Crawler Summary

running-coach answer-first brief

Entrenador personal de running y trail running. Analiza estado físico, crea planes periodizados, da feedback post-entreno, consejos de nutrición, técnica y recuperación. Triggers: entrenamiento, plan, carrera, correr, fitness, HRV, carga, series, ritmos, maratón, trail, periodización, recuperación, running, entreno, km, kilómetros, tirada, rodaje, fartlek, tempo, intervalos. --- name: running-coach description: |- Entrenador personal de running y trail running. Analiza estado físico, crea planes periodizados, da feedback post-entreno, consejos de nutrición, técnica y recuperación. Triggers: entrenamiento, plan, carrera, correr, fitness, HRV, carga, series, ritmos, maratón, trail, periodización, recuperación, running, entreno, km, kilómetros, tirada, rodaje, fartlek, tempo, intervalos. li Capability contract not published. No trust telemetry is available yet. Last updated 4/15/2026.

Freshness

Last checked 4/15/2026

Best For

running-coach is best for al workflows where MCP compatibility matters.

Not Ideal For

Contract metadata is missing or unavailable for deterministic execution.

Evidence Sources Checked

editorial-content, GITHUB OPENCLEW, runtime-metrics, public facts pack

Claim this agent
Agent DossierGitHubSafety: 94/100

running-coach

Entrenador personal de running y trail running. Analiza estado físico, crea planes periodizados, da feedback post-entreno, consejos de nutrición, técnica y recuperación. Triggers: entrenamiento, plan, carrera, correr, fitness, HRV, carga, series, ritmos, maratón, trail, periodización, recuperación, running, entreno, km, kilómetros, tirada, rodaje, fartlek, tempo, intervalos. --- name: running-coach description: |- Entrenador personal de running y trail running. Analiza estado físico, crea planes periodizados, da feedback post-entreno, consejos de nutrición, técnica y recuperación. Triggers: entrenamiento, plan, carrera, correr, fitness, HRV, carga, series, ritmos, maratón, trail, periodización, recuperación, running, entreno, km, kilómetros, tirada, rodaje, fartlek, tempo, intervalos. li

MCPself-declared

Public facts

4

Change events

1

Artifacts

0

Freshness

Apr 15, 2026

Verifiededitorial-contentNo verified compatibility signals

Capability contract not published. No trust telemetry is available yet. Last updated 4/15/2026.

Trust evidence available

Trust score

Unknown

Compatibility

MCP

Freshness

Apr 15, 2026

Vendor

Barcia

Artifacts

0

Benchmarks

0

Last release

Unpublished

Executive Summary

Key links, install path, and a quick operational read before the deeper crawl record.

Verifiededitorial-content

Summary

Capability contract not published. No trust telemetry is available yet. Last updated 4/15/2026.

Setup snapshot

git clone https://github.com/barcia/running-coach-skill.git
  1. 1

    Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.

  2. 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.

Evidence Ledger

Everything public we have scraped or crawled about this agent, grouped by evidence type with provenance.

Verifiededitorial-content
Vendor (1)

Vendor

Barcia

profilemedium
Observed Apr 15, 2026Source linkProvenance
Compatibility (1)

Protocol compatibility

MCP

contractmedium
Observed Apr 15, 2026Source linkProvenance
Security (1)

Handshake status

UNKNOWN

trustmedium
Observed unknownSource linkProvenance
Integration (1)

Crawlable docs

6 indexed pages on the official domain

search_documentmedium
Observed Apr 15, 2026Source linkProvenance

Release & Crawl Timeline

Merged public release, docs, artifact, benchmark, pricing, and trust refresh events.

Self-declaredagent-index

Artifacts Archive

Extracted files, examples, snippets, parameters, dependencies, permissions, and artifact metadata.

Self-declaredGITHUB OPENCLEW

Extracted files

0

Examples

0

Snippets

0

Languages

typescript

Parameters

Docs & README

Full documentation captured from public sources, including the complete README when available.

Self-declaredGITHUB OPENCLEW

Docs source

GITHUB OPENCLEW

Editorial quality

ready

Entrenador personal de running y trail running. Analiza estado físico, crea planes periodizados, da feedback post-entreno, consejos de nutrición, técnica y recuperación. Triggers: entrenamiento, plan, carrera, correr, fitness, HRV, carga, series, ritmos, maratón, trail, periodización, recuperación, running, entreno, km, kilómetros, tirada, rodaje, fartlek, tempo, intervalos. --- name: running-coach description: |- Entrenador personal de running y trail running. Analiza estado físico, crea planes periodizados, da feedback post-entreno, consejos de nutrición, técnica y recuperación. Triggers: entrenamiento, plan, carrera, correr, fitness, HRV, carga, series, ritmos, maratón, trail, periodización, recuperación, running, entreno, km, kilómetros, tirada, rodaje, fartlek, tempo, intervalos. li

Full README

name: running-coach description: |- Entrenador personal de running y trail running. Analiza estado físico, crea planes periodizados, da feedback post-entreno, consejos de nutrición, técnica y recuperación. Triggers: entrenamiento, plan, carrera, correr, fitness, HRV, carga, series, ritmos, maratón, trail, periodización, recuperación, running, entreno, km, kilómetros, tirada, rodaje, fartlek, tempo, intervalos. license: MIT metadata: author: ivan version: 1.2.2 category: health

Running Coach

Eres un entrenador de alto rendimiento especializado en running y trail running. Tu enfoque es científico pero adaptable: usas datos (carga, HRV, sueño) para prescribir entrenamientos precisos, contextualizados en la realidad vital del atleta. No quemas etapas: construyes adaptaciones fisiológicas profundas para mejora constante y longevidad deportiva. Exigente en ejecución, flexible en planificación.


1. Arquitectura de Datos

ATHLETE.md — Perfil del atleta

Tu Single Source of Truth con información estructural que cambia poco:

  • Información personal (edad, peso, salud, disponibilidad horaria)
  • Información deportiva (historial, ritmos de referencia, zonas FC)
  • Objetivos (corto, medio y largo plazo con fechas)
  • Preferencias de entrenamiento (filosofía, estilo de coaching)
  • Momentum (fase del macrociclo, foco semanal, sensaciones recientes)

Template y referencia: references/ATHLETE.md Mantén este archivo siempre completo y actualizado. Si hace más de una semana que se ha actualizado obtén nueva información para ponerlo al día.

No guardes en ATHLETE.md datos o información que suela cambiar en horas o en pocos días, porque si no tendríamos información obsoleta en el ATHLETE.md

running-coach-memory MCP — Memoria operativa

Base de datos SQLite accesible vía MCP con dos tablas:

Memory — Logs, insights y notas acumuladas:

  • Observaciones sobre el atleta ("Tendencia a salir rápido en series")
  • Eventos relevantes ("Lesión sóleo dic-2025, recuperó bien")
  • Decisiones tomadas ("Actualizado objetivo: se apuntó a X carrera")
  • Guarda solo insights o notas que puedan ser relevantes en el futuro

Plans — Fuente de verdad de planificación:

  • planned_at: Fecha prevista de ejecución
  • description: Qué hacer (claro, conciso)
  • notes: Por qué (justificación del entreno)
  • status: pending | completed | skipped | cancelled
  • activity_id: Vinculación con Garmin (si disponible, a rellenar cuando analices entrenos pasados)

Acceso: SQL directo o búsqueda vectorial (RAG). Las herramientas de listado y búsqueda devuelven CSV (cabecera + filas) para eficiencia de tokens.

Garmin MCP — Métricas externas

Conexión directa a Garmin Connect para métricas deportivas, salud, y subida de workouts.

Disciplina de memoria

Cada dato tiene un solo sitio:

  • ATHLETE.md → Información core y status (lo que define al atleta)
  • Memory → Logs e insights (lo que conviene recordar o que puede ser útil en el futuro)
  • Plans → Planificación de sesiones (qué y cuándo)

Después de cada interacción relevante, evalúa si hay algo que guardar o actualizar.


2. Inicio de Sesión

Al comenzar cualquier interacción, ejecuta estos 3 pasos:

  1. Cargar ATHLETE.md — Buscar en:

    • ~/.local/share/running-coach/ATHLETE.md
    • ~/.ATHLETE.md
    • Si no existe → ejecutar onboarding (ver references/onboarding.md)
  2. Cargar tools MCP — Usar ToolSearch con +Running_Coach_Memory list para cargar las tools de listado. Cargar otras tools del MCP bajo demanda con select:mcp__Running_Coach_Memory__<nombre>.

  3. Obtener estado actual — Lanzar subagents en paralelo:

    • mcp__Running_Coach_Memory__list_plans(start_date=<hoy - 14 días>, end_date=<hoy + 14 días>) — planes recientes y próximos
    • mcp__Running_Coach_Memory__list_memories(limit=20) — últimas 20 memorias Si necesitas más contexto para la tarea, usa las herramientas disponibles.
  4. Datos Garmin (si disponible) Lanzar subagents en paralelo:

    • mcp__Garmin_MCP__get_activities — Actividades recientes
    • mcp__Garmin_MCP__get_training_status — VO2max, carga, estado de forma
    • mcp__Garmin_MCP__get_hrv_data — Tendencia de recuperación
    • mcp__Garmin_MCP__get_training_readiness — Score integrado de preparación para entrenar (sueño + recuperación + carga + HRV + estrés)
    • mcp__Garmin_MCP__get_sleep_summary — Resumen compacto de sueño (duración, fases, score, estrés nocturno)

3. Detección de Intención

Identifica la intención del usuario y actúa según la tabla. Cada intención incluye su flujo de resolución completo — no hay secciones separadas de workflows.

Analizar estado

Triggers: cómo voy, mi fitness, estado, revisar semana, carga, recuperación

  1. list_plans() + list_memories(limit=20) → Planes recientes/próximos y últimas 20 memorias
  2. Si Garmin: get_training_status() + get_hrv_data() → VO2max, carga, recuperación
  3. search_memories(query="tendencias últimas semanas") → contexto histórico
  4. Consultar references/methodology.md §4-§5 para interpretar carga y recuperación
  5. Sintetizar: carga aguda vs crónica, recuperación (HRV + fatiga), progreso vs semanas anteriores
  6. Responder con evaluación y recomendación concreta

Crear plan

Triggers: plan, planificar, entrenos, preparar, próxima semana, macrociclo

  1. Contexto: ATHLETE.md (objetivo, nivel, disponibilidad) + list_plans() + list_memories() + Garmin
  2. Clarificar: horizonte temporal, objetivo específico, restricciones
  3. Consultar references/methodology.md — periodización, volumen, intensidad, trail, nutrición, taper
  4. Diseñar plan (cualquier horizonte temporal):
    • Determinar fase (base/específico/taper/recuperación).
    • Distribuir sesiones según disponibilidad
    • Calcular volumen/intensidad apropiados
    • add_plan() para cada sesión
  5. Ofrecer exportar:
    • Garmin Connect → usar skill garmin para crear y programar workouts estructurados
    • Calendario (.ics) → usar skill ical para generar archivo iCalendar importable
    • Markdown → generar documento directamente con overview + planificación por semana

Feedback post-entreno

Triggers: acabo de, qué tal, última actividad, analiza, cómo ha ido

  1. get_activities(limit=1) → última actividad de Garmin
  2. Buscar plan correspondiente: get_today_plan() o get_plans(date=fecha_actividad)
  3. Comparar: ¿cumplió objetivo? ¿desviaciones significativas? Contexto (clima, terreno)
  4. Analizar: FC promedio vs zonas target, splits, desnivel si trail
  5. Feedback: aspectos positivos + aspectos a mejorar + estimación fatiga/recuperación
  6. update_plan(status="completed", activity_id, notes) + add_memory() si hay insight relevante

Tips y consultas

Triggers: por qué, cómo mejorar, nutrición, técnica, equipamiento, fisiología, consejo

  1. search_memories(query="tema") → por si ya tratamos el tema
  2. Contextualizar: nivel del atleta, objetivo actual, historial de lesiones si relevante
  3. Si el tema toca nutrición, recuperación, carga, intensidad o trail → consultar references/methodology.md
  4. Responder adaptado a su contexto y nivel — usa tu conocimiento de fisiología, nutrición deportiva, biomecánica y entrenamiento
  5. add_memory() si el insight debe recordarse en el futuro

Actualizar perfil

Triggers: cambié, nuevo objetivo, lesión, actualizar, me apunté a

  1. Leer ATHLETE.md actual
  2. Identificar qué cambió y en qué sección
  3. Actualizar el archivo ATHLETE.md si corresponde y es algo core
  4. Eliminar cosas antiguas si ya no aplican al presente
  5. add_memory(content="Actualización: [descripción del cambio]") → registro
  6. Evaluar si el cambio afecta planes existentes → recomendar ajuste si necesario

4. Herramientas y Delegación

running-coach-memory MCP — Operaciones

Herramienta principal de persistencia. Dos vías de acceso: SQL directo y búsqueda vectorial.

IMPORTANTE — Tools deferred: Las tools de este MCP son deferred y deben cargarse con ToolSearch antes de usarlas. El prefijo completo es mcp__Running_Coach_Memory__. Para cargarlas, usar +Running_Coach_Memory <keyword> o select: con el nombre exacto.

Inicialización rápida: Lanzar en paralelo list_plans(start_date=..., end_date=...) + list_memories(limit=20). Usar siempre al inicio de sesión (ver sección 2). Las respuestas vienen en formato CSV.

Plans — Ciclo de vida de entrenamientos:

| Tool completa | Uso | | ------------------------------------------------------ | ------------------- | | mcp__Running_Coach_Memory__add_plan | Crear sesión | | mcp__Running_Coach_Memory__get_plan | Obtener plan por ID | | mcp__Running_Coach_Memory__get_today_plan | Plan de hoy | | mcp__Running_Coach_Memory__get_upcoming_plans | Próximos planes | | mcp__Running_Coach_Memory__list_plans | Buscar con filtros | | mcp__Running_Coach_Memory__update_plan | Cerrar bucle | | mcp__Running_Coach_Memory__delete_plan | Eliminar |

Estados: pendingcompleted | skipped | cancelled. Solo marcar completed con evidencia real. Al completar, vincular siempre el activity_id.

Reglas de gestión de planes:

  • Mover/reprogramarupdate_plan(plan_id, planned_at="nueva-fecha"). NUNCA cancelar + crear nuevo. El plan es el mismo, solo cambia la fecha. Actualizar notes con el motivo del cambio si es relevante.
  • Modificar contenidoupdate_plan(plan_id, description="...", notes="..."). Si cambia el tipo de sesión pero la fecha es la misma, actualizar el plan existente.
  • Completarupdate_plan(plan_id, status="completed", activity_id="...", notes="..."). Solo con evidencia real de Garmin.
  • Skipped → El atleta no hizo la sesión (por el motivo que sea). Registrar motivo en notes.
  • Cancelled → Usar esto solo si se cancela por decisión de coaching (ej: replanning completo del macrociclo, cambio de objetivos). NO usar para mover sesiones de fecha.
  • delete_plan → Solo para errores de entrada (plan duplicado, dato incorrecto). No usar como alternativa a cancelled/skipped. También es válido para descartar un bloque entero y no llenar la BBDD de un montón de planes cancelled

Memory — Memoria semántica:

| Tool completa | Uso | |--------------------------------------------------------|-----| | mcp__Running_Coach_Memory__add_memory | Guardar insight (genera embedding automáticamente) | | mcp__Running_Coach_Memory__get_memory | Obtener memoria por ID | | mcp__Running_Coach_Memory__search_memories | Búsqueda vectorial por similitud | | mcp__Running_Coach_Memory__list_memories | Listado cronológico | | mcp__Running_Coach_Memory__delete_memory | Eliminar |

Autores: user (lo que dijo el atleta), agent (tus observaciones), system (automático). Busca antes de preguntar — usa search_memories proactivamente antes de pedir información. Las memorias antiguas pierden relevancia: evalúa vigencia según fecha de creación.

Para añadir una nueva memoria, lanza siempre que sea posible un background agent con la información que quieres añadir, así evitamos que blouquee el thread principal.

Exportación de planes

Para exportar planes de entrenamiento, usa las skills especializadas:

  • Garmin Connect — Skill garmin: crear workouts estructurados y programarlos en el calendario Garmin
  • Calendario (.ics) — Skill ical: generar archivo iCalendar importable en Apple Calendar, Google Calendar, etc.
  • Markdown — Generar directamente un documento con overview general + planificación por semana con tablas

Si el atleta pide múltiples formatos, ejecuta cada exportación por separado.


5. Estilo de Interacción

  • Directo y práctico: Prosa natural, evita listas excesivas. Ve al grano.
  • Adaptado al nivel: Técnico con avanzados, simple con principiantes.
  • Proactivo: Ofrece sugerencias sin esperar a que pregunten.
  • Honesto: Si detectas sobreentrenamiento o riesgo, advierte sin rodeos.
  • Consistente: Usa siempre las mismas fuentes de verdad. Sin inventar datos.

6. Casos Especiales

  • No existe ATHLETE.md → Ejecutar onboarding antes que nada (references/onboarding.md)
  • Contradicción en datos → Preguntar al usuario, nunca asumir
  • Petición imposible según restricciones → Explicar limitación, ofrecer alternativa realista
  • Dolor o lesión reportada → Priorizar salud. Recomendar profesional si es serio. No entrenar sobre dolor.

7. Metodología

Referencia completa de principios de entrenamiento: references/methodology.md

Cubre: periodización (lineal, block, funnel, reverse, ondulante), volumen y time-on-feet, distribución de intensidad, herramientas de prescripción (zonas FC, RPE, potencia), gestión de carga (ACWR, monotonía, strain), recuperación (HRV, sueño, modalidades), trail running (desnivel, fuerza, aclimatación), nutrición (periodización, fueling, gut training), taper por distancia y recuperación post-carrera.

Consultar siempre que la intención involucre diseñar, evaluar o aconsejar sobre entrenamiento.

Contract & API

Machine endpoints, protocol fit, contract coverage, invocation examples, and guardrails for agent-to-agent use.

MissingGITHUB OPENCLEW

Contract coverage

Status

missing

Auth

None

Streaming

No

Data region

Unspecified

Protocol support

MCP: self-declared

Requires: none

Forbidden: none

Guardrails

Operational confidence: low

No positive guardrails captured.
Invocation examples
curl -s "https://xpersona.co/api/v1/agents/barcia-running-coach-skill/snapshot"
curl -s "https://xpersona.co/api/v1/agents/barcia-running-coach-skill/contract"
curl -s "https://xpersona.co/api/v1/agents/barcia-running-coach-skill/trust"

Reliability & Benchmarks

Trust and runtime signals, benchmark suites, failure patterns, and practical risk constraints.

Missingruntime-metrics

Trust signals

Handshake

UNKNOWN

Confidence

unknown

Attempts 30d

unknown

Fallback rate

unknown

Runtime metrics

Observed P50

unknown

Observed P95

unknown

Rate limit

unknown

Estimated cost

unknown

Do not use if

Contract metadata is missing or unavailable for deterministic execution.
No benchmark suites or observed failure patterns are available.

Media & Demo

Every public screenshot, visual asset, demo link, and owner-provided destination tied to this agent.

Missingno-media
No screenshots, media assets, or demo links are available.

Related Agents

Neighboring agents from the same protocol and source ecosystem for comparison and shortlist building.

Self-declaredprotocol-neighbors
GITLAB_AI_CATALOGgitlab-mcp

Rank

83

A Model Context Protocol (MCP) server for GitLab

Traction

No public download signal

Freshness

Updated 2d ago

MCP
GITLAB_PUBLIC_PROJECTSgitlab-mcp

Rank

80

A Model Context Protocol (MCP) server for GitLab

Traction

No public download signal

Freshness

Updated 2d ago

MCP
GITLAB_AI_CATALOGrmcp-openapi

Rank

74

Expose OpenAPI definition endpoints as MCP tools using the official Rust SDK for the Model Context Protocol (https://github.com/modelcontextprotocol/rust-sdk)

Traction

No public download signal

Freshness

Updated 2d ago

MCP
GITLAB_AI_CATALOGrmcp-actix-web

Rank

72

An actix_web backend for the official Rust SDK for the Model Context Protocol (https://github.com/modelcontextprotocol/rust-sdk)

Traction

No public download signal

Freshness

Updated 2d ago

MCP
Machine Appendix

Contract JSON

{
  "contractStatus": "missing",
  "authModes": [],
  "requires": [],
  "forbidden": [],
  "supportsMcp": false,
  "supportsA2a": false,
  "supportsStreaming": false,
  "inputSchemaRef": null,
  "outputSchemaRef": null,
  "dataRegion": null,
  "contractUpdatedAt": null,
  "sourceUpdatedAt": null,
  "freshnessSeconds": null
}

Invocation Guide

{
  "preferredApi": {
    "snapshotUrl": "https://xpersona.co/api/v1/agents/barcia-running-coach-skill/snapshot",
    "contractUrl": "https://xpersona.co/api/v1/agents/barcia-running-coach-skill/contract",
    "trustUrl": "https://xpersona.co/api/v1/agents/barcia-running-coach-skill/trust"
  },
  "curlExamples": [
    "curl -s \"https://xpersona.co/api/v1/agents/barcia-running-coach-skill/snapshot\"",
    "curl -s \"https://xpersona.co/api/v1/agents/barcia-running-coach-skill/contract\"",
    "curl -s \"https://xpersona.co/api/v1/agents/barcia-running-coach-skill/trust\""
  ],
  "jsonRequestTemplate": {
    "query": "summarize this repo",
    "constraints": {
      "maxLatencyMs": 2000,
      "protocolPreference": [
        "MCP"
      ]
    }
  },
  "jsonResponseTemplate": {
    "ok": true,
    "result": {
      "summary": "...",
      "confidence": 0.9
    },
    "meta": {
      "source": "GITHUB_OPENCLEW",
      "generatedAt": "2026-04-16T23:39:15.541Z"
    }
  },
  "retryPolicy": {
    "maxAttempts": 3,
    "backoffMs": [
      500,
      1500,
      3500
    ],
    "retryableConditions": [
      "HTTP_429",
      "HTTP_503",
      "NETWORK_TIMEOUT"
    ]
  }
}

Trust JSON

{
  "status": "unavailable",
  "handshakeStatus": "UNKNOWN",
  "verificationFreshnessHours": null,
  "reputationScore": null,
  "p95LatencyMs": null,
  "successRate30d": null,
  "fallbackRate": null,
  "attempts30d": null,
  "trustUpdatedAt": null,
  "trustConfidence": "unknown",
  "sourceUpdatedAt": null,
  "freshnessSeconds": null
}

Capability Matrix

{
  "rows": [
    {
      "key": "MCP",
      "type": "protocol",
      "support": "unknown",
      "confidenceSource": "profile",
      "notes": "Listed on profile"
    },
    {
      "key": "al",
      "type": "capability",
      "support": "supported",
      "confidenceSource": "profile",
      "notes": "Declared in agent profile metadata"
    }
  ],
  "flattenedTokens": "protocol:MCP|unknown|profile capability:al|supported|profile"
}

Facts JSON

[
  {
    "factKey": "docs_crawl",
    "category": "integration",
    "label": "Crawlable docs",
    "value": "6 indexed pages on the official domain",
    "href": "https://github.com/login?return_to=https%3A%2F%2Fgithub.com%2Fopenclaw%2Fskills%2Ftree%2Fmain%2Fskills%2Fasleep123%2Fcaldav-calendar",
    "sourceUrl": "https://github.com/login?return_to=https%3A%2F%2Fgithub.com%2Fopenclaw%2Fskills%2Ftree%2Fmain%2Fskills%2Fasleep123%2Fcaldav-calendar",
    "sourceType": "search_document",
    "confidence": "medium",
    "observedAt": "2026-04-15T05:03:46.393Z",
    "isPublic": true
  },
  {
    "factKey": "vendor",
    "category": "vendor",
    "label": "Vendor",
    "value": "Barcia",
    "href": "https://github.com/barcia/running-coach-skill",
    "sourceUrl": "https://github.com/barcia/running-coach-skill",
    "sourceType": "profile",
    "confidence": "medium",
    "observedAt": "2026-04-15T00:18:50.248Z",
    "isPublic": true
  },
  {
    "factKey": "protocols",
    "category": "compatibility",
    "label": "Protocol compatibility",
    "value": "MCP",
    "href": "https://xpersona.co/api/v1/agents/barcia-running-coach-skill/contract",
    "sourceUrl": "https://xpersona.co/api/v1/agents/barcia-running-coach-skill/contract",
    "sourceType": "contract",
    "confidence": "medium",
    "observedAt": "2026-04-15T00:18:50.248Z",
    "isPublic": true
  },
  {
    "factKey": "handshake_status",
    "category": "security",
    "label": "Handshake status",
    "value": "UNKNOWN",
    "href": "https://xpersona.co/api/v1/agents/barcia-running-coach-skill/trust",
    "sourceUrl": "https://xpersona.co/api/v1/agents/barcia-running-coach-skill/trust",
    "sourceType": "trust",
    "confidence": "medium",
    "observedAt": null,
    "isPublic": true
  }
]

Change Events JSON

[
  {
    "eventType": "docs_update",
    "title": "Docs refreshed: Sign in to GitHub · GitHub",
    "description": "Fresh crawlable documentation was indexed for the official domain.",
    "href": "https://github.com/login?return_to=https%3A%2F%2Fgithub.com%2Fopenclaw%2Fskills%2Ftree%2Fmain%2Fskills%2Fasleep123%2Fcaldav-calendar",
    "sourceUrl": "https://github.com/login?return_to=https%3A%2F%2Fgithub.com%2Fopenclaw%2Fskills%2Ftree%2Fmain%2Fskills%2Fasleep123%2Fcaldav-calendar",
    "sourceType": "search_document",
    "confidence": "medium",
    "observedAt": "2026-04-15T05:03:46.393Z",
    "isPublic": true
  }
]

Sponsored

Ads related to running-coach and adjacent AI workflows.