一種強大的提取技能，可將雜亂的對話歷史或原始文本轉換為結構化的問答對與文件化的使用者偏好。
安裝與下載
1. ClawHub CLI
從來源直接安裝技能的最快方式。
npx clawhub@latest install text2qa
2. 手動安裝
將技能資料夾複製到以下位置之一
~/.openclaw/skills/ <project>/skills/ 優先級：工作區 > 本地 > 內建
3. 提示詞安裝
將此提示詞複製到 OpenClaw 即可自動安裝。
請幫我使用 Clawhub 安裝 text2qa。如果尚未安裝 Clawhub，請先安裝（npm i -g clawhub）。
想要直接下載？
取得包含原生技能檔案的ZIP壓縮檔。
什麼是 text2qa？
text2qa 技能是一款專門設計的實用工具，旨在彌合非結構化對話與有序知識之間的鴻溝。透過分析任何文本來源（包括活躍的聊天對話、上傳的文件或轉錄稿），它能識別出定義上下文的核心問答。此技能是更廣泛的 Openclaw Skills 函式庫的一部分，使開發人員與研究人員能夠立即將冗長的對話轉化為結構化的知識庫。
除了簡單的問答之外，text2qa 還擅長識別選擇偏好與技術約束。它能區分直接陳述與推斷選擇，允許使用者無需手動記錄即可擷取有關格式、角色或工具使用的特定需求。
text2qa 應用場景
- 將腦力激盪會議轉換為清晰的 FAQ 或文件集。
- 從長篇文章或教科書中生成學習卡片或測驗。
- 在使用 Openclaw Skills 進行複雜的開發任務時擷取技術約束與使用者偏好。
- 將支援聊天歷史摘要為可重複使用的知識庫文章。
- 記錄在多輪 AI 編碼對話中做出的決策。
text2qa 運作原理
- AI 掃描整個輸入來源，從對話中的第一則訊息或文件的開頭開始。
- 它識別明確的問題，並從文本的資訊部分綜合出隱含的問答。
- 該技能擷取特定的偏好（格式、內容、工具、語氣）並將其分類為直接或推斷。
- 它過濾掉對話中的填充詞與元談話，以確保最終輸出有極高的訊噪比。
- 資料被格式化為兩個不同的部分：問答列表與詳細的選擇偏好表格。
text2qa 設定指南
要在你的 agent 環境中啟用 text2qa 功能，請確保該技能已在你的本機 Openclaw Skills 目錄中註冊。你可以使用自然語言提示（如 "extract Q&A"）或透過 CLI 命令來呼叫它。
# Example: Running the skill against a local markdown file
openclaw-agent run text2qa --input documentation.md --output-format markdown
text2qa 資料結構與分類體系
該技能將擷取的資料組織成標準化的 Markdown 結構，以便於移植。資料結構概述如下：
| 資料組件 | 格式 | 描述 |
|---|---|---|
| 問答對 | Markdown List | 清理並重新表述後的問答交流。 |
| 選擇偏好 | Markdown Table | 包括偏好、具體約束以及來源（直接/推斷）。 |
| 主題集群 | Sub-headings | 針對長對話訊息的相關問題邏輯分組。 |
| 中繼資料摘要 | Text | 所有已找到的對數與偏好的匯總計數。 |
text2qa 進階特性
- 隱含問題檢測：即使在沒有提出問題的情況下，也能識別事實資訊並將其組織成問答格式。
- 偏好分類：將約束分類為格式、內容、工具、角色與領域類型。
- 多輪合成：將分散在多則訊息中的資訊聚合成一個全面的答案。
- 匯出自動化：提供一鍵匯出到獨立的 .md 檔案，以便包含在 Openclaw Skills 儲存庫中。
- 智慧過濾：自動從最終的知識輸出中排除閒聊與管理性訊息。
SKILL.md
加載中
Openclaw 相關技能
2D to 3D Image Converter OpenAPI Skill
一款高性能 AI 工具，旨在透過 WeShop OpenAPI 將平面 2D 圖形轉換為逼真的 3D 渲染版本。
精選*
