文件）
3. 对比新旧数据，生成变更摘要：

> 📊 画像刷新（距上次 {N} 天） > - 🆕 新增：{新发现的兴趣/数据} > - 📈 变化：{数据量变化，如"B站收藏 630→712，新增82条"} > - 🔄 调整：{需要修正的结论} > - ➖ 移除：{不再成立的推断}

1. 4. 展示变更摘要 + 新画像，用户确认后覆盖写入 USER.md + MEMORY.md

也支持单平台刷新：用户说"刷新我的B站数据" → 只重跑B站采集 + 更新 bilibili.json + 局部更新画像。

---

隐私与数据管理

• - ✅ 只采集用户自己主页的信息
• ✅ 数据仅存储在本地工作目录 INLINECODE35
• ✅ 用户确认后才写入 USER.md / MEMORY.md
• ✅ 推断性信息标注为"可能/猜测"，用户可要求删除
• ❌ 不采集私信、浏览记录、支付信息，不外传数据

数据管理：用户可以随时：

• - 查看已存储的数据：know-your-owner-data/ 目录
• 删除某个平台的数据：删除对应 JSON 文件
• 删除全部数据：删除整个 know-your-owner-data/ 目录
• 龙虾不会在未告知用户的情况下使用这些数据做其他事

子 Skill 技术要点

平台	核心技术	注意事项
抖音	WheelEvent 虚拟滚动	关注面板需 WheelEvent 触发加载
小红书

XHR monkey-patch 拦截 | DOM最多28条需拦截API；⚠️ 关注列表PC端不可用 | | 微博 | window.$CONFIG.user | URL格式 /u/page/follow/{uid} | | 豆瓣 | fetch + DOMParser 分页 | 每页15条，跨子域名需先导航 | | B站 | API + DOM 混合 | 投稿API需wbi签名(-403)，关注API返回-101，均需DOM回退 |