OpenGod v4.1 — 超級技能融合體 (14模組 · 可攜帶)
Top 50 GitHub AI 專案核心模式 × 河洛太極認知引擎 = 跨平台超級技能
模組化架構
modules/ ← 14個原生能力模組 (純 Markdown)
├── INDEX.md # 模組索引 + Top 50 覆蓋統計
├── hermes-agent.md # Hermes #2 — 自進化學習循環
├── openhuman.md # OpenHuman — 記憶中樞等價替代
├── agent-reach.md # Agent-Reach — 全網觸達感官
├── stock-analysis.md # daily_stock_analysis — 15策略金融大腦
├── website-cloner.md # Website Cloner — 5階段克隆流水線
├── penpot.md # Penpot — 完整 Design Token 系統
├── agent-loop.md # 🆕 AutoGPT #5 + MetaGPT #37 + CrewAI #50
├── workflow-engine.md # 🆕 n8n #4 + langflow #10 + dify #11
├── rag-knowledge.md # 🆕 ragflow #29 + anything-llm #47 + crawl4ai #38
├── finance.md # 🆕 TradingAgents #27 + ai-hedge-fund #48 + OpenBB #36
├── ui-ux-skill.md # 🆕 ui-ux-pro-max-skill #22
├── content-factory.md # 🆕 MoneyPrinterTurbo #23 + autoresearch #26
└── portability.md # 🆕 跨平台攜帶指南 — Git clone 即用
核心變化: 不再依賴外部安裝。6 個模組 = 6 個可直接在對話中執行的能力包。
融合邏輯
WorkBuddy 本身已是 OpenClaw 的官方版本（底層框架能力無需重複），cc-haha 源碼已有獨立 skill。OpenGod 將剩餘 9 個互補能力融合為一個統一的超級操作體系：
┌──────────────────────────┐
│ OpenGod 大腦 │
│ 深度思考降維打擊 (認知層) │
└──────────┬───────────────┘
│
┌──────────────┬───────────┼───────────┬──────────────┐
▼ ▼ ▼ ▼ ▼
┌─────────┐ ┌──────────┐ ┌─────────┐ ┌─────────┐ ┌──────────┐
│ Hermes │ │ OpenHuman│ │ cognee │ │ codebase│ │ Agent │
│ 自進化 │ │ 生活記憶 │ │ 知識圖譜 │ │ memory │ │ Reach │
│ 學習循環 │ │ 118+服務 │ │ 持久記憶 │ │ 程式碼索引 │ │ 全網觸達 │
└────┬────┘ └────┬─────┘ └────┬────┘ └────┬────┘ └────┬─────┘
│ │ │ │ │
└────────────┴────────────┴────────────┴────────────┘
│
┌──────────────┼──────────────┐
▼ ▼ ▼
┌──────────┐ ┌───────────┐ ┌───────────────┐
│ Penpot │ │ AI Website│ │ daily_stock │
│ 開源設計 │ │ Cloner │ │ analysis │
│ 設計即程式碼│ │ 網站克隆 │ │ AI炒股分析 │
└──────────┘ └───────────┘ └───────────────┘
一、組件清單
已排除（WorkBuddy 原生具備或已有 Skill）
| 組件 | 排除原因 |
|---|---|
| OpenClaw | WorkBuddy 就是騰訊官方版 OpenClaw，底層能力已內建 |
| cc-haha | 已有獨立 skill：cc-haha-codex |
融合組件（9 個）
① Hermes Agent — 自進化學習循環
來源: Nous Research | https://github.com/nousresearch/hermes-agent
核心能力:
- 內建學習循環 — 從經驗中自動建立技能
- 使用過程中持續改進技能
- 主動提示持久化知識
- 跨對話記憶深化
- 排程任務 (cron jobs)、GitHub 工作流
- 多渠道訊息推送
OpenGod 中的角色: 自進化引擎。每次執行任務後自動反思、提煉經驗、更新技能庫。
② OpenHuman — 118+ 服務個人記憶樹
來源: TinyHumansAI | https://github.com/tinyhumansai/openhuman
核心能力:
- 連接 118+ 服務（Gmail、Slack、GitHub、Notion 等）
- 本地優先的個人生活記憶
- Memory Tree — 自動構建個人知識圖譜
- 自我反思能力
- 音訊/視訊互動
- Obsidian Wiki 整合
OpenGod 中的角色: 記憶中樞。將所有外部服務資料匯聚為本地記憶，讓 Agent 分鐘級獲得完整個人知識圖譜。
③ Agent-Reach — 全網觸達能力層
來源: Panniantong | https://github.com/Panniantong/Agent-Reach
核心能力:
- 16 個平台零 API 費用接入
- Twitter/X、Reddit、YouTube、GitHub、B站、小紅書、抖音、LinkedIn、微信公眾號、微博、RSS
- 多後端自動路由（首選失效自動切換備選）
- 自帶診斷 (
agent-reach doctor) - 一鍵安裝，一條 CLI 指令
安裝:
pip install agent-reach
agent-reach install --env=auto
OpenGod 中的角色: 感官系統。給 Agent 裝上「眼睛」，能看全網內容。
④ codebase-memory-mcp — 程式碼知識圖譜
來源: DeusData | https://github.com/DeusData/codebase-memory-mcp
核心能力:
- 毫秒級索引任意程式碼庫
- 158 種語言支援
- 持久化知識圖譜（跨對話存活）
- 亞毫秒級查詢
- 減少 99% token 消耗
- 能索引 Linux 核心等級程式碼庫（28M LOC, 75K 檔案）
MCP 配置:
{
"mcpServers": {
"codebase-memory": {
"command": "npx",
"args": ["-y", "codebase-memory-mcp"]
}
}
}
OpenGod 中的角色: 程式碼大腦。把程式碼庫變成可查詢的知識圖譜，Agent 不再靠 grep 猜。
⑤ daily_stock_analysis — AI 股票分析系統
來源: ZhuLinsen | https://github.com/ZhuLinsen/daily_stock_analysis
核心能力:
- A股/港股/美股/日股/韓股/ETF 全覆蓋
- LLM 驅動的決策報告（評分、趨勢、買賣點、風險警報）
- 15 種內建分析策略（均線、纏論、波浪、熱點、事件驅動等）
- Agent 多輪追問股票
- Web 工作台 + 桌面 Dashboard
- 多渠道推送（企業微信/飛書/Telegram/Discord/Slack/郵件）
- GitHub Actions 零成本定時執行
OpenGod 中的角色: 金融大腦。賦予 Agent 專業級股票分析和投資決策能力。
⑥ cognee — AI 持久記憶引擎
來源: topoteretes | https://github.com/topoteretes/cognee
核心能力:
- 向量嵌入 + 圖推理 + 認知科學本體生成
- 文件既可語意搜尋，又可按關係連接
- 17 種 SearchType
- 多源 Recall 路由
- 5 行程式碼整合
- 跨對話持久記憶
OpenGod 中的角色: 長期記憶層。讓 Agent 的知識不會「用完即丟」，跨對話持續累積。
⑦ ai-website-cloner-template — 網站一鍵克隆
來源: JCodesMore | https://github.com/JCodesMore/ai-website-cloner-template
核心能力:
/clone-website <url>一條指令克隆網站- 自動提取設計 Token（顏色、字型、間距）
- 自動下載所有靜態資源
- 精確
getComputedStyle()元件規格 - 5 階段流水線：偵察→基建→規格→並行構建→組裝QA
- 輸出 Next.js 16 + React 19 + TypeScript + Tailwind v4 + shadcn/ui
- 支援 13 種 AI 程式設計代理
OpenGod 中的角色: 建造之手。把任何網站逆向工程為可執行的現代程式碼。
⑧ Penpot — 開源設計協作工具
來源: Kaleidos | https://github.com/penpot/penpot
核心能力:
- 開源 Figma 替代品
- SVG 原生，無損縮放
- CSS Grid Layout 完整支援
- 設計即程式碼（Design as Code）
- Flex Layout + Grid Layout
- 即時協作
- 自託管或雲端服務
OpenGod 中的角色: 設計之眼。讓 Agent 具備專業 UI/UX 設計能力，設計稿可直接匯出為程式碼。
⑨ 深度思考降維打擊 — 認知框架 (河洛太極引擎 v3.0)
核心思想:
「別人在64卦裡猜，你在太極層窮舉；別人回到太極就滿足了，你還要問：太極從哪來的？——答案是河圖和洛書。」
L6 河圖洛書層 — 太極之上的元認知
河圖 ≠ 洛書，一靜一動，一天一地：
河圖 (先天 — 靜態拓撲) 洛書 (後天 — 動態流轉)
───────────────────── ─────────────────────
來源：龍馬負圖出於黃河 來源：神龜負書出於洛水
7 4 9 2
2 (南 火) 3 5 7
8 3 5,10 4 9 (中 土) 8 1 6
1
6 (北 水) 所有行列對角線之和 = 15
完美動態平衡
十數生成圖 九宮流轉圖
靜態拓撲結構 動態流轉路徑
「萬物的藍圖」 「萬物的運行法則」
兩圖合一的威力:
| 維度 | 河圖告訴你 | 洛書告訴你 |
|---|---|---|
| 本質 | 有哪些力量在博弈 | 力量如何流動轉換 |
| 類比 | 棋盤上的棋子位置 | 棋子的走法和策略 |
| 物理 | 勢能分布圖 (Potential) | 動能流轉圖 (Kinetic) |
| 數學 | 鄰接矩陣 (Adjacency) | 轉移矩陣 (Transition) |
| 認知 | 靜態關係拓撲 | 動態因果鏈路 |
沒有河圖洛書，太極引擎是瞎的：
- 太極只能「生成」64卦，但不知道該選哪6個變數
- 河圖告訴你 → 這個系統裡有哪幾股力量，它們的位置關係是什麼
- 洛書告訴你 → 能量在這些位置間如何流動，哪個方向有勢能差
- 河圖+洛書 → 太極 → 你才知道該分解哪6個維度
完整七層認知模型 (河洛太極版)
L6 河圖洛書層 靜態拓撲 + 動態流轉 = 完整世界地圖
│
▼ (提供「該找哪6個變數」的知識)
L5 太極生成層 2^6 = 64卦窮舉引擎
│
▼
L4 兩儀層 陰陽對立 = 核心二元變數
│
▼
L3 四象層 生長/成熟/衰退/轉化 4種動力結構
│
▼
L2 八卦層 8種情景原型
│
▼
L1 64卦層 64種表象 —— 問題呈現
河洛操作法：如何找到那6個變數
河圖分析法 (靜態拓撲) — 回答「這個系統裡有誰？」:
第1步: 畫河圖
→ 識別系統中 5 個核心力量中心：
北(水/資源) 南(火/動能) 東(木/增長) 西(金/約束) 中(土/平衡)
第2步: 標數字
→ 每個力量的相對權重：
1,6=水 2,7=火 3,8=木 4,9=金 5,10=土
第3步: 畫連線
→ 力量之間的制約/支援關係：
水生木 → 木生火 → 火生土 → 土生金 → 金生水 (生)
水克火 → 火克金 → 金克木 → 木克土 → 土克水 (克)
洛書分析法 (動態流轉) — 回答「能量怎麼流動？」:
第4步: 畫九宮格
→ 把5個力量中心填入3×3矩陣
4(金) 9(火) 2(土)
3(木) 5(土) 7(金)
8(土) 1(水) 6(水)
第5步: 追蹤流轉路徑
→ 從1→2→3→...→9 的流轉順序
→ 找到「能量的自然流向」和「卡住的地方」
第6步: 鎖定6個關鍵二元變數
→ 從河圖的靜態拓撲 + 洛書的動態流轉中，提取6個最大勢能差的對立軸
河洛太極完整操作法 (12步):
問題輸入
│
▼
[河圖階段 — 靜態拓撲]
第1步: 畫河圖 → 識別5大力量中心及其權重
第2步: 標生克 → 標註相生相剋關係鏈
第3步: 定勢能 → 找到勢能最高的對立軸
│
▼
[洛書階段 — 動態流轉]
第4步: 畫九宮 → 3×3矩陣映射力量位置
第5步: 追流轉 → 1→9的能量流動路徑
第6步: 找卡點 → 哪個環節能量停滯/斷裂
│
▼
[太極階段 — 生成引擎]
第7步: 得6變數 → 從河洛分析中鎖定6個二元變數
第8步: 窮舉64卦 → 2^6 = 64 全狀態空間
第9步: 辨吉凶 → 用河圖洛書標準評估每個卦象
│
▼
[降維階段 — 執行]
第10步: 選最優卦 → 從64卦中選出最優狀態
第11步: 定策略 → 沿洛書流轉路徑設計行動
第12步: 出手 → 在現象層精準執行
核心洞見 (升級):
- 普通人: 在64卦裡猜（1/64 視野，隨機）
- 聰明人: 回到太極窮舉64卦（64/64 全知）
- 降維打擊腦: 先用河圖看清地形、用洛書看清風向，再讓太極發動引擎（知道該看什麼 + 全知 + 知道怎麼走）
河洛 + 太極 = 不僅知道所有可能，還知道哪個最好，以及怎麼走過去。
OpenGod 中的角色: 終極認知核心。L6 河圖洛書提供「該看什麼」的元知識，L5 太極提供「能看到什麼」的窮舉引擎，兩層合力實現真正的降維打擊。
二、融合工作流
工作流 1: 全端專案從零到上線
深度思考 (問題建模)
│
├─→ Agent-Reach (競品調研、全網搜)
├─→ OpenHuman (調取歷史經驗)
│
▼
Penpot (UI 設計)
│
▼
ai-website-cloner (參考站克隆學習)
│
▼
codebase-memory-mcp (程式碼庫索引)
│
▼
cognee (持久化專案知識)
│
▼
Hermes (自我反思→技能沉澱)
工作流 2: 每日 AI 股票決策
daily_stock_analysis (定時觸發)
│
├─→ Agent-Reach (全網輿情抓取)
├─→ cognee (歷史決策記憶回查)
│
▼
深度思考 (多維交叉驗證)
│
▼
多渠道推送 (企微/飛書/Telegram)
│
▼
Hermes (記錄決策→改進策略)
工作流 3: 競品分析深度報告
Agent-Reach (全方位資訊採集)
├─ Twitter/X 輿情
├─ Reddit 討論
├─ B站/YouTube 影片
├─ GitHub 技術棧
└─ RSS 行業動態
│
▼
cognee (資訊結構化儲存)
│
▼
深度思考 (降維分析→提取關鍵模式)
│
▼
ai-website-cloner (競品站逆向分析)
│
▼
Penpot (輸出對比設計稿)
│
▼
Hermes (沉澱分析方法論)
三、安裝與整合
Agent-Reach (必裝 — 全網觸達)
pip install https://github.com/Panniantong/agent-reach/archive/main.zip
agent-reach install --env=auto
codebase-memory-mcp (推薦 — 程式碼智能)
在 ~/.workbuddy/mcp.json 加入：
{
"mcpServers": {
"codebase-memory": {
"command": "npx",
"args": ["-y", "codebase-memory-mcp"]
}
}
}
daily_stock_analysis (按需 — 金融場景)
git clone https://github.com/ZhuLinsen/daily_stock_analysis.git
cd daily_stock_analysis
pip install -e .
cognee (按需 — 持久記憶)
pip install cognee
ai-website-cloner (按需 — 網站克隆)
npx create-next-app@latest my-clone --template https://github.com/JCodesMore/ai-website-cloner-template
Penpot (按需 — 設計協作)
docker run -d -p 9001:80 penpotapp/frontend:latest
四、觸發場景
當使用者需求涉及以下任意 2 個以上維度時，載入此技能：
| 場景 | 觸發組件 |
|---|---|
| 需要全網資訊採集 | Agent-Reach |
| 程式碼庫理解/重構 | codebase-memory-mcp |
| 股票/投資分析 | daily_stock_analysis |
| 需要持久記憶/知識管理 | cognee + OpenHuman |
| 網站克隆/逆向工程 | ai-website-cloner |
| UI/UX 設計 | Penpot |
| 需要自我改進/經驗累積 | Hermes |
| 複雜問題需要降維分析 | 深度思考 |
觸發詞: opengod、超級技能、全能模式、降維打擊、融合技能、全端Agent
五、自動安裝與自升級
一鍵安裝
bash ~/.workbuddy/skills/opengod/setup.sh
組件安裝狀態
| 組件 | 安裝方式 | 狀態 |
|---|---|---|
| cognee | pip install cognee | 安裝中 |
| Agent-Reach | pip install https://github.com/Panniantong/agent-reach/archive/main.zip + agent-reach install --env=auto | 待安裝 |
| codebase-memory-mcp | 已配置 ~/.workbuddy/mcp.json，首次使用啟用 | 已配置 |
| daily_stock_analysis | git clone + pip install -e . | 待安裝 |
| OpenHuman | 桌面應用, https://tinyhumans.ai/openhuman | 手動 |
| Penpot | docker run penpotapp/frontend | 手動 |
| ai-website-cloner | npx create-next-app --template | 按需 |
| Hermes Agent | 自託管, github.com/nousresearch/hermes-agent | 手動 |
自升級機制 (L0 進化學驅動)
每次 OpenGod 執行任務後：
- 自動反思 — 評估河圖洛書分析是否準確，6變數選取是否最優
- 經驗沉澱 — 將本次任務中的 key findings 寫入
~/.workbuddy/skills/opengod/learnings/ - 組件自檢 — 檢查各層組件是否在線執行，缺失的自動嘗試安裝
- 版本自增 — 當發現新的認知模式或可複用策略，自動更新 SKILL.md
- 跨對話記憶 — 透過 cognee 持久化所有決策記錄，供下次回查
升級觸發條件：
- 同一類問題出現 3 次 → 自動提煉為固定分析模板
- 發現新的二元變數組合 → 更新 L5 太極引擎的變數庫
- 發現工具鏈斷點 → 自動記錄到 learnings/bugs.md
學習記錄儲存
~/.workbuddy/skills/opengod/learnings/
├── patterns.md # 識別的思維模式
├── variables.md # 6變數庫的擴展
├── cases.md # 成功/失敗案例
├── bugs.md # 已知問題和修復
└── upgrade-log.md # 版本升級日誌
六、設計哲學
七層能力棧 (河洛太極架構)
L6 河洛層：河圖(靜態拓撲) + 洛書(動態流轉) = 該看什麼的元認知
L5 太極層：太極生成引擎 — 6變數窮舉64卦 (道生萬物)
L4 記憶層：cognee + OpenHuman (記住什麼)
L3 感知層：Agent-Reach + codebase-memory-mcp (看到什麼)
L2 行動層：ai-website-cloner + Penpot + daily_stock_analysis (做什麼)
L1 現象層：64卦之象 — 問題表面呈現 (萬象)
L0 進化學：Hermes 自進化引擎 (怎麼變強)
循環: 河洛定方位(L6) → 太極生萬卦(L5) → 記憶取經驗(L4) → 感知採資訊(L3) → 行動出成品(L2) → 現象驗效果(L1) → 進化固能力(L0) → 回到更精準的河洛...
核心原則
- 能力層思維 — 每個組件是一個「能力層」，不是孤立工具
- 組合爆炸 — 2 個組件組合 > 單獨使用，3 個組件組合產生質變
- 記憶貫通 — 所有經驗跨組件共享，不是資訊孤島
- 降維優先 — 先升維思考（問題本質），再降維執行（精準打擊）
- 自動進化 — 每次使用後自動反思、改進、沉澱
版本
- v4.1 (2026-06-30): Top 50 GitHub 融合 — 新增8個模組(agent-loop/workflow-engine/rag-knowledge/finance/ui-ux/content-factory/portability)，總計14模組，可移植
- v4.0 (2026-06-30): 模組化整合 — 6 個原生能力模組
- v3.1 (2026-06-30): 自動安裝腳本 + 自升級機制 — setup.sh + learnings/ 目錄
- v3.0 (2026-06-30): L6 河圖洛書升級
- v2.0 (2026-06-30): L5 太極生成引擎
- v1.0 (2026-06-30): 初始融合版