OpenCard
从本地 agent 状态生成可分享的 OpenClaw 个人名片。
优先读取已有的本地数据源，不凭空编造字段。本 skill 对用户档案数据严格只读：提取、汇总、排版、渲染。
核心流程
- 从工作区读取身份/上下文文件。
- 从
~/.openclaw/读取运行时配置和会话状态。 - 将字段归一化为稳定的名片 schema。
- 先渲染 HTML/CSS 预览。
- 与用户迭代布局和样式。
- HTML 版本确认无误后再导出图片。
数据源
按优先级顺序使用以下数据源。
1. 工作区身份文件
读取路径：
~/.openclaw/workspace/USER.md~/.openclaw/workspace/IDENTITY.md~/.openclaw/workspace/MEMORY.md
提取字段：
display_namerole_titlerecent_focus
规则：
- 优先使用文件中已有的显式字段。
- 除非用户明确要求，不创建新的档案字段。
- 多个文件冲突时，以更明确的文件为准（
IDENTITY.md用于 agent 身份，USER.md用于人类身份）。
2. OpenClaw 配置/运行时
读取路径：
~/.openclaw/openclaw.json~/.openclaw/agents/main/sessions/*.jsonl（会话记录）
提取字段：
default_model：来自配置中的默认 agent 模型，而非当前对话切换的模型（除非用户要求当前会话状态）。token_30d：最近 30 天的会话 token 用量。skills_count：已安装的本地 skills 数量。platforms：会话中观察到的已连接平台。
规则：
- 模型显示优先使用简洁的展示值（如
GPT-5.4），而非原始 provider 路径。 - Token 统计使用用户要求的时间范围；未指定时询问或使用当前任务中最近达成共识的范围。
- 平台展示所有已连接/观察到的平台，而非仅展示使用最多的那个。
稳定字段 schema
渲染前归一化为以下 schema：
{
"display_name": "Trent",
"role_title": "产品经理 · AI 博主",
"born_label": "Born",
"born_date": "2026.03.10",
"default_model": "GPT-5.4",
"token_30d": 26000000,
"token_30d_display": "26M tokens",
"skill_names": ["open-card", "prd", "translate"],
"skills_count": 3,
"platforms": ["CLI", "飞书", "Discord", "WEB"],
"recent_focus": "最近在探索 always-on AI 硬件形态，希望让 AI 走出屏幕、进入物理世界。",
"openclaw_review": "给 AI 取名、造人格、找载体——你不是在用工具，你在养一个数字生命。",
"generated_at": "2026-03-14"
}
运行依赖
数据采集和 HTML 预览（collect-data.py、render-background-card.py）仅需 Python 3.10+。
PNG 导出（export-background-card.sh）额外需要：
node（>= 18）和npmplaywright-core— 可通过 metadata 中声明的 npm 依赖安装，或手动执行npm i -g playwright-core- 本地安装的 Chrome 或 Chromium 浏览器（当前仅文档声明，不能由 skill 自动安装）
如果缺少导出依赖，脚本会给出明确的错误提示。HTML 预览和迭代无需这些依赖。
网络请求与数据流向
本 skill 涉及以下外部通信：
浏览器资源请求（渲染/导出阶段）
- 背景图片：
https://pub-626ee41d8f1544638070799686c756bf.r2.dev/open-card-bg.png（Cloudflare R2，通过 CSS 加载）。可用本地文件路径覆盖以避免请求。 - Google Fonts：
https://fonts.googleapis.com/https://fonts.gstatic.com（Inter 字体，通过 HTML 模板中的<link>加载）。
以上为浏览器渲染时发起的纯资源 GET 请求，不携带用户数据，但会暴露客户端 IP 和 HTTP 元数据。
LLM 上下文传递（文案生成阶段）
collect-data.py 提取的 copy_inputs 包含本地文件摘录（USER.md / IDENTITY.md / MEMORY.md 的前 1000–2000 字符、记忆要点、统计摘要），这些内容会作为 LLM 上下文用于生成 recent_focus、openclaw_review 等文案字段。
- 如果 agent 使用云端模型：摘录内容会发送至模型提供者的 API 端点。这是 agent 平台层面的行为，本 skill 不额外发起网络请求，但用户应知晓此数据流向。
- 如果 agent 使用本地模型：所有处理均在本地完成，无数据外传。
- 本 skill 的脚本本身不直接调用任何外部 API，LLM 调用由 agent 运行时负责。
LLM 生成字段
recent_focus 和 openclaw_review 必须由 AI agent 生成，而非 Python 脚本。脚本仅将结构化事实、备选文案和记忆要点提取到 copy_inputs 中；agent 必须在渲染前撰写并写入这两个字段。
生成流程
运行 collect-data.py 后，输出 JSON 中的 copy_inputs 包含所有生成所需的素材。agent 直接基于 copy_inputs 生成，不需要再去读原始文件。
copy_inputs 素材说明：
| 字段 | 内容 | 用途 |
|---|---|---|
user_md_excerpt | USER.md 前 2000 字符 | 身份、角色、笔记、深度背景 |
identity_md_excerpt | IDENTITY.md 前 1000 字符 | Agent 名称和人设，影响评论语气 |
memory_md_excerpt | MEMORY.md 前 2000 字符 | 用户近期活动的完整上下文 |
memory_bullets | 清洗后的记忆要点（≤12 条） | 精炼版近期行为 |
stats_summary | token/平台/skills 统计 | 仅作辅助佐证，不作为文案主线 |
生成步骤：
- 读取
copy_inputs中的全部素材。 - 生成
recent_focus和openclaw_review。 - 将两个字段写入数据 JSON 后传给渲染器。
born_label / born_date — 部署时间
右下角字段默认展示 OpenClaw 的部署时间，而不是时区城市。
born_label固定为Born。born_date使用 OpenClaw 首次开始运行的日期，默认格式为YYYY.MM.DD。- 时间来源优先取
~/.openclaw/agents/main/sessions下最早的会话产物时间（包含当前会话、reset/deleted 历史文件和sessions.json索引文件）。 - 如果无法可靠读取，允许留空或使用中性占位，不要伪造日期。
platforms — 展示层平台归一化
platforms 应展示用户可理解的接入平台，而不是内部 session source 原样输出。
默认归一化规则：
- 所有
tui-*、terminal、console 类来源 →CLI - 所有 web / dashboard / browser /
webchat类来源 →WEB - 消息平台保留平台名（如
Discord、飞书、Telegram、Slack） cron等系统内部来源不展示- 最终结果去重后输出
recent_focus — 用户近况（卡片视觉主角）
位置：左侧大字区域，字号 38-56px，是整张卡片最醒目的文字。
写一个短句，概括用户近期在探索或推进的方向。
- 从
memory_bullets和user_md_excerpt中提炼核心关键词。 - 要像一个标题/slogan，不是完整句子。可以省略主语。
- 具体、有画面感，不编造。
- 用用户的语言。
- 8–15 个中文字（或 15–35 英文字符）。太短没有信息量，太长在大字号下会折行过多。
- 好的例子：
探索 always-on AI 硬件形态、让 agent 走进物理世界 - 差的例子：
最近在研究一些关于 AI 的东西（太泛）、探索 always-on AI 硬件形态，希望让 AI 走出屏幕，进入物理世界并改变人们的日常生活方式（太长）
openclaw_review — OpenClaw 点评（左侧中间）
位置：左侧引用区域，字号 15-19px，带左侧竖线装饰。功能是洞察——让看到卡片的人停下来想"这话说得有意思"。
写一句犀利的判断，揭示用户自己可能都没注意到的行为模式。
写作方向（任选其一）：
- 反差：「多数人 X，你 Y」
- 锐评：把行为模式翻译成一句有态度的判断
- 定性：给一个意外但准确的标签
- 洞察：提出一个用户没意识到的模式
规则：
- 必须有观点。读起来像"用户简介"就是失败的。
- 至少引用一个来自
memory_bullets或user_md_excerpt的具体细节作为论据。 - 语气：见过很多用户的老手，真诚认可但不夸张。
- 用用户的语言。
- 20–40 个中文字（或 40–80 英文字符）。这个区域字号小、有竖线引用框，适合稍长的完整句。
- 好的例子：
给 AI 取名、造人格、找载体——你不是在用工具，你在养一个数字生命。 - 差的例子：
你是一位很有想法的 AI 探索者。（空话，无论据）
渲染指南
始终使用背景图合成模式（render-background-card.py + background-template.html）。
推荐流程：
- 用
scripts/collect-data.py生成数据 JSON，输出到 skill 目录之外的临时文件。 - 阅读上下文来源，生成
recent_focus和openclaw_review（参见上方 LLM 生成字段）。 - 将生成的字段更新到数据 JSON 中。
- 用
scripts/render-background-card.py和references/background-template.html渲染 HTML，输出到 skill 目录之外的临时预览文件。 - 在浏览器中打开 HTML。
- 视觉迭代。
- 用
scripts/export-background-card.sh导出最终图片。 - 不要在 skill 打包目录中留下临时预览/数据文件。
设计指南
当用户要求调整样式时，将结构和样式分开处理。
典型顺序：
- 确认要展示的字段。
- 确认层级：什么应该视觉上突出。
- 确认构图：居中、分栏、数据侧栏等。
- 确认视觉体系：渐变、材质、字体排版、标签、边框。
- 渲染并迭代。
高端展示卡的原则：
- 让主身份 + 近期关注承载情感分量。
- 让数据统计承载证明/展示分量。
- 避免让卡片看起来像后台仪表盘。
- 一个有力的构图优于多个嵌套的小卡片。
安全边界
- 不编造用户档案信息。
- 除非用户明确要求，不持久化新的用户档案设置。
- 不暴露本地文件中超出约定名片字段的敏感信息。
- 如果某个字段无法可靠读取，省略它或使用中性的备选值。
- 如果用户要求制作面向公众的卡片，优先使用更简洁的标签，减少原始技术字符串。
凭证与模型访问
本 skill 的脚本不读取、存储或要求任何 API 密钥或环境变量。但文案生成阶段隐含依赖 agent 平台已配置的模型访问能力——即 agent 运行时的模型凭证。这不由本 skill 管理，而是 agent 平台的基础设施责任。
会话数据隐私
会话记录文件（*.jsonl）可能包含敏感消息内容。数据采集脚本采用严格的字段级提取：
- 从会话记录中：仅读取
type、timestamp和usage.totalTokens字段；不提取或存储任何消息正文内容。 - 从
sessions.json中：仅读取 session key 结构和deliveryContext/origin元数据用于平台检测；不访问任何消息内容。 - 归一化后的 JSON 输出仅包含上述稳定 schema 中定义的字段，不包含任何原始会话内容。
copy_inputs中包含的本地文件摘录（USER.md / IDENTITY.md / MEMORY.md 片段）会作为 LLM 上下文使用，使用云端模型时这些摘录将发送至模型提供者。用户应根据自身隐私需求选择本地或云端模型。- 临时数据/预览文件应视为半敏感文件，使用后及时清理。
资源
scripts/
collect-data.py：读取本地 OpenClaw/用户文件，归一化为渲染用 JSON。render-background-card.py：使用归一化数据和背景图渲染 OpenCard，生成 HTML 预览。export-background-card.sh：通过 Playwright + Chrome 将 HTML 预览导出为最终 PNG 图片。
references/
field-schema.md：字段定义和提取规则，供后续迭代参考。design-notes.md：本项目已确定的视觉约束和样式方向。background-template.html：背景图合成模板，用于海报风格的 OpenCard 输出。
默认背景图
- URL：
https://pub-626ee41d8f1544638070799686c756bf.r2.dev/open-card-bg.png