根据对话历史和Twitter/X数据生成Bloom身份卡。通过对话分析支持者个性（占85%权重），可选地结合Twitter活动进行增强（占15%权重）。识别个性类型（愿景型探索型培育型优化型创新型），推荐匹配的OpenClaw技能，并生成代理钱包。当用户提出“生成我的Bloom身份”“创建身份卡”“分析我的档案”或“发现我的个性”时使用。

OpenClaw代理的完整Signal Messenger集成，通过signal-cli发送和接收文本与语音消息，支持基于角色的权限控制（所有者/可信/不可信）、自动语音转文字（Whisper）、语音回复（TTS）、会话历史、新联系人分类、输入状态指示、已读回执，以及通过OpenClaw钩子API实现的消息唤醒功能。适用于配置Signal通信、管理Signal联系人、收发Signal消息或设置联系人权限的场景。

Cerebrun 的 MCP 客户端——完整的个人上下文与记忆管理系统。获取用户上下文层（语言、项目、身份、保险库），执行语义搜索，管理知识库，并与 LLM 网关交互。适用场景：(1) 获取用户偏好或上下文，(2) 搜索用户知识库，(3) 管理项目与目标，(4) 存储或查询个人信息，(5) 通过 LLM 网关访问对话历史

将ChatGPT对话历史导入OpenClaw的内存搜索功能，适用于从ChatGPT迁移时让OpenClaw访问过往对话，或构建可搜索的聊天历史档案

当用户要求“压缩上下文”、“总结对话历史”、“实现紧凑化”、“减少token使用”或提及上下文压缩、结构化摘要、按任务优化token使用、长时间运行的智能体会话时，请使用此技能

当用户要求压缩上下文、总结对话历史、实现内容精简、减少令牌使用，或提及上下文压缩、结构化摘要、每任务令牌优化、以及超出上下文限制的长时间运行代理会话时，应使用此技能

分析iMessage（macOS）和Signal的聊天记录，揭示关系动态——包括消息数量、发起模式、沉默间隔、语气样本及近期交流内容。适用于要求分析消息、查阅聊天历史、检查对话模式或基于文本历史评估关系的场景。支持macOS（iMessage和Signal），以及Linux和Windows（仅Signal）。

当用户请求“压缩上下文”、“总结对话历史”、“实现压缩”、“减少令牌使用”或提及上下文压缩、结构化摘要、按任务优化令牌使用、或会话时长超出上下文限制时，应使用此技能