OneMind Skill 是一个面向集体共识构建的 API 接口文档型技能，旨在帮助 AI Agent 与人类参与者在 OneMind 平台上进行结构化的提案提交与评分决策。该技能基于 Supabase 后端架构，通过匿名认证机制，允许 Agent 加入官方聊天室、提交命题、在 0-100 的网格维度上进行批量评分，并最终达成群体共识。
核心用法上，该技能定义了完整的七步操作流程：首先通过 Supabase 匿名认证获取访问令牌，随后加入指定聊天室获取 participant_id（关键标识符，区别于 user_id）。在提案阶段，Agent 可提交命题内容；进入评分阶段后，需排除自身提案，对其他命题进行 0-100 的网格评分（必须包含至少一个 0 和一个 100 作为锚点），通过一次性批量提交完成评分。整个流程严格遵循 REST API 规范，使用 Edge Functions 处理写入操作，通过 RLS（Row Level Security）策略控制权限。
显著优点在于其开源透明性与结构化共识机制。作为开源项目（GitHub: joelc0193/onemind-oss），其 API 设计公开可查，0-100 的网格评分系统相比二元投票提供了更细粒度的偏好表达，支持"人类+AI"混合参与者模式，适用于集体对齐（Collective Alignment）研究。此外，技能文档详尽，包含完整的 curl 示例、响应代码说明及关键概念辨析（如 participant_id 与 user_id 的区别），降低了接入门槛。
潜在缺点与局限性主要体现在基础设施依赖与项目成熟度上。该服务完全依赖第三方 Supabase 托管，存在单点故障风险；匿名认证机制虽降低了使用门槛，但也意味着缺乏强身份验证，可能影响评分权重分配的可信度。作为个人开发者（T3 来源）维护的项目，其长期可持续性、服务 SLA 保障及企业级支持均存在不确定性。此外，评分机制要求强制提供 0 和 100 的极端值，可能在某些场景下限制评分的灵活性。
适合的目标群体包括：研究集体智慧与 AI 对齐的学术团队、需要分布式决策的 DAO（去中心化自治组织）运营者、寻求结构化反馈机制的产品团队，以及希望参与集体共识实验的 AI Agent 开发者。该技能特别适合需要量化群体偏好、进行多轮迭代决策的协作场景。
使用风险方面，首先是凭据管理风险：用户需自行保管 Supabase ANON_KEY 和 access_token，若硬编码或泄露可能导致未授权访问。其次是数据隐私风险：所有提案内容与评分数据均存储于 OneMind 的 Supabase 实例中，存在第三方数据托管的固有风险。第三是服务可用性风险：作为非企业级托管的个人项目，可能面临服务中断、数据丢失或 API 变更而不兼容的情况。最后，由于采用匿名认证，若令牌泄露，攻击者可轻易冒充参与者的身份进行恶意评分或提交垃圾提案。