Memasang Pakej Skill Teras

Ejen-ejen anda sudah aktif. Mari berikan mereka tugasan sebenar yang pertama. BALIA OS dilengkapi dengan tiga skill terbina dalam yang sedia untuk digunakan.

Skill	Tujuan
lightpanda	Carian web pantas dan scraping
summarize	Ringkasan automatik teks panjang atau halaman web
clawsec	Pemantauan keselamatan dan kuarantin skill baharu

Jika anda telah memuat turun pemasang di Bahagian 4, anda boleh menggunakannya terus. (Jika belum, kembali ke Bahagian 4 dan muat turun install_core_pack.py dahulu.)

Minta ejen anda menjalankannya

> ID ejen anda adalah nilai `AGENT_ID` dalam fail `.env` anda.
openclaw agent --agent [id-ejen-anda] "Sila jalankan yang berikut:
python install_core_pack.py --lang ms
(The token will be read automatically from your .env file)
Laporkan kepada Discord apabila selesai."

Ejen anda akan melakukan secara automatik:

1. Mengesahkan token anda
2. Memuat turun pakej skill teras (lightpanda / summarize / clawsec)
3. Menggunakan ke ~/.opengoat/skills/
4. Mengemas kini _SKILL_INDEX.md
5. Melaporkan "Pakej skill teras dipasang" kepada Discord

Setelah menerima pengesahan Discord, teruskan ke bawah.

---

Apa Itu Kemahiran dan Cassette

Ejen anda sudah aktif. Mereka mempunyai identiti, prosedur pelaporan, dan saluran Discord. Tetapi buat masa ini, mereka belum tahu domain kerja mereka. Mereka tidak tahu sama ada mereka menguruskan sebuah restoran, menjalankan operasi dagangan, atau menyokong sebuah firma guaman.

Kemahiran adalah fail pengetahuan yang anda tulis dan berikan kepada ejen anda. Setiap kemahiran mengajar ejen cara melakukan tugasan tertentu — cara mengurus tempahan, cara menjana laporan P&L, cara menggubal kiriman SNS. Semakin banyak kemahiran yang anda berikan kepada ejen, semakin banyak yang boleh mereka lakukan.

Cassette ialah folder kemahiran yang dibundel bersama mengikut tema. Ia mewakili satu mod operasi. Seorang pengusaha restoran mungkin mempunyai cassette restaurant-ops. Seorang pencipta kandungan mungkin mempunyai cassette youtube dan cassette social-media. Ejen yang sama boleh bertukar antara cassette bergantung kepada apa yang perlu mereka kerjakan pada hari itu.

Sistem cassette adalah berasaskan mod. Satu fail — ACTIVE_MODE.txt — memberitahu setiap ejen cassette mana yang sedang aktif. Apabila anda menukar mod, anda mengemas kini fail tersebut. Ejen membacanya pada permulaan sesi dan memuatkan kemahiran yang betul secara automatik.

Ini bermaksud:

• Hari ini: ACTIVE_MODE.txt tertulis youtube → ejen memuatkan kemahiran YouTube
• Esok: anda tukarkan kepada trade → ejen memuatkan kemahiran dagangan
• Ejen tidak berubah. Mod yang berubah.

Dan apabila anda kembali semula ke youtube minggu hadapan, ejen anda akan menyambung tepat di tempat mereka berhenti — LIVE_LEDGER mengingati kemajuan tersebut, dan KNOWLEDGE membawa serta pengajaran yang telah dipelajari. Setiap mod menyimpan memorinya sendiri secara bebas.

---

Struktur Folder Cassette

INFO

~/.openclaw/workspace-[agentid]/ └── cassettes/ ├── ACTIVE_MODE.txt ← Satu perkataan: nama mod yang aktif ├── archive/ ← Limpahan LIVE_LEDGER dan KNOWLEDGE ├── youtube/ │ ├── SKILL_YOUTUBE.md ← Kemahiran untuk mod ini │ ├── WORKFLOW_YOUTUBE.md ← Prosedur langkah demi langkah │ ├── LIVE_LEDGER_YOUTUBE.md ← Kemajuan, tindakan seterusnya (dikemas kini setiap sesi) │ └── KNOWLEDGE_YOUTUBE.md ← Pembelajaran terkumpul (dikemas kini setiap sesi) ├── restaurant-ops/ │ ├── SKILL_RESTAURANT.md │ ├── WORKFLOW_RESTAURANT.md │ ├── LIVE_LEDGER_RESTAURANT.md │ └── KNOWLEDGE_RESTAURANT.md └── trade/ ├── SKILL_TRADE.md ├── WORKFLOW_TRADE.md ├── LIVE_LEDGER_TRADE.md └── KNOWLEDGE_TRADE.md

ACTIVE_MODE.txt mengandungi satu perkataan sahaja — nama folder cassette yang aktif. Contohnya:

youtube

Pada permulaan sesi, setiap ejen membaca ACTIVE_MODE.txt, kemudian memuatkan keempat-empat fail daripada folder tersebut: SKILL, WORKFLOW, LIVE_LEDGER, dan KNOWLEDGE. LIVE_LEDGER memberitahu mereka di mana mereka berhenti pada sesi lepas. KNOWLEDGE membekalkan segala sesuatu yang telah dipelajari setakat ini dalam domain ini.

Pada akhir sesi, ejen mengemas kini LIVE_LEDGER (kemajuan, tugasan seterusnya) dan KNOWLEDGE (corak baharu yang dipelajari). Apabila mana-mana fail melebihi 800 baris, bahagian RECENT akan dipindahkan ke archive/ — bahagian SUMMARY dan PINNED sentiasa kekal di bahagian atas.

Tugasan berjadual (seperti pemeriksaan kesihatan harian atau laporan malam) dijalankan tanpa mengira mod — ia ditakrifkan dalam AGENTS.md ejen, bukan dalam mana-mana cassette.

---

Memilih Enjin AI Anda

Cassette yang berbeza berfungsi paling baik dengan model AI yang berbeza. Tetapkan ini sekali sahaja semasa anda membina cassette.

Jenis Cassette	Enjin yang Disyorkan	Sebab
Dagangan kripto / Analisis pasaran	Claude	Penaakulan logik, analisis corak, pertimbangan mendalam
Pengekodan / Automasi teknikal	Claude	Kualiti kod, penyahpepijatan, logik berbilang langkah
Penyelidikan undang-undang / Semakan kontrak	Claude	Penaakulan teliti, bahasa bernuansa
Kewangan / Perakaunan / Pelaporan	Claude	Analisis berstruktur, pengiraan tepat
Google Sheets / Docs / NotebookLM / Drive	Gemini	Integrasi perkhidmatan Google asli
YouTube / Kandungan video	Gemini	Menganalisis video secara langsung; berintegrasi dengan YouTube Studio
Automasi Gmail / Calendar	Gemini	Integrasi mendalam dengan Google Workspace
Jualan / Jangkauan / Penulisan salinan	GPT-4o	Perbualan semula jadi, penjanaan e-mel
Komunikasi pelbagai bahasa	GPT-4o atau Gemini	Prestasi pelbagai bahasa yang kukuh
E-dagang / Penyelidikan produk	Claude atau GPT-4o	Kedalaman penyelidikan, output berstruktur

Jika Claude sesuai untuk kes penggunaan anda, anda sudah bersedia — ia telah dikonfigurasi dalam Seksyen 3.

Untuk Gemini atau GPT-4o, anda perlu menambah kunci API ke dalam fail .env anda. Arahan terdapat dalam Langkah 7 pada AI concierge di bawah.

---

Idea Kemahiran Mengikut Industri

Tidak pasti kemahiran apa yang hendak dibina? Berikut adalah titik permulaan mengikut kes penggunaan.

Restoran / Makanan & Minuman

• Pengurusan tempahan dan penjadualan harian
• Penjejakan pesanan pembekal dan amaran inventori
• Penerbitan SNS pelanggan (juadah istimewa harian, acara)
• Pemantauan ulasan dan penggubalan respons
• Ringkasan hasil mingguan

E-Dagang / Produk Fizikal

• Penjanaan penyenaraian produk
• Pemantauan harga pesaing
• Ringkasan status pesanan
• Penggubalan respons pertanyaan pelanggan
• Pelaporan jualan bulanan

Pencipta Kandungan / YouTuber

• Penjanaan idea tajuk dan lakaran kecil
• Penggubalan rangka skrip
• Pengurusan jadual muat naik
• Ringkasan metrik prestasi
• Penggubalan respons komen komuniti

Pekerja Bebas / Perunding

• Penggubalan komunikasi klien
• Pelaporan status projek
• Penjejakan invois dan susulan
• Semakan klausa kontrak (tandakan terma yang luar biasa)
• Ringkasan log masa

Perniagaan Kecil / Umum

• Ringkasan operasi harian
• Penggubalan komunikasi kakitangan
• Tapisan soalan undang-undang (tandakan item yang memerlukan peguam)
• Ringkasan kewangan daripada resit dan rekod
• Pengurusan komunikasi vendor

Industri anda tidak tersenarai di sini? Tidak mengapa — AI concierge dalam seksyen ini akan membantu anda menentukan kemahiran anda sendiri dari awal berdasarkan apa yang anda mahu pasukan anda benar-benar lakukan.

---

Cara Seksyen Ini Berfungsi

Gunakan prompt AI concierge di bawah untuk:

1. Menentukan apa yang perlu dilakukan oleh ejen anda setiap hari
2. Memutuskan nama cassette dan mod untuk bermula
3. Memilih enjin AI yang tepat
4. Menjana fail SKILL dan WORKFLOW anda
5. Menyediakan bendera ACTIVE_MODE.txt
6. Menguji bahawa ejen anda memuatkan mod yang betul

Tampal prompt ke dalam Claude, ChatGPT, atau Gemini. Lampirkan Dokumen Reka Bentuk Pasukan anda dari Seksyen 2.

---

Langkah 1 — Salin Prompt Ini dan Tampalkan ke dalam AI Anda

Lampirkan Dokumen Reka Bentuk Pasukan anda sebelum menghantar.

You are helping me build Skills and a Cassette for BALIA OS —
a multi-agent AI operating system.

I have attached my Team Design Document. Read it before we begin
so you know my agent names, roles, and workspace structure.

CONCEPT TO UNDERSTAND BEFORE WE START:

Skills are knowledge files I write and give to my agents.
Each skill teaches an agent how to do a specific task.

A Cassette is a folder of skills, bundled around a theme (a mode).
My agents can switch between cassettes depending on what they 
need to work on.

The cassette system is mode-based. One file — ACTIVE_MODE.txt —
tells every agent which cassette is currently active.

Folder structure:
~/.openclaw/workspace-[agentid]/
  cassettes/
    ACTIVE_MODE.txt              ← active mode name (one word)
    archive/                     ← overflow for LIVE_LEDGER and KNOWLEDGE
    [mode-name]/
      SKILL_[MODENAME].md        ← skills for this mode
      WORKFLOW_[MODENAME].md     ← procedures for this mode
      LIVE_LEDGER_[MODENAME].md  ← progress, next actions (updated every session)
      KNOWLEDGE_[MODENAME].md    ← accumulated learning (updated every session)

At session start, each agent:
1. Reads ACTIVE_MODE.txt
2. Loads SKILL, WORKFLOW, LIVE_LEDGER, and KNOWLEDGE from that folder
3. Resumes from where LIVE_LEDGER says they left off
4. Applies accumulated learning from KNOWLEDGE
5. Operates in that mode for the session

At session end, the agent:
1. Updates LIVE_LEDGER (progress, next task)
2. Updates KNOWLEDGE (new patterns learned)
3. If either file exceeds 800 lines: moves RECENT section to archive/
   SUMMARY and PINNED always stay at the top

Scheduled tasks run regardless of mode — they are in AGENTS.md.

Guide me step by step. Ask one question at a time.
Wait for my answer before moving on.

STEP 1 — What I want my team to do
Ask me: "Describe what you want your AI team doing for you every day.
Don't think about how — just describe the output you want
and the work you want done."

Help me turn my answer into a list of at least 5 specific,
recurring tasks. Ask follow-up questions until we have
concrete tasks with a clear schedule (daily, weekly, on-demand).

STEP 2 — Map tasks to agents
Read my Team Design Document.
Match each task to the most appropriate agent based on their role.
Show me the mapping: "Task → Agent"
Ask: "Does this feel right? Anything you'd move?"

STEP 3 — Name the cassette (mode)
Based on the tasks, suggest a cassette name — the mode name
(short, lowercase, hyphens: e.g. restaurant-ops, youtube, trade).
This becomes the folder name and the value in ACTIVE_MODE.txt.
Ask me to confirm or suggest a different name.

STEP 4 — Choose the AI engine
For each agent with tasks mapped, recommend the best engine:

- Claude: logic, analysis, coding, legal, finance, crypto
- Gemini: Google services (Sheets, Docs, Drive, Gmail, Calendar,
  YouTube Studio, NotebookLM) — anything in the Google ecosystem
- GPT-4o: sales emails, outreach, copywriting, natural conversation

Explain your reasoning in one sentence per agent.
If all tasks work well with Claude, confirm no extra API keys needed.
If Gemini or GPT-4o needed, note it — we handle the key in Step 7.

Ask me to confirm before moving on.

STEP 5 — Generate SKILL_[MODENAME].md
Generate the skill file using this structure:

---
# SKILL_[MODENAME].md
Mode: [mode-name]
Version: 1.0
Last Updated: [today's date]
Primary Agent: [agent name]
AI Engine: [engine]

## What This Mode Does
[2-3 sentences: what domain this covers, what it produces]

## Skills in This Mode
[Bullet list of specific skills — what the agent knows how to do]

## Tools Available
[List tools usable in this mode: web search, file read/write,
Discord reporting, API calls, Google services, etc.]

## Operating Rules
1. Read ACTIVE_MODE.txt at session start. If it says [mode-name],
   load this file, WORKFLOW_[MODENAME].md, LIVE_LEDGER_[MODENAME].md,
   and KNOWLEDGE_[MODENAME].md immediately.
2. Resume work from where LIVE_LEDGER says you left off.
3. Apply patterns and lessons from KNOWLEDGE before starting tasks.
4. [Key rule specific to this domain]
5. [Key rule specific to this domain]
6. Report all completed tasks to Discord before ending session.
7. Never act outside this mode's scope without Commander approval.
8. Save all outputs to cassettes/[mode-name]/outputs/

## Session End Rules
At the end of every session, update both memory files:

LIVE_LEDGER_[MODENAME].md:
- SUMMARY: refresh the 3-5 line overview at the top
- CURRENT: update with today's progress and the next task
- RECENT LOG: append this session's activity
- If over 800 lines: move RECENT LOG to archive/

KNOWLEDGE_[MODENAME].md:
- SUMMARY: refresh the overview at the top
- PATTERNS: add any new success or failure patterns discovered today
- RECENT: append today's learnings
- If over 800 lines: move RECENT to archive/

## What This Mode Does NOT Handle
[Specific boundaries — what's out of scope for this mode]

## Output Format
[What the agent produces: reports, files, Discord messages, etc.]
---

Show it completely. Ask if anything needs adjustment.

STEP 6 — Generate WORKFLOW_[MODENAME].md
Generate the workflow file using this structure:

---
# WORKFLOW_[MODENAME].md
Mode: [mode-name]
Version: 1.0
Last Updated: [today's date]

## Mode Activation (Every Session Start)
1. Read cassettes/ACTIVE_MODE.txt — confirm it says [mode-name]
2. Load SKILL_[MODENAME].md
3. Read LIVE_LEDGER_[MODENAME].md — resume from last session
4. Read KNOWLEDGE_[MODENAME].md — apply accumulated learning
5. Report to Discord: "📦 Mode: [mode-name] active. Resuming: [current task from LIVE_LEDGER]."

## Task Procedures