unlazy 是做什么的？
面向AI代理的反惰性技能。核心：深度树方法（Depth Tree），将任务分解为N层深度，并授予每个叶子节点整个任务的完整时间预算，从而使努力随深度倍增。基于2025-2026年关于模型惰性、思考不足和过早完成的研究。
面向AI代理的反惰性技能。核心：深度树方法（Depth Tree），将任务分解为N层深度，并授予每个叶子节点整个任务的完整时间预算，从而使努力随深度倍增。基于2025-2026年关于模型惰性、思考不足和过早完成的研究。
Leonxlnx/unlazy 是一个专门针对AI代理（如Claude Code、Cursor、Codex等）的反惰性技能。其核心是“深度树方法”（Depth Tree method）：通过将任务递归分解为N层深度，并给予每个叶子节点整个任务的完整时间预算，从而迫使代理在每一层都投入最大努力，实现深度上的工作量倍增。该技能基于2025-2026年关于大型语言模型惰性（laziness）、思考不足（underthinking）和过早完成（premature completion）的最新研究，旨在解决AI代理在复杂任务中倾向于偷懒、走捷径的问题。它通过结构化任务分解和资源分配策略，鼓励代理进行更深入、更彻底的问题解决，从而提升输出质量和可靠性。适用于需要高精度和高完成度的开发与工程场景。
npx skills add Leonxlnx/unlazy面向AI代理的反惰性技能。核心：深度树方法（Depth Tree），将任务分解为N层深度，并授予每个叶子节点整个任务的完整时间预算，从而使努力随深度倍增。基于2025-2026年关于模型惰性、思考不足和过早完成的研究。
Extract frames or short clips from videos using ffmpeg.
Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.
Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.
Obra superpowers agent skills.
See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...
End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.