Xpersona
agentCLAWHUBUnverified

知识付费讲师数字人 Course Avatar

Knowledge-course / online-teaching avatar lecturer — 16 landscape base-portrait recipes plus the slide-first pipeline that keeps a 20-minute lesson under 3000 credits. Use when the user wants a digital human to teach a paid course, a training module or a knowledge-sharing video on platforms like Xiaoetong, Tencent Classroom, Bilibili, YouTube or an internal LMS. Skill: 知识付费讲师数字人 Course Avatar Owner: dlazyai Summary: Knowledge-course / online-teaching avatar lecturer — 16 landscape base-portrait recipes plus the slide-first pipeline that keeps a 20-minute lesson under 3000 credits. Use when the user wants a digital human to teach a paid course, a training module or a knowledge-sharing video on platforms like Xiaoetong, Tencent Classroom, Bilibili, YouTube or an internal LMS.

OpenClaw
View on ClawHubHomepage

Rank

62

Safety

84

Downloads

1.1k

Updated

Oct 11, 2026

Version

1.0.18

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1.1K downloads reported by the source. Last updated 10/11/2026.

Avoid when

  • Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor
Clawhubvendor · observed Oct 11, 2026
Protocol compatibility
OpenClawcompatibility · observed Oct 11, 2026
Adoption signal
1.1K downloadsadoption · observed Oct 11, 2026
Latest release
1.0.18release · observed Oct 10, 2026
Handshake status
UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s170j1ymymrxasgd00dsk7tckx84cf45:dlazy-course-avatar
  1. Setup complexity is classified as HIGH. You must provision dedicated cloud infrastructure or an isolated VM. Do not run this directly on your local workstation.
  2. Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-dlazyai-dlazy-course-avatar/snapshot"

Documentation

CLAWHUB

144,100 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: dlazy-course-avatar
version: 1.0.0
description: Knowledge-course / online-teaching avatar lecturer — 16 landscape base-portrait recipes plus the slide-first pipeline that keeps a 20-minute lesson under 3000 credits. Use when the user wants a digital human to teach a paid course, a training module or a knowledge-sharing video on platforms like Xiaoetong, Tencent Classroom, Bilibili, YouTube or an internal LMS.
metadata: {"clawdbot":{"emoji":"🎓","requires":{"bins":["npm","npx"],"env.optional":["DLAZY_API_KEY"]},"install":"npm install -g @dlazy/[email protected]","installAlternative":"npx @dlazy/[email protected]","homepage":"https://dlazy.com","configLocation":"~/.dlazy/config.json","apiEndpoints":["api.dlazy.com","files.dlazy.com"]},"openclaw":{"systemPrompt":"When invoking this skill, read the 露脸预算 section of SKILL.md before quoting any cost, and read recipes.md before writing any base-portrait prompt. Run `dlazy <model> -h` to confirm current flags before building a command."}}
---

# 知识付费讲师数字人

课程视频跟带货视频最大的不同：**观众来看的不是你的脸，是你屏幕上的东西。**

这句话不是审美判断，是成本判断。`jimeng-omnihuman-1.5` 按音频秒数计费，1080p 是 **23 积分/秒**。一节 20 分钟的课全程用数字人驱动：

```
1200 秒 × 23 = 27600 积分（驱动）
```

而同样一节课，讲师只在开场、章节转场、结尾露脸（约 110 秒），其余画面是课件 + 配音：

```
110 秒 × 23 = 2530 积分（驱动）  ——  省掉 90.8%
```

算上配音，两条路线的**全成本**是 2640 对 27840，详见下面的"露脸预算"。

**省下的 25000 积分不是靠妥协换来的，成片反而更像一门正经的课。** 全程一张脸对着你讲 20 分钟，是知识付费里完播率最差的形态之一。

所以这个技能的核心不是"怎么把数字人做得更真"，而是**怎么把数字人用在该用的 110 秒上**，剩下的交给课件。底图配方解决前者，露脸预算解决后者。

## 何时使用

- 做小鹅通 / 腾讯课堂 / 知识星球 / B 站 / YouTube 的付费课或公开课
- 企业内训、SOP 培训、新员工入职课程
- 一门课几十节，需要**同一个讲师形象跨集稳定复用**
- 已有 PPT / 讲义 / 文档，想变成有讲师出镜的课程视频
- 真人讲师没时间录制，或需要多语言版本

不适用于：单条知识口播短视频（用 `dlazy-short-video`，竖屏逻辑不同）、纯课件无讲师的文档转视频（直接 `dlazy chat --skill file-to-video`）、数学公式推导动画（那是 `math-explainer-video` 模板的活）。

## 与带货版的根本差异

如果你用过 `dlazy-ecommerce-avatar`，这五处是**不能照搬**的：

| | 带货 | 课程 |
|---|---|---|
| 画幅 | 竖屏 9:16 | **横屏 16:9** |
| 构图 | 人物居中 | **人物偏侧，留出内容区** |
| 露脸 | 全程 | **只在开场/转场/结尾** |
| 单集时长 | 30~60 秒 | **8~40 分钟**（要切几十段） |
| 合规红线 | 广告法第九条（绝对化、疗效） | **广告法第二十四条**（升学承诺、通过率、资质） |

尺寸参数尤其容易串。带货是 `--size 2160x3840`，课程是 `--size 3840x2160`——写反了不报错，出一张竖图，然后你会在装配那一步才发现。

## 五条硬约束

**1. 横屏直接上 4K，不额外花钱。**

`gpt-image-2` 的计费**只看 `--quality` 和有没有参考图，完全不看 `--size`**（源码核对：`config/models/gpt-image-2.ts` 的 `costs`）。所以：

```
--size 2048x1152 --quality high   →  37 积分
--size 3840x2160 --quality high   →  37 积分   ← 同价，直接用这个
```

横屏的 16:9 有两档（`2048x1152` / `3840x2160`），**竖屏只有 4K 一档**（`2160x3840`）。既然同价，中等档只在你需要小文件时才有意义。

注意 `1536x1024` 是 **3:2 不是 16:9**，拿去做课程封面会被平台裁掉两边。

**2. 底图要给内容留位置。**

课程画面的左侧（或右侧）三分之二要放 PPT、板书、代码、图表。讲师站在剩下的三分之一里。

这意味着底图**不能居中构图**——居中的人像叠上课件，要么挡内容，要么只能缩成一个小圆窗浪费掉整张 4K。配方 11 是为此专门写的，课程主力就用它。

反过来，开场白和结尾这两段没有课件，用配方 12 的全画幅中近景，视觉上形成"打招呼 → 讲内容 → 总结"的节奏。

**3. 一门课的底图必须一次定死。**

带货可以每条视频换个人设，课程不行。第 3 节的讲师换了件衣服，观众立刻出戏。

**开课前把底图存成文件，之后几十节全部引用同一个文件。** 不要指望同一段 prompt 能复现同一张脸——两次采样出的不是一个人。详见"保持同一张脸"。

**4. 时长是硬上限，一节课要切几十段。**

`jimeng-omnihuman-1.5` 的音频上限：**1080p ≤ 30 秒，720p ≤ 60 秒**。

按每秒 4.5 字算（实测 `qwen-tts` 为 4.54~4.71 字/秒），30 秒

_meta.json

{
  "ownerId": "kn7c5wgeajfcfvdfb5ceemvdb984cjpd",
  "slug": "dlazy-course-avatar",
  "version": "1.0.18",
  "publishedAt": 1791594160332
}

pipeline.md

# 完整流水线 · 从讲义到成片

以"一节 20 分钟横屏课程"为例，逐步给出可执行命令。

## 先定成片形态

动手前先定这个，它决定了成本量级，改起来要重做。

**A. 串行（推荐）** —— 讲师段与课件段前后接续，同一时刻只有一种画面：

```
[讲师 开场 30s] → [课件 正文] → [讲师 转场 10s] → [课件 正文] → … → [讲师 结尾 20s]
```

讲师只需驱动 110 秒 ≈ **2640 积分**。这是知识付费最主流的形态，也是本技能的默认路线。

**B. 全程画中画** —— 课件铺满，讲师小窗常驻右下角：

讲师要驱动满 1200 秒 ≈ **27840 积分**。**10 倍成本**，换来的只是一个六分之一大小的常驻人头。除非甲方明确要求，否则不值。

**C. 局部画中画（折中）** —— 串行为主，只在 2~3 个关键讲解点让小窗出现 30 秒：

比 A 多花约 2000 积分，换来"讲师一直在场"的感觉。做企业内训、需要强讲师存在感时用这条。

下面按 **A** 展开，⑥ 里给出画中画的合成命令（C 用得上）。

## 成本结构

| 步骤 | 命令 | 积分 |
|---|---|---|
| ① 底图 | `gpt-image-2 --quality high` | 37（一门课一次） |
| ① 派生机位 | `gpt-image-2 --images` | 60 × 2（一门课一次） |
| ② 讲稿 | `claude-sonnet-5` | 个位数 |
| ③ 配音 | `qwen-tts` **固定 6 积分/次** | 约 108 |
| ④ **驱动** | `jimeng-omnihuman-1.5` 1080p × 110 秒 | **2530** |
| ⑤ 课件 | `gpt-image-2` 静态板 × N | 37 × N |
| ⑥ 装配 | 沙箱模板 / 自己 ffmpeg | — |
| 单节合计 | | **约 2650** |

底图那 157 积分（37 + 60×2）是**整门课一次性**的，摊到 30 节上每节 5 积分。

**驱动占 95%。** 所以省钱只有一个方向：**砍露脸时长**，不是砍画质。

## ① 底图

从 `recipes.md` 选一条，先出正文主力机位（配方 11），再派生另外两个机位：

```bash
# 主力机位：右三分之一构图，左侧留给课件
dlazy gpt-image-2 --input @payload/base.json --batch 4 --save ./lecturer/11-third.png

# 从它派生开场/结尾用的全画幅（保住同一张脸）
dlazy gpt-image-2 --images ./lecturer/11-third.png --input @payload/derive-full.json \
  --save ./lecturer/12-full.png
```

`--batch 4` 并行出 4 张选一张（积分 ×4 = 148）。**人脸一次难中，这个钱值得花一次**——选定后这张脸要用几十节课。

出图后按 `recipes.md` 末尾的检查清单逐项过再往下走。带着一张不合格的底图，后面每一节课的驱动积分都是白花的。

## ② 讲稿

**关键：露脸段和正文段用两种切法。** 这是课程版最容易做错的一步。

| | 切法 | 为什么 |
|---|---|---|
| 露脸段 | **110~130 字一段** | 受 omnihuman 的 30 秒硬上限约束 |
| 正文段 | **写满 500 字符** | 不驱动，无时长约束；TTS 固定 6 积分/次，写满省钱 |

中文口播约 **每秒 4.5 字**（实测 `qwen-tts` 为 4.54~4.71 字/秒），130 字 ≈ 29 秒，卡在 30 秒上限内安全。

```bash
dlazy claude-sonnet-5 --prompt "为这门课的第 3 节写讲稿。
主题：<本节主题>
时长：20 分钟，共 6 个章节
输出三类文本，用 === 分隔：
1. 开场白：110 字以内，抛出本节要解决的问题，不要自我介绍和寒暄
2. 章节转场 × 6：每条 45 字以内，承上启下，点出下一章要讲什么
3. 正文讲解 × 6：每章一段，每段严格控制在 480 字以内（含标点），
   语言口语化可直接朗读，有具体例子和数字，避免书面语和排比句
4. 结尾总结：90 字以内，收束要点并给出下一节的钩子
合规要求：不得出现升学率、通过率、保过、包会等承诺性表述，
不得虚构任何机构背书、职称或从业资质
输出纯文本，不要任何解释"
```

最后那条合规要求是硬线，别删——原因见 `troubleshooting.md` 的"教培合规红线"。

## ③ 配音

`qwen-tts` 的 prompt **上限 512 字符，超出整次请求 400，积分不退**。

`qwen-tts` 的输出是 **WAV 不是 MP3**（响应 URL 后缀为 `.wav`，文件头为 `RIFF/WAVE`）。`--save` 只决定本地文件名，不做转码——存成 `.mp3` 会得到一个扩展名骗人的 WAV 文件，第 ⑥ 步 ffmpeg 装配时按扩展名推断格式就会出错。**存成 `.wav`。**


```bash
# 露脸段（短，受驱动时长约束）
dlazy qwen-tts --input @payload/tts-open.json  --save ./audio/open.wav
dlazy qwen-tts --input @payload/tts-trans1.json --save ./audio/trans1.wav

# 正文段（写满 500 字符，一次调用顶四次）
dlazy qwen-tts --input @payload/tts-body1.json --save ./audio/body1.wav
```

`payload/tts-open.json` 形如：

```json
{ "prompt": "<文本>", "voice": "Cherry" }
```

音色选择：

- `--voice Cherry`（默认，年轻女声）
- `--voice Serena` / `Vivian`（成熟女声，适合人文、管理类）
- `--voice Ethan` / `Ryan`（男声，适合技术、商业类）
- 全部系统音色见 `dlazy qwen-tts -h`

要更贴合人设的声音，用设计模式自然语言描述：

```bash
dlazy qwen-tts --generation_mode design \
  --voice_prompt "40岁男性，语速平稳偏慢，讲课语气，重点处有自然停顿，不夸张" \
  --prompt "<文本>" --save ./audio/open.wav
```

**整门

recipes.md

# 底图配方库 · 知识付费讲师数字人

16 条配方。A~C 组是讲师人像，D 组是课件视觉素材。每条都是可直接粘贴执行的完整命令。

## 使用前必读

**实测状态。** 本库的**参数**全部经源码核对（`config/models/gpt-image-2.ts` 与 `jimeng-omnihuman-1-5.ts` 的 zod schema 与 costs 函数），尺寸枚举、字数上限、计费系数可以放心用。

**已实跑并逐张核对的三条**（2026-08-28，各跑一次一次命中，未重试）：

| 配方 | 核对结论 |
|---|---|
| 01 · 纯色抠像位 | 背景纯色无渐变、发丝边缘锐利可抠，人物居中。裁切位比 prompt 写的"胸口"略低，不影响画中画使用 |
| 11 · 右三分之一构图 | 人物中轴命中约 75%，左侧三分之二完全空旷、明度均匀，可直接叠课件。**"百分之七十五"这个写法确实有效** |
| 14 · 章节封面板 | 无任何假文字混入（这条是本库最容易翻车的），三色配色与留白区都符合 |

驱动链路也已端到端跑通：配方 11 底图 → `qwen-tts` → `jimeng-omnihuman-1.5 --resolution 720p` → 出片。

**其余 13 条仍未实跑。** 第一次用时加 `--batch 4` 并逐张检查，特别是"注意"里标出的高风险项。发现偏差请回写到对应配方下面，这个库要靠使用积累。

**配方结构。** 每条 prompt 按同一骨架写，改的时候按段改，不要整段重写：

```
身份气质 → 妆造服装(材质) → 姿态手部 → 表情眼神 → 景别构图(焦段/机位/留白区)
→ 背景景深 → 光线方案(主光/补光/光比) → 色彩基调 → 画质质感 → 驱动约束
```

比带货版多出的是**留白区**——课程画面要给课件让位置，这一段决定了这张底图能不能直接用。

最后那段**驱动约束**是 A~C 组共有的，删了就容易驱动失败：

> 单人出镜，正面朝向镜头，五官完整清晰，嘴部与下巴无任何遮挡，双肩完整入镜，光线均匀柔和无硬阴影。

D 组不是人像，没有这一段。

**尺寸速记。** 课程横屏一律 `--size 3840x2160`。计费不看尺寸（只看 `--quality` 和有无参考图），所以 4K 与 `2048x1152` 同价 37 积分，直接用 4K。**别写成 `2160x3840`**，那是竖屏。

**省积分替代。** 主命令用 `gpt-image-2 --quality high`（37 积分），中文语境理解最准。预算敏感时换 `seedream-5.0`（4K 仅 **8 积分**）：

```bash
dlazy seedream-5.0 --prompt "<同一条配方 prompt>" --size 16:9 --resolution 4k --save ./lecturer/base.png
```

本库配方长度控制在 **500 字符以内**，卡在 `seedream-5.0` 的上限之内，可以原样粘过去。

**同一人设的三个机位必须派生，不能各自生成。** 配方 11 / 12 / 13 是一门课的三个机位。先用 11 出底图存档，12 和 13 用 `--images` 从它派生（见每条的"派生命令"），否则你会得到三个长得不一样的老师。派生时积分从 37 涨到 **60**。

---

## A 组 · 讲台场景

按课程调性选一条。

### 01 · 纯色抠像位 ⭐ 画中画首选

**适用**：要把讲师做成画中画小窗叠在课件上。纯色背景便于后期抠像或直接圆形遮罩。

```bash
dlazy gpt-image-2 \
  --prompt "一位 34 岁左右的亚洲女性课程讲师，气质专业亲和可信，妆容干净自然的职业淡妆，豆沙色哑光唇色，肤质自然真实保留皮肤纹理，不做过度磨皮。发型为黑色及肩直发梳理整齐，发丝边缘清晰锐利与背景分离明确。上身穿雾霾蓝色圆领针织衫，面料织纹细腻，剪裁合身简洁，无任何图案文字logo。姿态为站立正面朝向镜头，双肩放松水平，双手自然垂放在身体两侧完全不入镜。表情为温和的浅笑，嘴角自然，眼神平视镜头专注有交流感。景别为中近景半身像，85mm 中长焦，机位与视线齐平，人物居中，画面下缘裁切在胸口位置。背景为完全均匀的浅灰蓝色纯色无缝背景，无任何渐变纹理道具文字，人物与背景明度差明显便于边缘分离。光线方案为正面双侧对称柔光箱主光加顶部发丝光，光比 1.2:1，面部受光极其均匀无阴影，背景独立布光亮度均匀一致。整体色彩基调为干净的低饱和冷灰调。画质为专业摄影棚商业人像，细节锐利，发丝边缘干净。单人出镜，正面朝向镜头，五官完整清晰，嘴部与下巴无任何遮挡，双肩完整入镜，光线均匀柔和无硬阴影。" \
  --size 3840x2160 --quality high --imageFormat png \
  --save ./lecturer/01-keyable.png
```

**注意**：背景**必须是纯色不能有渐变**——渐变背景抠像时边缘会发脏。`--quality high` 在这条上不能降，发丝边缘是抠像成败的关键。

不推荐用纯绿幕：omnihuman 驱动后的视频经过压缩，绿边溢色比浅灰蓝更难处理。圆形遮罩方案见 `pipeline.md` ⑥。

---

### 02 · 书房知识博主

**适用**：人文、商业、心理、写作类课程。知识付费最经典的场景，信任感最好建立。

```bash
dlazy gpt-image-2 \
  --prompt "一位 38 岁左右的亚洲男性知识课程讲师，气质儒雅沉稳有学识感，短发梳理整齐两鬓有少量自然白发，面部有真实的年龄纹理与皮肤质感不做美颜。上身穿深灰蓝色羊毛开衫内搭浅灰色圆领衫，面料质感厚实有织纹，剪裁松弛得体。姿态为坐姿正面朝向镜头，背部挺直微微前倾表现投入感，双手轻放在桌面边缘仅露出手腕不入画。表情为平和从容的微笑，眼神温和平视镜头有沉稳的说服力。景别为中近景半身像，50mm 标准镜头，机位与视线齐平，人物位于画面右侧三分之一处，左侧三分之二留出大面积干净的背景区域。背景为温暖的书房环境，身后是深胡桃木色书架与排列整齐的书籍脊背，全部被大光圈虚化成柔和的暖色块，书脊上无任何可读文字。光线方案为侧前方窗户自然光作主光柔和漫射，另一侧暖色台灯补光，光比 2:1，面部有自然明暗过渡。整体色彩基调为低饱和的暖棕木质调。画质为自然光人文肖像摄影，真实细腻有空气感。单人出镜，正面朝向镜头，五官完整清晰，嘴部与下巴无任何遮挡，双肩完整入镜，光线均匀柔和无硬阴影。" \
  --size 3840x2160 --quality high --imageFormat png \
  --save ./lecturer/02-study.png
```

**注意**：书架是模型最爱自作主张写字的地方。prompt 已写"书脊上无任何可读文字"，出图后仍要**放大检查书脊**——生成

skill-card.md

## Description:

Guides creators through making landscape course videos with a consistent digital lecturer, reusable portrait recipes, narration, slides, and a cost-conscious production workflow.

This skill is ready for commercial/non-commercial use.

## Publisher:

[dlazyai](https://clawhub.ai/user/dlazyai)

### License/Terms of Use:

MIT-0

## Use Case:

Course creators, educators, and training teams use this skill to plan and produce paid lessons, internal training, or knowledge-sharing videos with a recurring digital lecturer and slide-led instruction.

### Deployment Geography for Use:

Global (Chinese-language workflow with China-focused compliance guidance)

## Known Risks and Mitigations:

Risk: Course materials, prompts, images, and audio may be sent to dLazy services.

Mitigation: Confirm permissions and data-sharing requirements before submitting selected materials to the third-party CLI.

Risk: Media generation consumes paid credits, especially for digital-lecturer footage.

Mitigation: Review the proposed workflow and current costs before generation, and limit lecturer footage to necessary segments.

Risk: Course claims or lecturer credentials may be misleading or noncompliant.

Mitigation: Review educational claims and credentials before publication, including the skill's China-focused compliance guidance.

## Reference(s):

- [Course Avatar skill release](https://clawhub.ai/dlazyai/skills/dlazy-course-avatar)
- [dLazy](https://dlazy.com)
- [Production pipeline](pipeline.md)
- [Portrait and slide recipes](recipes.md)
- [Troubleshooting and compliance](troubleshooting.md)

## Skill Output:

**Output Type(s):** [Guidance, Shell commands, Configuration instructions]

**Output Format:** [Markdown with command examples]

**Output Parameters:** [1D]

**Other Properties Related to Output:** [Guidance for producing scripts, portraits, audio, slides, and course-video clips; final video assembly requires a separate tool.]

## Skill Version(s):

1.0.18 (source: ClawHub release metadata)

## Ethical Considerations:

Users should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.

Related agents

Same protocol, similar job.

Github ReposUpdated 2d agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW
Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW
Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.

MCPOPENCLAW
Github ReposUpdated 7mo agoRank 70

CopilotKit

The Frontend for Agents & Generative UI. React + Angular

OPENCLAW

Machine-readable data

The same record, as JSON, for agents and crawlers.

{
  "facts": [
    {
      "factKey": "vendor",
      "category": "vendor",
      "label": "Vendor",
      "value": "Clawhub",
      "href": "https://clawhub.ai/dlazyai/skills/dlazy-course-avatar",
      "sourceUrl": "https://clawhub.ai/dlazyai/skills/dlazy-course-avatar",
      "sourceType": "profile",
      "confidence": "medium",
      "observedAt": "2026-10-11T09:22:38.413Z",
      "isPublic": true
    },
    {
      "factKey": "protocols",
      "category": "compatibility",
      "label": "Protocol compatibility",
      "value": "OpenClaw",
      "href": "https://www.xpersona.co/api/v1/agents/clawhub-dlazyai-dlazy-course-avatar/contract",
      "sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-dlazyai-dlazy-course-avatar/contract",
      "sourceType": "contract",
      "confidence": "medium",
      "observedAt": "2026-10-11T09:22:38.413Z",
      "isPublic": true
    },
    {
      "factKey": "traction",
      "category": "adoption",
      "label": "Adoption signal",
      "value": "1.1K downloads",
      "href": "https://clawhub.ai/dlazyai/dlazy-course-avatar",
      "sourceUrl": "https://clawhub.ai/dlazyai/dlazy-course-avatar",
      "sourceType": "profile",
      "confidence": "medium",
      "observedAt": "2026-10-11T09:22:38.413Z",
      "isPublic": true
    },
    {
      "factKey": "latest_release",
      "category": "release",
      "label": "Latest release",
      "value": "1.0.18",
      "href": "https://clawhub.ai/dlazyai/dlazy-course-avatar",
      "sourceUrl": "https://clawhub.ai/dlazyai/dlazy-course-avatar",
      "sourceType": "release",
      "confidence": "medium",
      "observedAt": "2026-10-10T01:02:40.332Z",
      "isPublic": true
    },
    {
      "factKey": "handshake_status",
      "category": "security",
      "label": "Handshake status",
      "value": "UNKNOWN",
      "href": "https://www.xpersona.co/api/v1/agents/clawhub-dlazyai-dlazy-course-avatar/trust",
      "sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-dlazyai-dlazy-course-avatar/trust",
      "sourceType": "trust",
      "confidence": "medium",
      "observedAt": null,
      "isPublic": true
    }
  ],
  "events": [
    {
      "eventType": "release",
      "title": "Release 1.0.18",
      "description": "例行版本更新 2026-10-10",
      "href": "https://clawhub.ai/dlazyai/dlazy-course-avatar",
      "sourceUrl": "https://clawhub.ai/dlazyai/dlazy-course-avatar",
      "sourceType": "release",
      "confidence": "medium",
      "observedAt": "2026-10-10T01:02:40.332Z",
      "isPublic": true
    }
  ]
}

Record generated Oct 11, 2026.

Sponsored

Ads related to 知识付费讲师数字人 Course Avatar and adjacent AI workflows.