Was macht skill-strava-coach?
OpenClaw Skill: Strava Coach – Tägliche Trainingsanalyse und Coaching
OpenClaw Skill: Strava Coach – Tägliche Trainingsanalyse und Coaching
Diese Fähigkeit für OpenClaw fungiert als persönlicher Strava-Trainingscoach. Sie analysiert täglich Ihre Trainingsdaten von Strava und liefert Ihnen wertvolle Einblicke und Coaching-Ratschläge. Die Fähigkeit ist besonders nützlich für Läufer und Radfahrer, die ihre Leistung verfolgen und optimieren möchten. Sie unterstützt die nahtlose Integration mit Ihrem Strava-Konto und nutzt die API, um Aktivitätsmetriken wie Distanz, Zeit, Höhenmeter und Herzfrequenz abzurufen. Basierend auf diesen Daten werden personalisierte Zusammenfassungen erstellt und Trainingsempfehlungen gegeben, die auf Ihre individuellen Ziele und aktuellen Fortschritte zugeschnitten sind. Die Fähigkeit ist als Teil des OpenClaw-Ökosystems konzipiert und erweitert die Fähigkeiten von KI-Agenten um eine datengesteuerte Trainingsanalyse.
npx skills add vmontesinos/skill-strava-coachInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
OpenClaw Skill: Strava Coach – Tägliche Trainingsanalyse und Coaching
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.