Communitygithub.com

Birdfolio

Vogelidentifikation, Lebenslisten-Tracking und Generierung von Sammelkarten.

Was ist Birdfolio?

Birdfolio ist ein AI-Agenten-Skill, der Vogelbeobachtung in ein persönliches Sammelspiel verwandelt. Benutzer senden Fotos von Vögeln aus der freien Wildbahn, der Skill identifiziert die Art mithilfe von Vision und reichert die Beobachtung mit Echtzeit-Seltenheits- und Regionaldaten von You.com an. Jede Sichtung wird in einer Lebensliste mit einem Pokémon-inspirierten Seltenheitsgrad (Häufig / Selten / Super Selten) protokolliert und eine visuelle Sammelkarte wird generiert und über Telegram zurückgesendet. Der Skill unterstützt die gesamte Einrichtung, die Identifizierung von Vögeln, den Fortschritt der Checkliste, die Anzeige der Lebensliste, die Nachschlage von Arten und das Finden des seltensten Vogels. Er nutzt eine PostgreSQL-Datenbank (via Railway API) und lokale Dateien für die Speicherung und eignet sich für Plattformen wie Claude Code, Cursor oder Codex.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/modbender/skill-library-mcp/tree/HEAD/data/birdfolio

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht Birdfolio?

Birdfolio verwandelt Vogelfotos in eine persönliche Lebensliste. Benutzer fotografieren Vögel in der freien Wildbahn, senden das Foto an Sie, und Sie identifizieren die Art mit Vision. You.com liefert Echtzeit-Seltenheits- und Regionaldaten. Jede Sichtung wird mit einer Pokémon-inspirierten Seltenheitsstufe (Häufig / Selten / Super Selten) in einer Lebensliste protokolliert und erhält eine visuelle Sammelkarte, die über Telegram zurückgesendet wird.

Daten leben in: Railway PostgreSQL (via API) + lokaler birdfolio/-Ordner (Karten, Vögel, Konfiguration) Skripte leben in: {baseDir}/scripts/ API: https://api-production-d0e2.up.railway.app (auch nach der Initialisierung in birdfolio/config.json gespeichert) Schema-Referenz: {baseDir}/references/data-schema.md Suchabfragen: {baseDir}/references/you-search-queries.md

Hinweis zu --workspace & --api-url: Jedes Datenskript akzeptiert --workspace (absoluter Pfad zu birdfolio/) und --api-url (API-Basis-URL). Nachdem init_birdfolio.py ausgeführt wurde, werden sowohl die API-URL als auch die Telegram-ID in birdfolio/config.json gespeichert und automatisch gelesen – nachfolgende Skripte benötigen nur noch --workspace.

Telegram-ID: Wird aus den Metadaten der eingehenden Nachricht (sender_id) gelesen. Wird beim ersten Setup als --telegram-id an init_birdfolio.py übergeben.


1. Einrichtungsablauf

Auslöser: Benutzer sagt „Birdfolio einrichten", „Region festlegen" oder sendet ein Foto, bevor die Einrichtung abgeschlossen ist.

Zuerst prüfen: Wenn birdfolio/config.json in Ihrem Arbeitsbereich existiert, ist die Einrichtung bereits abgeschlossen – springen Sie zum entsprechenden Ablauf.

Schritte:

  1. Frage: „Was ist Ihre Heimatregion? (z.B. Kalifornien, Texas, Vereinigtes Königreich)"

  2. Ausführen, um die Ordnerstruktur des Arbeitsbereichs zu erstellen und den Benutzer in der API zu registrieren:

    exec: python {baseDir}/scripts/init_birdfolio.py \
      --telegram-id {senderTelegramId} \
      --region "{region}" \
      --api-url "https://api-production-d0e2.up.railway.app" \
      --workspace <absoluter Pfad zu birdfolio/ in Ihrem Arbeitsbereich>
    
  3. You.com durchsuchen (alle drei ausführen):

    "{region} häufigste Hinterhofvögel eBird Artenliste"
    "{region} ungewöhnliche saisonale seltene Vögel eBird Checkliste"
    "{region} seltene vagabundierende gefährdete Vögel eBird"
    
  4. Aus den Ergebnissen eine Checkliste mit 10 häufigen, 5 seltenen, 1 super seltenen Art erstellen. Verwenden Sie Klassifikationssignale aus {baseDir}/references/you-search-queries.md.

  5. Die gefüllte Checkliste in birdfolio/checklist.json in Ihrem Arbeitsbereich schreiben:

    {
      "{region}": {
        "common": [
          { "species": "Amerikanisches Rotkehlchen", "slug": "amerikanisches-rotkehlchen", "found": false, "dateFound": null }
        ],
        "rare": [...],
        "superRare": [...]
      }
    }
    
  6. Mit einer Begrüßungsnachricht und einer Checklisten-Vorschau antworten:

    🦅 Birdfolio ist für {region} eingerichtet!
    
    Ihre Checkliste:
    Häufig (10):  Amerikanisches Rotkehlchen, Haussperling, ...
    Selten (5):   Kanadareiher, ...
    Super Selten:   Kalifornischer Kondor
    
    Senden Sie mir ein Vogelfoto, um mit dem Sammeln zu beginnen!
    

2. Vogelidentifikationsablauf

Auslöser: Benutzer sendet ein Foto.

Dateipfad des Fotos abrufen: Wenn ein Benutzer ein Foto über Telegram sendet, lädt OpenClaw es herunter und stellt den lokalen Dateipfad in den Metadaten des Nachrichtenan hangs zur Verfügung. Erfassen Sie diesen Pfad – Sie werden ihn für die Kartengenerierung in Schritt 5 benötigen. Wenn OpenClaw das Bild inline ohne Pfad bereitstellt, verwenden Sie exec, um die zuletzt heruntergeladene Datei im temporären/Medienordner von OpenClaw zu finden, oder überprüfen Sie %APPDATA%\openclaw\media\ unter Windows. Speichern Sie das Foto zur dauerhaften Aufbewahrung in birdfolio/birds/{slug}-{timestamp}.jpg:

exec: copy "<Anhang-Pfad>" "birdfolio/birds/<slug>-<timestamp>.jpg"

Schritt 1 — Mit Vision identifizieren

Das eingereichte Foto ist direkt in Ihrem Kontext sichtbar. Analysieren Sie es (oder verwenden Sie das image-Werkzeug, falls es nicht inline ist):

Identifizieren Sie die Vogelart auf diesem Foto. Geben Sie nur JSON zurück:
{
  "commonName": "...",
  "scientificName": "...",
  "confidence": "high|medium|low",
  "features": ["sichtbares Merkmal 1", "sichtbares Merkmal 2"]
}

Seltenheitsregeln:

  • Vogel IST auf der Checkliste → dessen Stufe verwenden: common, rare oder superRare
  • Vogel ist NICHT auf der Checkliste → bonus verwenden (zeigt ein neutrales „Bonusfund"-Abzeichen, keine Seltenheit zugewiesen)

Vertrauensregeln:

  • "high" → automatisch fortfahren, keine Bestätigung erforderlich
  • "medium" → fragen: „Ich denke, das könnte ein [Art] sein – basierend auf [Merkmale]. Sieht das für Sie richtig aus?" → auf Bestätigung warten, bevor fortgefahren wird
  • "low" → antworten: „Dieses Foto ist nicht klar genug, um sicher zu sein. Könnten Sie ein schärferes Foto senden?" → stoppen, nichts protokollieren

Schritt 2 — Seltenheitsabfrage

You.com durchsuchen:

"{commonName} {homeRegion} eBird Häufigkeit wie häufig selten"

Anhand dieser Signale klassifizieren:

StufeSkriptwertSignale
Häufig 🟢common„häufig", „weit verbreitet", „ganzjährig ansässig", >50 % der Checklisten
Selten 🟡rare„ungewöhnlich", „saisonal", „Zugvogel", „gelegentlich", 5–50 % der Checklisten
Super Selten 🔴superRare„selten", „Irrgast", „versehentlich", „gefährdet", <5 % der Checklisten

Bei Unsicherheit → standardmäßig rare verwenden. Verwenden Sie bei der Übergabe von --rarity an ein Skript immer den Skriptwert (z.B. superRare, nicht Super Rare).

Schritt 3 — Ein interessantes Fakt holen

You.com durchsuchen:

"{commonName} Vogel interessante Fakten Lebensraum Verhalten"

Ein prägnantes Fakt extrahieren (1–2 Sätze).

Schritt 4 — Die Sichtung protokollieren

Die Sichtung in birdfolio/lifeList.json in Ihrem Arbeitsbereich speichern:

exec: python {baseDir}/scripts/log_sighting.py \
  --species "{commonName}" \
  --scientific-name "{scientificName}" \
  --rarity "{rarity}" \
  --region "{homeRegion}" \
  --notes "" \
  --workspace <absoluter Pfad zu birdfolio/ in Ihrem Arbeitsbereich>

Aus der Ausgabe erfassen: isLifer, totalSightings, totalSpecies.

Schritt 5 — Checkliste aktualisieren

Die Art in birdfolio/checklist.json als gefunden markieren:

exec: python {baseDir}/scripts/update_checklist.py \
  --species "{commonName}" \
  --region "{homeRegion}" \
  --workspace <absoluter Pfad zu birdfolio/ in Ihrem Arbeitsbereich>

Schritt 6 — Sammelkarte generieren

Die Karte hat ein zweispaltiges Design: Das Foto des Benutzers füllt das linke Panel (280px), ein dunkles Informationspanel befindet sich rechts. Verwenden Sie immer das tatsächliche eingereichte Foto des Benutzers – kein Archivbild.

Schritt 6a — Vogelposition mit Vision erkennen: Das image-Werkzeug auf dem eingereichten Foto verwenden:

„Wo befindet sich der Vogel horizontal auf diesem Foto? Geben Sie mir ungefähr den Prozentsatz vom linken Rand, bei dem sich das Vogelzentrum befindet (0–100)."

Die Antwort in einen CSS-Wert umwandeln: "40% center", "60% center", "center center" usw. Diesen als --object-position verwenden.

Schritt 6b — Das Karten-HTML mit dem eingebetteten Foto generieren:

exec: python {baseDir}/scripts/generate_card.py \
  --species "{commonName}" \
  --scientific-name "{scientificName}" \
  --rarity "{rarity}" \
  --region "{homeRegion}" \
  --date "{YYYY-MM-DD}" \
  --fun-fact "{funFact}" \
  --image-path "<absoluter Pfad zum eingereichten Foto>" \
  --object-position "{objectPosition}" \
  --life-count {totalSpecies} \
  --workspace <absoluter Pfad zu birdfolio/ in Ihrem Arbeitsbereich>

--image-path bettet das tatsächliche Foto des Benutzers als Base64 direkt in das HTML ein. Kein separater Einbettungsschritt erforderlich.

Fallback, wenn der Fotopfad nicht verfügbar ist: --image-path auslassen und stattdessen --image-url "<Archivbild-URL>" übergeben (über You.com finden: "{commonName} Vogelbild Wildtiere").

cardPath aus der Ausgabe erfassen.

Schritt 6c — Screenshot erstellen, speichern, hochladen und senden: Das Screenshot-Skript ausführen, um die Karte in 600×400 darzustellen und ein PNG zu speichern:

exec: node {baseDir}/scripts/screenshot_card.js "<cardPath>"

pngPath aus der Ausgabe erfassen.

In Cloudflare R2 hochladen und eine öffentliche URL erhalten:

exec: python {baseDir}/scripts/upload_card.py "<pngPath>"

url aus der Ausgabe erfassen.

Die Karten-URL der Sichtung in der API aktualisieren (die id aus der Ausgabe von log_sighting verwenden):

PATCH /users/{telegram_id}/sightings/{sighting_id}/card
Body: {"card_png_url": "<url>"}

Das PNG über Telegram senden:

message(action="send", media="<pngPath>")

Schritt 7 — Antworten

  • Wenn isLifer wahr ist: „🎉 Neuer Lifer! Das ist Ihr erster [commonName] überhaupt! Vogel #[totalSpecies] in Ihrem Birdfolio."

    Wenn totalSpecies == 1 (dies ist der allererste Vogel des Benutzers): zusätzlich den persönlichen PWA-Link senden: „🦅 Ihr Birdfolio ist live! Setzen Sie ein Lesezeichen auf diesen Link, um Ihre Lebensliste zu sehen: https://birdfolio.tonbistudio.com/app/[telegram_id]"

    Die telegram_id ist die Telegram-ID des Absenders aus den Metadaten der eingehenden Nachricht (sender_id). Diese wird nach der Initialisierung auch in birdfolio/config.json gespeichert.

  • Andernfalls: „[commonName] gesichtet! Sie haben jetzt [N] Arten in Ihrem Birdfolio gesehen."

Einschließen: Seltenheitsabzeichen-Emoji, das interessante Fakt, Checklisten-Status (wenn die Art auf der Checkliste war, erwähnen).

Fallback, wenn der Screenshot fehlschlägt: Eine formatierte Textkarte senden:

🦅 [RARITY_EMOJI] [Common Name]
Wissenschaftlich: [Scientific Name]
Region: [Region] | Gesichtet: [Date]
Seltenheit: [Rarity]
💡 [Fun Fact]
Vogel #[N] in Ihrem Birdfolio

3. Checkliste & Statistiken

Auslöser: „Wie ist meine Checkliste?", „Birdfolio-Fortschritt", „Wie viele Vögel habe ich gefunden?"

exec: python {baseDir}/scripts/get_stats.py \
  --workspace <absoluter Pfad zu birdfolio/ in Ihrem Arbeitsbereich>

Antwort mit checklistProgress aus der Ausgabe formatieren:

📋 {region} Checkliste

Häufig     ✅✅✅⬜⬜⬜⬜⬜⬜⬜  3/10
Selten     ✅⬜⬜⬜⬜              1/5
Super Selten ⬜                      0/1

🐦 {totalSpecies} Arten | {totalSightings} Sichtungen gesamt
📍 Zuletzt gesichtet: {mostRecentSighting.commonName} am {date}
🏆 Seltenster Fund: {rarestBird.commonName} ({rarity})

✅ für gefunden, ⬜ für nicht gefunden verwenden. Ein Kästchen pro Art.

Optionale visuelle Checklistenkarte: Eine visuelle HTML-Checklistenkarte generieren und einen Screenshot erstellen:

exec: python {baseDir}/scripts/generate_checklist_card.py \
  --workspace <absoluter Pfad zu birdfolio/ in Ihrem Arbeitsbereich>

Dann mit screenshot_card.js einen Screenshot erstellen und das PNG senden.


4. Lebenslistenansicht

Auslöser: „Zeig mir mein Birdfolio", „Zeig mir meine Lebensliste"

birdfolio/lifeList.json aus Ihrem Arbeitsbereich lesen.

Lifer nach Seltenheit gruppieren (zuerst Super Selten, dann Selten, dann Häufig). Als Textliste formatieren oder eine HTML-Galerie generieren, in Ihrem Arbeitsbereich unter birdfolio/my-birdfolio.html speichern und einen Screenshot erstellen.


5. Artnachschlage (keine Protokollierung)

Auslöser: „Erzähl mir von [Art]"

You.com durchsuchen:

"{species} Vogel Fakten Lebensraum Verbreitung Verhalten Ernährung"
"{species} Vogel {homeRegion} eBird Häufigkeit ansässig oder Zugvogel"

Eine konversationelle Zusammenfassung zurückgeben. Keine Sichtung protokollieren oder eine Karte generieren.


6. Seltenster Vogel

Auslöser: „Was ist mein seltenster Vogel?", „Zeig meinen besten Fund"

exec: python {baseDir}/scripts/get_stats.py \
  --workspace <absoluter Pfad zu birdfolio/ in Ihrem Arbeitsbereich>

rarestBird aus der Ausgabe lesen und mit Artname, Seltenheit, Sichtungsdatum und Region antworten.


Kurzreferenz

SkriptWichtige ArgumenteRückgabe
init_birdfolio.py--telegram-id, --region, --api-url, --workspace{status, workspace, files_created, next}
log_sighting.py--species, --scientific-name, --rarity, --region, --date, --workspace{status, sighting, isLifer, totalSightings, totalSpecies}
update_checklist.py--species, --region, --workspace{status, tier, dateFound} oder {status: not_on_checklist}
get_stats.py--workspace{totalSightings, totalSpecies, checklistProgress, mostRecentSighting, rarestBird}
generate_card.py--species, --scientific-name, --rarity, --region, --date, --fun-fact, --image-path (bevorzugt) ODER --image-url, --object-position, --life-count, --workspace{status, cardPath, filename}
generate_checklist_card.py--workspace{status, cardPath} – visuelle HTML-Checklistenkarte
screenshot_card.js<cardPath> [outputPath]{status, pngPath} – speichert PNG in birdfolio/cards/
upload_card.py<pngPath> [--secrets path]{status, url} – lädt nach R2 hoch, gibt öffentliche URL zurück

Alle Python-Skripte geben JSON an stdout aus. Immer den absoluten --workspace-Pfad übergeben. screenshot_card.js verwendet das gebündelte playwright-core von OpenClaw + systemeigenes Chrome/Edge (keine separate Installation erforderlich).

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

modbender/skill-library-mcp

Paid acquisition strategy, budget allocation, and avoiding common advertising mistakes across platforms

modbender/skill-library-mcp

Complete investment portfolio risk management system. Analyze positions, calculate risk metrics, stress test scenarios, optimize allocations, and generate institutional-grade risk reports — all wit...

modbender/skill-library-mcp

Borrow from Aave via credit delegation. Agent self-funds by borrowing against delegator collateral. Supports borrow, repay, health checks. Works on Aave V2/V3.

modbender/skill-library-mcp

Discover and register autonomous AI agents. Use when: browsing the agent registry, submitting an agent for verification, or embedding agent badges. NOT for: general web search or agent capability analysis.

modbender/skill-library-mcp

Create AI avatar and talking head videos with OmniHuman, Fabric, PixVerse via inference.sh CLI. Models: OmniHuman 1.5, OmniHuman 1.0, Fabric 1.0, PixVerse Lipsync. Capabilities: audio-driven avatars, lipsync videos, talking head generation, virtual presenters. Use for: AI presenters, explainer videos, virtual influencers, dubbing, marketing videos. Triggers: ai avatar, talking head, lipsync, avatar video, virtual presenter, ai spokesperson, audio driven video, heygen alternative, synthesia alternative, talking avatar, lip sync, video avatar, ai presenter, digital human

modbender/skill-library-mcp

AI代码编辑器规则模板集合 - 为Cursor、Windsurf、Claude Code、Cline等AI编辑器提供项目规则配置。适用于需要配置AI编码助手规则的开发者,包含全栈Web、移动端、Vue3+SpringBoot等技术栈模板。

modbender/skill-library-mcp

Generate landing page code from product descriptions

modbender/skill-library-mcp

Create AI marketing videos for ads, promos, product launches, and brand content. Models: Veo, Seedance, Wan, FLUX for visuals, Kokoro for voiceover. Types: product demos, testimonials, explainers, social ads, brand videos. Use for: Facebook ads, YouTube ads, product launches, brand awareness. Triggers: marketing video, ad video, promo video, commercial, brand video, product video, explainer video, ad creative, video ad, facebook ad video, youtube ad, instagram ad, tiktok ad, promotional video, launch video

modbender/skill-library-mcp

Generate AI music videos end-to-end. Creates music with Suno (sunoapi.org), generates visuals with OpenAI/Seedream/Google/Seedance, and assembles into music video with ffmpeg. Supports timestamped lyrics (auto SRT), Suno native music video generation, slideshow/video/hybrid modes. Token-based cost tracking per generation.

modbender/skill-library-mcp

Generate AI-powered notes from videos (document, outline, or graphic-text formats)

modbender/skill-library-mcp

The video AI notes tool is provided by Baidu. Based on the video download address provided by the user, it downloads and parses the video, and finally generates AI notes corresponding to the video (a total of three types of notes can be generated: document notes, outline notes, and image-text notes).

modbender/skill-library-mcp

Automated appointment management for beauty salons, clinics, studios, and photo booths. Handles booking requests, calendar sync, conflict detection, reminders, no-show tracking, and waitlist management.

modbender/skill-library-mcp

Multi-project task and research management (JSON-first CLI)

modbender/skill-library-mcp

Track stock and crypto portfolios with CLI - real-time prices, P&L, dividend tracking, multiple portfolios

modbender/skill-library-mcp

Track cryptocurrency portfolios with real-time prices, P&L calculations, and allocation analysis. Query Bitcoin, Ethereum, Solana and 10,000+ token holdings.

modbender/skill-library-mcp

加密貨幣Portfolio追蹤 - 支援TRON/ETH/BSC,分析持倉、收益、Gas費用

modbender/skill-library-mcp

Lead strategy with competitive analysis, strategic planning, growth roadmaps, and business portfolio management.

modbender/skill-library-mcp

Create ATS-optimized resumes and CVs with proper structure, metrics, and industry targeting.

modbender/skill-library-mcp

Use this skill when the user asks to build, create, design, develop, or improve ANY frontend interface, web page, UI component, or visual element. This includes: - Building landing pages, websites, web apps, dashboards, portfolios, or any web interface - Creating UI components (buttons, forms, cards, navbars, modals, etc.) - Designing pages with React, Vue, Next.js, Svelte, or any frontend framework - Adding styling or improving visual design of existing components - Implementing specific design aesthetics (modern, dark, minimalist, brutalist, etc.) - User mentions "frontend", "UI", "UX", "design", "interface", "web design", or "styling" - User asks for "beautiful", "modern", "professional", "clean", or any aesthetic adjective - User requests help with CSS, Tailwind, styled-components, or any styling approach This skill automatically retrieves the appropriate design system prompt (Neo-brutalism, Modern Dark, Bauhaus, Cyberpunk, Material, etc.) to help create visually distinctive, production-grade frontend...

modbender/skill-library-mcp

Native video analysis using Google Gemini API. Upload and analyze video files — describe scenes, extract text/UI, answer questions about content, transcribe speech, identify objects and actions. Use when: (1) User sends a video file and wants it analyzed, (2) Video summarization or description needed, (3) Extracting text, UI elements, or information from screen recordings, (4) Answering questions about video content, (5) Comparing multiple videos, (6) Analyzing tutorials, demos, or walkthroughs.

Verwandte Skills