Skip to content

06 · 技能系统 (Skills) 完全指南

⚠️ OpenClaw 迭代很快:界面、版本、命令和模型能力可能随版本变化。遇到与页面描述不一致时,以你当前看到的界面和官方文档(docs.openclaw.ai)为准,不要在未确认的情况下执行高权限或不可逆操作。

先做一个小练习:看见技能如何改变助手行为

这里讲技能系统时会把触发条件、输出和复盘放在一起,因为技能不是写出来就算完成。

技能不是术语表里的概念,它的作用是把一组稳定做法交给 AI。先用一个最小练习建立手感。

第一步:确认技能命令可用

bash
openclaw skills search "summarize"

如果搜索结果里能看到摘要、笔记、文档处理相关技能,说明 skills 入口正常。不同版本和市场索引返回结果可能不同,重点是确认命令能跑通。

第二步:安装一个低风险技能

优先选择只处理文本、不需要外部账号授权的技能。例如搜索结果里有 summarize 时:

bash
openclaw skills install summarize

如果你的版本里没有这个技能,就先跳过安装,继续看下面的“技能长什么样”。不要为了练习随便安装需要邮箱、网盘、密码管理器授权的技能。

第三步:在对话里触发它

回到 Control UI,输入一段长文本,然后要求:

text
请把上面这段内容整理成 3 条要点,并保留行动项。

如果已安装摘要类技能,OpenClaw 会更倾向于按技能里的流程整理内容。即使你的环境没有对应技能,这个练习也能帮你理解:技能的价值不是“多一个按钮”,而是把可复用的处理流程写下来。

你应该记住

  • 工具负责单个动作。
  • 技能负责告诉 AI 如何组合动作。
  • 新手先练低风险文本技能,不要一上来接邮箱、云盘、密码管理器。

什么是技能?

如果说工具 (Tools) 是 AI 的双手,那技能 (Skills) 就是教 AI 如何组合使用这些工具的教科书。

一个工具只能做一件事:读文件、发消息、搜索网页。但一个技能可以把多个工具串起来,完成一个完整的任务流程。比如"管理 GitHub Issue"这个技能,背后可能要调用搜索、读取、创建、评论等十几个工具。

OpenClaw 提供了大量内置与可安装技能,覆盖办公、开发、生活方方面面。你也可以自己创建技能,教 AI 新的能力。

Skills vs Tools:概念深入对比

很多人刚接触 OpenClaw 时会搞混技能和工具,这里彻底说清楚。

本质区别

工具 (Tools) = 原子操作,做一件具体的事
技能 (Skills) = 编排方案,教 AI 如何组合工具完成复杂任务

打个比方:

  • 工具就像厨房里的刀、锅、铲子 — 每个都有明确的单一用途
  • 技能就像菜谱 — 告诉你先切菜、再热油、然后翻炒、最后调味

对比表

维度工具 (Tools)技能 (Skills)
粒度单个动作多步骤流程
定义方式TypeScript/Python 函数Markdown 指令文档
执行方式直接调用AI 根据指令编排工具
状态无状态可以维护上下文
触发方式模型自动选择关键词触发或模型判断
复用性跨技能共享通常独立使用
开发难度需要编程写 Markdown 就行

一个具体的例子

假设你说:"帮我把今天的会议纪要发到 Slack 的 #team 频道"。

AI 需要做这些事:

  1. 搜索今天的日历事件(工具:google_calendar_search
  2. 找到会议纪要文件(工具:file_search
  3. 读取文件内容(工具:file_read
  4. 格式化为 Slack 消息(AI 自己处理)
  5. 发送到指定频道(工具:slack_send_message

这 5 步里,每一步都是一个工具调用。但 AI 怎么知道要按这个顺序来?答案就是技能。gog 技能和 slack 技能里的指令告诉了 AI 如何组合这些工具。

技能的加载机制

技能不是一直驻留在内存里的。OpenClaw 的加载策略很聪明:

用户消息进来

Gateway 分析消息内容

匹配相关技能(通过 triggers 关键词或语义匹配)

将匹配到的技能指令注入到系统提示词中

AI 根据技能指令 + 工具列表来执行任务

这意味着:

  • 不是所有技能都会同时加载(那会撑爆上下文窗口)
  • 只有跟当前任务相关的技能才会被激活
  • 你可以通过 triggers 字段精确控制技能的触发条件

常用 Skills 命令

bash
# 搜索技能
openclaw skills search "gog"

# 安装技能
openclaw skills install gog

# 更新技能
openclaw skills update

内置技能完整分类

办公效率类

技能功能使用场景依赖工具
gogGoogle Workspace邮件、日历、文档管理Google API MCP
notionNotion页面创建、数据库查询Notion API
trelloTrello看板管理、任务跟踪Trello API
slackSlack工作区消息管理Slack API
1password1Password密码查询(只读)1Password CLI

开发工具类

技能功能使用场景依赖工具
coding-agent编程助手写代码、调试、重构文件系统 + Shell
githubGitHub仓库管理、PR、IssueGitHub CLI (gh)
gh-issuesGitHub IssuesIssue 专项管理GitHub CLI (gh)
tmux终端会话管理终端会话tmux

笔记知识类

技能功能使用场景依赖工具
obsidianObsidian笔记管理、知识库文件系统
apple-notesApple 备忘录macOS/iOS 备忘录AppleScript
bear-notesBearBear 笔记管理Bear X-Callback
nano-pdfPDF 处理PDF 阅读、摘要PDF 解析工具

多媒体类

技能功能使用场景依赖工具
voice-call语音通话AI 语音对话音频 I/O
spotify-playerSpotify音乐播放控制Spotify API
peekaboo截图屏幕截图分析screencapture
camsnap摄像头拍照识别imagesnap
video-frames视频帧视频内容分析ffmpeg
songsee听歌识曲识别正在播放的音乐音频采集

多媒体生成类(v2026.4.5 新增)

v2026.4.5 起,OpenClaw 内置了三个生成式多媒体工具,不再需要额外安装:

工具功能支持的提供商运行模式
video_generate文本/图片/视频 → 视频xAI (Grok)、Alibaba Wan、Runway、Google Veo、OpenAI Sora、BytePlus Seedance、Qwengenerate / imageToVideo / videoToVideo
music_generate文本 → 音乐/音频Google Lyria 3、MiniMax、ComfyUI 工作流generate(异步任务)
image_generate文本 → 图片多提供商 + ComfyUI 工作流generate

这些工具全部异步执行:Agent 提交请求后立即返回任务 ID,生成完成后自动将结果推送到原始会话。

快速配置示例:

json5
{
  "agents": {
    "defaults": {
      "videoGenerationModel": {
        "primary": "google/veo-3.1-fast-generate-preview",
        "fallbacks": ["runway/gen4.5"],
      },
      "musicGenerationModel": {
        "primary": "google/lyria-3-clip-preview",
        "fallbacks": ["minimax/music-2.6"],
      },
    },
  },
}

ComfyUI 工作流支持: 如果你有本地 ComfyUI 或 Comfy Cloud 实例,可以通过 comfy 插件将自定义工作流接入 image_generatevideo_generatemusic_generate。设置 COMFY_API_KEYCOMFY_CLOUD_API_KEY 环境变量即可。

生活工具类

技能功能使用场景依赖工具
weather天气天气查询和预报天气 API
things-macThings任务管理 (macOS)Things URL Scheme
apple-reminders提醒事项Apple 提醒事项AppleScript
goplaces地点地点搜索和导航地图 API
healthcheck健康检查系统状态监控系统命令

系统管理类

技能功能使用场景依赖工具
session-logs会话日志查看对话历史文件系统
model-usage模型统计API 使用量统计内部 API
summarize摘要长文本摘要AI 模型
skill-creator技能创建器创建自定义技能文件系统

主要技能详细使用教程

gog — Google Workspace 技能

gog 是 OpenClaw 最常用的技能之一,让 AI 帮你管理 Gmail、Google Calendar 和 Google Drive。

前置条件

  1. 在 Google Cloud Console 创建 OAuth 2.0 凭证
  2. 启用 Gmail API、Calendar API、Drive API
  3. 在 OpenClaw 中完成 Google 认证
bash
# 认证 Google 账号(通过 models auth 子命令)
openclaw models auth login --provider google

# 浏览器会弹出 Google 登录页面
# 授权后,凭证自动保存到 auth-profiles.json

邮件管理

你可以这样跟 AI 说:

查看我今天收到的邮件

AI 会调用 gog 技能,执行以下流程:

  1. 调用 gmail_search 工具搜索今天的邮件
  2. 调用 gmail_read 工具读取邮件内容
  3. 整理成摘要返回给你

更多邮件操作示例:

帮我回复张三的邮件,告诉他周五可以开会
把所有来自 newsletter@example.com 的邮件标记为已读
搜索上周关于"项目报告"的邮件
帮我写一封邮件给客户,确认下周的交付时间

日历管理

今天有什么安排?
帮我在下周三下午 2 点创建一个会议,邀请 alice@example.com
取消明天上午的会议
把周五的会议改到下周一

AI 会自动处理时区、冲突检测、邀请发送等细节。

Google Drive 操作

在 Google Drive 里搜索"季度报告"
帮我创建一个新的 Google Doc,标题是"会议纪要 2026-02-25"
把这个文件分享给 team@example.com

gog 技能的配置选项

~/.openclaw/openclaw.json(JSON5 格式)中可以微调 gog 技能的行为:

json5
{
  "skills": {
    "entries": {
      "gog": {
        "config": {
          "defaultCalendar": "primary",
          "emailSignature": "— 发自 OpenClaw AI 助手",
          "maxSearchResults": 20,
          "timezone": "Asia/Shanghai",
          "language": "zh-CN",
        },
      },
    },
  },
}

github — GitHub 技能

github 技能让 AI 成为你的 GitHub 助手,管理仓库、PR、Issue、Actions 等。

前置条件

bash
# 认证 GitHub(通过 models auth 子命令)
openclaw models auth login --provider github

# 或者手动设置 Token
openclaw config set github.token ghp_xxxxxxxxxxxx

仓库管理

列出我的 GitHub 仓库
克隆 username/repo-name 到本地
查看 openclaw/openclaw 仓库的最新动态

Pull Request 操作

查看 openclaw/openclaw 仓库的待审 PR
帮我创建一个 PR,从 feature/new-skill 合并到 main
审查 PR #123 的代码变更
合并 PR #456

AI 处理 PR 的流程:

  1. 调用 gh_pr_list 获取 PR 列表
  2. 调用 gh_pr_diff 查看代码变更
  3. 分析代码质量、潜在问题
  4. 生成审查意见或执行合并

Issue 管理

查看 openclaw/openclaw 仓库的 open issues
创建一个新 Issue:标题是"技能系统文档需要更新"
给 Issue #789 添加评论
关闭 Issue #101,标记为已解决
给 Issue #202 打上 bug 标签

GitHub Actions

查看最近的 CI/CD 运行状态
重新运行失败的 workflow
查看 workflow run #12345 的日志

github 技能的配置选项

json5
{
  "skills": {
    "entries": {
      "github": {
        "config": {
          "defaultOrg": "openclaw",
          "defaultRepo": "openclaw",
          "autoLabel": true,
          "prTemplate": "workspace/templates/pr-template.md",
        },
      },
    },
  },
}

coding-agent — 编程助手技能

coding-agent 是开发者最爱的技能,让 AI 帮你写代码、调试、重构。

工作原理

coding-agent 技能跟其他技能不太一样。它不是简单地调用几个工具,而是启动一个完整的编程工作流:

用户请求 → 分析需求 → 读取相关代码 → 制定方案 → 编写代码 → 验证结果

常用场景

写新代码:

帮我写一个 TypeScript 函数,把 CSV 文件转换成 JSON
在 src/utils/ 下创建一个日期格式化工具

调试:

这段代码报错了,帮我看看:[粘贴错误信息]
为什么这个 API 返回 500?帮我排查

重构:

把 src/services/user.ts 重构一下,太长了
这个函数的圈复杂度太高,帮我拆分

代码审查:

审查一下 src/api/routes.ts 的代码质量
检查这个文件有没有安全漏洞

coding-agent 的特殊能力

  1. 文件系统访问 — 可以读写项目文件
  2. Shell 命令执行 — 可以运行构建、测试命令
  3. 上下文感知 — 会自动读取相关文件来理解代码结构
  4. 多文件编辑 — 可以同时修改多个文件

安全限制

coding-agent 默认运行在沙箱中:

  • 文件操作限制在工作空间目录内
  • Shell 命令需要用户确认(除非配置了自动批准)
  • 不能访问系统敏感目录
json5
{
  "skills": {
    "entries": {
      "coding-agent": {
        "config": {
          "workDir": "~/projects/my-app",
          "allowedCommands": ["npm", "node", "git", "tsc"],
          "autoApprove": false,
          "maxFileSize": "1MB",
        },
      },
    },
  },
}

browser-automation — 浏览器自动化技能(v2026.4.24 更新)

browser-automation 是 OpenClaw 内置的浏览器自动化技能,让 AI 操控一个隔离的 Chrome/Brave/Edge 浏览器实例。v2026.4.24 对此技能做了重要增强。

核心能力

  • 坐标点击(v2026.4.24 新增) — 支持 click-coords 直接按视口坐标点击,不需要快照中的元素引用
  • 60 秒操作预算 — 默认 actionTimeoutMs 从旧值提升到 60000ms(60 秒),给复杂页面交互更多时间
  • 按配置覆盖 headless 模式 — 每个浏览器 profile 可以独立设置 headless 选项
  • 快照 → 操作 → 重快照 → 恢复 — 内置的多步骤循环,带过期引用自动恢复

配置示例

json5
{
  "browser": {
    "enabled": true,
    "defaultProfile": "openclaw",
    "actionTimeoutMs": 60000,
    "headless": false,
    "profiles": {
      "openclaw": { "cdpPort": 18800 },
      "work": {
        "cdpPort": 18801,
        "headless": true,
      },
    },
  },
}

诊断命令

bash
# 检查浏览器插件、进程、CDP 连接状态
openclaw browser --browser-profile openclaw doctor

obsidian — Obsidian 笔记技能

obsidian 技能让 AI 帮你管理 Obsidian 知识库。

前置条件

需要告诉 OpenClaw 你的 Obsidian Vault 路径:

json5
{
  "skills": {
    "entries": {
      "obsidian": {
        "config": {
          "vaultPath": "~/Documents/MyVault",
          "dailyNotesFolder": "Daily",
          "templatesFolder": "Templates",
        },
      },
    },
  },
}

笔记管理

在 Obsidian 里创建一篇笔记,标题是"TypeScript 泛型学习笔记"
搜索我的 Obsidian 笔记中关于"设计模式"的内容
帮我整理今天的日记
把这段内容添加到"项目计划"笔记里

知识库操作

列出 Obsidian 里所有带 #todo 标签的笔记
查看"读书笔记"文件夹下的所有文件
帮我创建一个 MOC(Map of Content)页面,整理所有编程相关笔记
更新"学习路线图"笔记,添加新的学习目标

双向链接

obsidian 技能理解 Obsidian 的双向链接语法:

创建一篇笔记"React Hooks",并链接到已有的"React 基础"笔记
查找所有链接到"项目 A"的笔记

AI 会自动使用 [[双向链接]] 语法,保持你的知识图谱完整。

技能配置文件详解

每个技能的行为都可以通过配置文件来调整。

全局技能配置

~/.openclaw/openclaw.json 中的 skills 字段:

json5
{
  "skills": {
    // 是否加载 OpenClaw 内置技能(默认 true)
    "allowBundled": true,
    // 从指定路径加载额外技能
    "load": ["~/.openclaw/workspace/skills/*"],
    // 各技能的独立配置
    "entries": {
      "gog": {
        "enabled": true,
        "config": {
          "timezone": "Asia/Shanghai"
        }
      },
      "github": {
        "enabled": true,
        "config": {
          "defaultOrg": "my-org"
        }
      },
      "voice-call": {
        "enabled": false
      }
    }
  }
}

配置字段说明

字段类型说明
allowBundledboolean是否加载内置技能(默认 true)
loadstring[]额外技能的加载路径
installobject从 ClawHub 安装技能的配置
limitsobject技能执行的限制配置
entriesobject各技能的独立配置(enabledapiKeyenvconfig

要禁用某个技能,在 entries 中将其 enabled 设为 false。技能的自定义参数放在 config 子对象中。

Agent 级别的技能配置

每个 Agent 可以有自己的技能配置,覆盖全局设置:

json5
{
  "agents": {
    "list": [
      {
        "id": "coding",
        "workspace": "~/.openclaw/workspace-coding",
        // Agent 级别的 skills 是一个简单的字符串数组
        "skills": ["coding-agent", "github", "gh-issues", "tmux"],
      },
      {
        "id": "office",
        "workspace": "~/.openclaw/workspace-office",
        "skills": ["gog", "slack", "notion", "trello", "summarize"],
      },
    ],
  },

  // 技能的详细配置放在顶层 skills.entries 中
  "skills": {
    "entries": {
      "coding-agent": {
        "config": {
          "workDir": "~/projects",
          "autoApprove": true,
        },
      },
      "gog": {
        "config": {
          "timezone": "Asia/Shanghai",
        },
      },
    },
  },
}

这样,编程 Agent 只加载开发相关技能,办公 Agent 只加载办公相关技能,互不干扰。注意 Agent 级别的 skills 是一个简单的字符串数组,而技能的详细配置(如自定义参数)放在顶层 skills.entries 中。

技能的 SKILL.md(技能的定义文件,用 Markdown 格式编写)文件格式

每个技能目录下的核心文件是 SKILL.md(注意大写)。这是一个 Markdown 文件,AI 会读取它来理解如何执行任务。

SKILL.md 的结构:

markdown
# 技能名称

技能的描述和用途说明。

## 触发条件

描述什么情况下应该激活这个技能。

## 执行步骤

1. 第一步操作
2. 第二步操作
3. ...

## 依赖工具

列出技能需要调用的工具。

## 注意事项

执行时需要注意的约束和边界条件。

OpenClaw 还会自动注入以下 prompt 文件到技能上下文中:

文件用途
AGENTS.mdAgent 角色和行为定义
SOUL.mdAI 人格和沟通风格
TOOLS.md可用工具列表和使用说明

这些文件与 SKILL.md 配合,让 AI 在执行技能时拥有完整的上下文。

⏭️ 小白可跳过 — 这部分面向想创建自定义技能的开发者

自定义技能开发完整教程

这是 OpenClaw 最强大的功能之一。你可以教 AI 新的能力,而且不需要写复杂的代码 — 大部分情况下写 Markdown 就够了。

方法一:用 skill-creator 技能(最简单)

直接告诉 AI:

帮我创建一个技能,用来管理我的读书笔记。
每次我说"记录读书笔记",就创建一个新的 Markdown 文件,
包含书名、作者、日期、关键摘录和我的感想。

AI 会自动使用 skill-creator 技能帮你生成完整的技能文件。

方法二:手动创建(完全控制)

下面我们从零开始创建一个完整的自定义技能:读书笔记管理器

第一步:创建技能目录

bash
mkdir -p ~/.openclaw/workspace/skills/reading-notes
mkdir -p ~/.openclaw/workspace/skills/reading-notes/tools
mkdir -p ~/.openclaw/workspace/skills/reading-notes/examples

目录结构:

~/.openclaw/workspace/skills/reading-notes/
├── SKILL.md          # 技能描述和指令(核心文件)
├── tools/            # 自定义工具(可选)
│   └── reading-stats.ts
└── examples/         # 使用示例(可选)
    └── example.md

第二步:编写 SKILL.md(核心文件)

这是技能的灵魂。AI 会读取这个文件来理解如何执行任务。

markdown
# 读书笔记管理

你是一个读书笔记助手。当用户要求记录读书笔记时,按以下流程操作。

## 触发条件

当用户提到以下关键词时激活:记录读书笔记、读书笔记、我读了一本书、阅读记录、读书

## 依赖工具

- file_read
- file_write
- file_search

## 创建新笔记

1. 询问用户以下信息(如果用户没有主动提供):
   - 书名
   - 作者
   - 评分(1-5 星)
2.`workspace/reading-notes/` 目录下创建 Markdown 文件
3. 文件名格式:`YYYY-MM-DD-书名.md`
4. 使用以下模板:

### 笔记模板

```
# 《{书名}》读书笔记

- **作者**:{作者}
- **阅读日期**:{日期}
- **评分**:{星级}

## 关键摘录

(用户提供的摘录内容)

## 个人感想

(用户的感想)

## 行动项

- [ ] (从书中获得的待办事项)
```

5. 更新 `workspace/reading-notes/INDEX.md` 索引文件
6. 索引文件按评分降序排列

## 查看阅读统计

当用户问"我读了多少书"或"阅读统计"时:

1. 扫描 `workspace/reading-notes/` 目录
2. 统计总数、平均评分、按月分布
3. 返回格式化的统计信息

## 搜索笔记

当用户搜索读书笔记时:

1.`workspace/reading-notes/` 目录中搜索
2. 支持按书名、作者、关键词搜索
3. 返回匹配的笔记列表和摘要

第三步:添加自定义工具(可选)

如果你的技能需要超出内置工具能力的功能,可以写自定义工具。

创建 tools/reading-stats.ts

typescript
import { Tool, ToolInput, ToolOutput } from "@openclaw/sdk";
import * as fs from "fs/promises";
import * as path from "path";

interface StatsInput extends ToolInput {
  notesDir: string;
}

interface BookStats {
  totalBooks: number;
  averageRating: number;
  booksByMonth: Record<string, number>;
  topRated: Array<{ title: string; rating: number }>;
}

export const readingStats: Tool<StatsInput, BookStats> = {
  name: "reading_stats",
  description: "统计读书笔记数据",

  parameters: {
    type: "object",
    properties: {
      notesDir: {
        type: "string",
        description: "读书笔记目录路径",
      },
    },
    required: ["notesDir"],
  },

  async execute(input: StatsInput): Promise<ToolOutput<BookStats>> {
    const { notesDir } = input;

    const files = await fs.readdir(notesDir);
    const mdFiles = files.filter(
      (f) => f.endsWith(".md") && f !== "INDEX.md"
    );

    let totalRating = 0;
    const booksByMonth: Record<string, number> = {};
    const topRated: Array<{ title: string; rating: number }> = [];

    for (const file of mdFiles) {
      const content = await fs.readFile(
        path.join(notesDir, file),
        "utf-8"
      );

      const ratingMatch = content.match(/\*\*评分\*\*:(\d)/);
      const rating = ratingMatch ? parseInt(ratingMatch[1]) : 0;
      totalRating += rating;

      const dateMatch = file.match(/^(\d{4}-\d{2})/);
      if (dateMatch) {
        const month = dateMatch[1];
        booksByMonth[month] = (booksByMonth[month] || 0) + 1;
      }

      const titleMatch = content.match(/# 《(.+?)》/);
      if (titleMatch) {
        topRated.push({ title: titleMatch[1], rating });
      }
    }

    topRated.sort((a, b) => b.rating - a.rating);

    return {
      success: true,
      data: {
        totalBooks: mdFiles.length,
        averageRating:
          mdFiles.length > 0 ? totalRating / mdFiles.length : 0,
        booksByMonth,
        topRated: topRated.slice(0, 10),
      },
    };
  },
};

第四步:添加使用示例(可选但推荐)

创建 examples/example.md

markdown
# 读书笔记技能使用示例

## 示例 1:记录新书

用户:我刚读完《深入理解计算机系统》,作者是 Randal Bryant,给 5 星。
关键摘录:"程序员需要理解计算机系统的全貌,才能写出高效的代码。"
感想:这本书让我对底层原理有了全新的认识。

AI 操作:
1. 创建 workspace/reading-notes/2026-02-25-深入理解计算机系统.md
2. 填入模板内容
3. 更新 INDEX.md

## 示例 2:查看统计

用户:我今年读了多少书?

AI 操作:
1. 扫描 reading-notes 目录
2. 筛选今年的文件
3. 返回统计数据

第五步:测试技能

bash
# 检查技能是否被正确识别
openclaw skills list

# 查看技能详情
openclaw skills info reading-notes

# 检查技能就绪状态
openclaw skills check reading-notes

然后在对话中测试:

记录读书笔记:《代码整洁之道》,作者 Robert C. Martin,5 星

方法三:基于现有技能扩展

你可以复制一个现有技能,然后修改它:

bash
# 复制 obsidian 技能作为模板
cp -r ~/.openclaw/workspace/skills/obsidian ~/.openclaw/workspace/skills/my-notes

# 编辑 SKILL.md,修改为你的需求

工作空间技能会覆盖同名的共享技能,所以你可以用这种方式"魔改"内置技能。

技能的类型与作用域

OpenClaw 的技能分为三种类型:

类型说明来源
bundled(内置)随 OpenClaw 安装的技能,不可修改安装目录
managed(托管)从 ClawHub(OpenClaw 的官方技能市场,类似于手机的应用商店)安装的社区技能,可更新ClawHub
workspace(工作区)用户自己创建的技能~/.openclaw/workspace/skills/

所有用户可编辑的技能都存放在 ~/.openclaw/workspace/skills/<skill-name>/ 目录下,核心文件为 SKILL.md

优先级:workspace 技能 > managed 技能 > bundled 技能

技能的权限管理

技能的权限控制是安全的关键。你不会希望一个天气查询技能能删除你的文件。

权限类型

权限说明风险等级
file_read读取文件
file_write写入文件
file_delete删除文件
shell_exec执行 Shell 命令
network网络访问
auth_access访问认证凭证
memory_write写入记忆文件
memory_read读取记忆文件

权限声明

SKILL.md 中声明需要的权限:

markdown
## 所需权限

- file_read
- file_write

权限审批策略

OpenClaw 通过沙箱系统和审批机制管理工具权限,而不是通过配置文件中的权限字段。

权限控制的实际机制:

  • 沙箱隔离 — 通过 sandbox 配置限制 Agent 的执行环境(详见 10-安全配置指南
  • 审批系统 — 通过 openclaw approvals CLI 管理工具调用的审批策略
  • 安全审计 — 通过 openclaw security audit 检查权限配置是否安全
bash
# 查看当前审批策略
openclaw approvals get

# 安全审计
openclaw security audit

权限管理的核心思路:在 SKILL.md 中声明所需权限(如上一节所示),然后通过沙箱和审批系统在运行时控制实际授权。

运行时权限检查

当技能尝试执行超出声明权限的操作时,OpenClaw 会:

  1. 阻止操作
  2. 通知用户
  3. 记录安全日志
[WARNING] 技能 "weather" 尝试执行 file_write 操作,但未声明该权限。
操作已被阻止。如需授权,请在技能配置中添加 file_write 权限。

技能组合和工作流编排

单个技能已经很强大了,但真正的魔法在于把多个技能组合起来。

自然语言编排

最简单的方式是直接用自然语言描述你想要的工作流:

每天早上 9 点:
1. 用 gog 技能查看今天的日历安排
2. 用 gog 技能检查未读邮件
3. 用 github 技能查看我负责的 PR 和 Issue
4. 把以上信息整理成一份"今日简报"
5. 用 slack 技能发送到 #daily-standup 频道

AI 会自动调用多个技能来完成这个工作流。

定时任务编排

通过 openclaw.jsoncron 字段配置定时任务:

json5
// ~/.openclaw/openclaw.json
{
  "cron": {
    // 启用定时任务
    "enabled": true,
    // 定时任务的存储后端
    "store": "file",
    // 最大并发运行数
    "maxConcurrentRuns": 2,
  },
}

注意: cron 是一个配置对象(包含 enabledstoremaxConcurrentRunsretry 等字段),不是任务数组。具体的定时任务通过 CLI 命令管理:openclaw cron listopenclaw cron addopenclaw cron rm

v2026.5.22 后,定时任务还要关注两个细节:

  • 输出语言:cron prompt 里写清输出语言和格式,否则后台任务可能按模型默认语言回复。
  • HEARTBEAT 处理:需要持续检查的任务要明确“什么情况下继续、什么情况下停止”,避免后台 heartbeat 一直追加无效上下文。

技能链式调用

你可以在自定义技能的 SKILL.md 中引用其他技能:

markdown
# 项目周报生成器

当用户要求生成项目周报时,按以下步骤执行。

## 触发条件

当用户提到以下关键词时激活:项目周报、生成周报

## 依赖技能

- github
- gog
- obsidian

1. **收集 GitHub 数据**(使用 github 技能)
   - 本周合并的 PR 列表
   - 本周关闭的 Issue 列表
   - 本周的代码提交统计

2. **收集日历数据**(使用 gog 技能)
   - 本周的会议列表
   - 重要邮件摘要

3. **生成报告**
   - 整合以上数据
   - 按"完成项 / 进行中 / 下周计划"分类
   - 生成 Markdown 格式的周报

4. **保存报告**(使用 obsidian 技能)
   - 保存到 Obsidian 的"周报"文件夹
   - 文件名:YYYY-WXX-周报.md

条件分支

技能指令中可以包含条件逻辑:

markdown
## 处理邮件

当收到新邮件时:

- 如果是会议邀请 → 检查日历冲突,自动回复接受或建议其他时间
- 如果是 GitHub 通知 → 提取 PR/Issue 信息,更新项目看板
- 如果是客户邮件 → 标记为重要,生成回复草稿等待确认
- 其他邮件 → 分类归档

技能市场和社区技能

ClawHub 技能市场

ClawHub(clawhub.ai)是 OpenClaw 的官方技能注册表和市场。截至 2026 年 4 月,平台上已有 52,700+ 工具(含技能和插件)、180k 用户1200 万次下载。你可以在上面:

  • 浏览和搜索社区发布的技能
  • 查看技能的详细说明、评分和使用量
  • 一键安装技能到本地
  • 发布自己创建的技能供他人使用

安装社区技能

从 ClawHub 安装的技能属于 managed(托管)类型,会被安装到 ~/.openclaw/workspace/skills/ 目录下。

bash
# 从 ClawHub/市场安装(推荐用 openclaw skills)
openclaw skills install skill-name

# 从 GitHub 安装
openclaw skills install github:username/skill-name

# 从本地文件安装
openclaw skills install /path/to/skill-directory

# 安装特定版本
openclaw skills install skill-name@1.2.0

浏览技能市场

bash
# 搜索技能
openclaw skills search "jira"

# 按分类浏览
openclaw skills search --category dev
openclaw skills search --category office

# 查看热门技能
openclaw skills search --sort popular

发布你的技能

如果你创建了一个好用的技能,可以分享给社区:

bash
# 登录 ClawHub(发布前需要认证)
clawhub login

# 发布到 ClawHub
clawhub publish ./my-skill --slug my-skill --name "My Skill"

发布前的检查清单:

  • SKILL.md 有完整的技能描述(名称、用途、触发条件、执行步骤)
  • 包含使用示例(examples/ 目录)
  • 权限声明准确(不要申请不需要的权限)
  • 没有硬编码的路径或凭证

管理已安装技能

bash
# 更新技能
openclaw skills update

# 查看详情 / 其他管理能力
# 以 `openclaw skills --help` 和当前 CLI 文档为准

⏭️ 小白可跳过 — 这部分面向需要排查技能问题的开发者

技能调试和测试

调试模式

开发技能时,开启调试模式可以看到详细的执行过程。

~/.openclaw/openclaw.json 中开启日志调试:

json5
{
  "logging": {
    "level": "debug",
  },
}

开启后,你会在日志中看到:

[SKILL] Matching triggers for message: "记录读书笔记"
[SKILL] Matched skill: reading-notes (trigger: "记录读书笔记")
[SKILL] Loading skill instructions: workspace/skills/reading-notes/SKILL.md
[SKILL] Injecting skill into system prompt (tokens: 450)
[SKILL] Tool call: file_write -> workspace/reading-notes/2026-02-25-代码整洁之道.md
[SKILL] Tool call: file_read -> workspace/reading-notes/INDEX.md
[SKILL] Tool call: file_write -> workspace/reading-notes/INDEX.md
[SKILL] Skill execution complete

技能验证工具

bash
# 查看技能是否被正确识别
openclaw skills list

# 查看技能详情
openclaw skills info my-skill

# 检查技能就绪状态(依赖工具是否可用等)
openclaw skills check my-skill

常见调试技巧

技能没有被触发?

  1. 检查 triggers 关键词是否匹配
  2. 确认技能的 enabled 没有被设为 false(在 skills.entries 中检查)
  3. 查看是否有更高优先级的技能抢先匹配
bash
# 查看技能详情,确认触发条件
openclaw skills info reading-notes

技能执行出错?

  1. 开启 debug 日志级别
  2. 检查工具权限是否正确声明
  3. 确认依赖的外部工具已安装(如 ghffmpeg

技能指令被 AI 误解?

  1. SKILL.md 中使用更明确的指令
  2. 添加更多示例(examples/ 目录)
  3. 使用编号步骤而不是模糊描述

⏭️ 小白可跳过 — 这部分面向想开发复杂技能的高级用户

高级技能开发模式

多步骤交互技能

有些技能需要跟用户多轮对话才能完成任务:

markdown
# 旅行规划助手

当用户提到"规划旅行"或"旅行计划"时激活。

## 信息收集阶段

按以下顺序收集信息(如果用户没有一次性提供):

1. **目的地** — "你想去哪里?"
2. **日期** — "什么时候出发?玩几天?"
3. **预算** — "大概预算多少?"
4. **偏好** — "喜欢什么类型的活动?(美食/文化/自然/购物)"

## 规划阶段

收集完信息后:

1. 搜索目的地的热门景点和活动
2. 根据天数安排每日行程
3. 考虑交通和距离,优化路线
4. 根据预算推荐住宿和餐厅

## 输出格式

生成一份完整的旅行计划,包含:
- 每日行程(时间 + 地点 + 活动)
- 预估费用明细
- 实用贴士(天气、交通、注意事项)
- 保存到 workspace/travel-plans/ 目录

带状态的技能

有些技能需要在多次对话之间保持状态:

markdown
# 习惯追踪器

当用户提到"打卡"、"习惯追踪"或"今天完成了"时激活。

## 状态文件

使用 `workspace/habits/tracker.json` 存储追踪数据。

## 打卡流程

1. 读取 `tracker.json` 获取当前习惯列表
2. 如果用户说"打卡 [习惯名]",更新对应习惯的今日状态
3. 计算连续天数
4. 返回鼓励信息和统计

## 数据格式

tracker.json 结构:

{
  "habits": [
    {
      "name": "早起",
      "created": "2026-01-01",
      "records": {
        "2026-02-24": true,
        "2026-02-25": true
      },
      "streak": 2
    }
  ]
}

## 统计报告

当用户问"习惯统计"时,生成:
- 每个习惯的完成率
- 最长连续天数
- 本周/本月完成情况

技能与 MCP 服务器集成

如果你的技能需要访问外部 API,可以通过 MCP 服务器来实现:

json
{
  "mcpServers": {
    "jira": {
      "command": "npx",
      "args": ["-y", "@openclaw/mcp-jira"],
      "env": {
        "JIRA_URL": "https://your-company.atlassian.net",
        "JIRA_TOKEN": "${JIRA_TOKEN}"
      }
    }
  }
}

然后在技能的 SKILL.md 中引用 MCP 提供的工具:

markdown
## 依赖工具

- jira_search
- jira_create_issue
- jira_update_issue

技能模板系统

对于需要生成固定格式输出的技能,可以使用模板:

~/.openclaw/workspace/skills/my-skill/
├── SKILL.md
└── templates/
    ├── daily-report.md
    ├── weekly-report.md
    └── meeting-notes.md

SKILL.md 中引用模板:

markdown
## 生成日报

使用 `templates/daily-report.md` 模板,填入以下变量:
- {date} — 当前日期
- {tasks} — 今日完成的任务
- {blockers} — 遇到的阻碍
- {tomorrow} — 明日计划

⏭️ 小白可跳过 — 这部分面向插件开发者

Meeting Notes / Transcripts 外部插件(v2026.5.27 基线)

v2026.5.22 首先把 Meeting Notes 外部插件带入语音会议场景;v2026.5.26 / v2026.5.27 又把 transcript 路径做成更核心的能力:会议摘要、source-provider chunks、清洗后的用户轮次、媒体 provenance、Codex mirrors、WebChat replies 和 CLI/TUI replay 都会更依赖同一套 transcript-backed 数据。写技能时不要只抓聊天窗口最后一条回复,会议、语音、WebChat 和 Codex mirror 场景都应优先找 transcript / source-provider 证据。

Meeting Notes 是这一轮更新里更适合“会议 → 纪要 → 后续动作”的外部插件路径。它和普通技能不同:它更偏 source-only 工作流,先接收 live source 或 transcript,再把内容交给 Agent 总结。

推荐使用边界:

场景建议
Discord voice live source先确认频道授权和参会人同意
手动导入 transcript标注来源、时间和会议主题
生成纪要输出待办、决策、风险,而不是直接代替人工发布
写入文档或消息平台需要人工确认后再提交

如果当前 CLI 暴露了 meeting-notes 相关命令,先用只读方式查看帮助和可用 source:

bash
openclaw meeting-notes --help

Plugin SDK 与 Skill Workshop 兼容补充(v2026.6.1)

v2026.6.1 之后,排查技能和插件要同时看 Plugin SDK、Skill Workshop 和运行时索引。v2026.5.27 的 plugin compatibility diagnostics、approval action metadata、display metadata、tool-search catalog 和 metadata fingerprint 仍然有用;v2026.6.1 又补充了 Skill Workshop 的 proposal / review / rollback 流程、插件安装索引 SQLite 持久化、disabled skill stale snapshot 处理和更清楚的 loader failure 提示。排查“技能/插件没被搜到”时,先看 compatibility diagnostics、metadata cache、Skill Workshop 状态和 disabled snapshot,而不是立刻怀疑触发词写错。

开发插件时不要只看 “能不能加载”。这一轮还需要检查:

  • allowlist imports 是否按 SDK 要求声明,避免运行时隐式依赖。
  • plugin fallback override 是否只作用在目标插件,不要改变全局模型策略。
  • embeddingProviders capability contract 是否在 manifest 中声明,避免向量检索能力在不同运行时表现不一致。

Plugin SDK 迁移:Tool-Result Transforms(v2026.4.24 破坏性变更)

⚠️ 如果你从未开发过 OpenClaw 捆绑插件,可以跳过本节。 这只影响使用 Tool-Result Transforms 的捆绑插件作者。

变更内容

v2026.4.24 移除了 Pi 运行时专用的 api.registerEmbeddedExtensionFactory(...) 兼容路径。所有 Tool-Result Transforms 必须迁移到 api.registerAgentToolResultMiddleware(...)

为什么改

旧的 registerEmbeddedExtensionFactory 有三个问题:

  1. Pi 运行时专用,Codex app-server 不支持
  2. 直接访问高信任工具输出,安全边界不清晰
  3. 耦合实现细节而非稳定契约

迁移步骤

旧写法(已移除):

typescript
// 不再支持
api.registerEmbeddedExtensionFactory(async (event) => {
  return compactToolResult(event);
});

新写法:

typescript
api.registerAgentToolResultMiddleware(async (event) => {
  return compactToolResult(event);
}, {
  runtimes: ["pi", "codex"],
});

同时更新插件 manifest,声明 contracts:

json
{
  "contracts": {
    "agentToolResultMiddleware": ["pi", "codex"]
  }
}

迁移清单

  1. 删除所有 api.registerEmbeddedExtensionFactory(...) 调用
  2. 替换为 api.registerAgentToolResultMiddleware(handler, { runtimes })
  3. 在插件 manifest 中添加 contracts.agentToolResultMiddleware 声明
  4. 在所有目标运行时上测试
  5. 移除 Pi-only 条件逻辑 — 新 API 通过 runtimes 数组处理运行时差异

注意: 外部插件不能注册 tool-result middleware,因为它可以在模型看到工具输出之前重写内容。只有捆绑插件可以使用此能力。

插件启动性能优化(v2026.4.22)

v2026.4.22 引入了原生 Jiti 加载机制,捆绑插件的启动加载时间减少了 82-90%

主要优化:

  • 捆绑插件优先使用预编译的 dist 模块,而非运行时 TypeScript 转换
  • 预规范化的 Jiti 别名映射,消除每插件的启动规范化开销
  • 惰性加载 doctor 插件路径,doctor --non-interactive 运行时间减少约 74%
  • 静态模型目录取代运行时加载,manifest 驱动的模型行减少提供商依赖激活

这些改进是自动生效的,不需要配置变更。

工坊:把一个重复工作写成可维护技能

很多人第一次写 Skill,会从“我想让 AI 更懂我”开始。这个想法太大,最后容易写成一段很长的系统提示词。更稳的做法是从一个重复动作开始:你已经做过三次、步骤相对固定、结果格式也相对固定的事情,就适合做成 Skill。

下面用“消息分拣摘要”做一个完整练习。假设你经常从 Telegram、Discord 或 WebChat 收到一批用户反馈,希望 OpenClaw 帮你按 bug、需求、疑问、噪音分组,并把可跟进项写成 Markdown 文件。

先不要急着写 SKILL.md。先把这个工作拆成四句话:

问题本例答案
什么时候触发?用户说“整理反馈”“分拣消息”“生成反馈摘要”
输入是什么?一段聊天记录、若干消息链接,或用户直接粘贴的文本
输出是什么?一个 Markdown 摘要,包含分类、优先级、跟进动作
不做什么?不自动回复用户,不直接创建外部工单,不写入敏感信息

创建目录:

bash
mkdir -p ~/.openclaw/workspace/skills/feedback-triage/examples

写入技能定义:

markdown
# feedback-triage

当用户要求“整理反馈”“分拣消息”“生成反馈摘要”“把这些消息分类”时激活。

## 工作流程

1. 先确认用户提供了消息内容;如果没有,询问消息来源或让用户粘贴文本。
2. 逐条阅读消息,保留原始含义,不替用户扩写投诉。
3. 按 bug、需求、疑问、表扬、噪音分类。
4. 对 bug 和需求提取可跟进动作。
5. 如果消息里出现 token、手机号、邮箱、订单号等敏感信息,输出时做脱敏。
6. 生成 Markdown 摘要,保存到 `workspace/feedback/YYYY-MM-DD-feedback.md`

## 输出格式

- 今日概览
- 分类列表
- 需要跟进的事项
- 需要人工确认的信息
- 原始消息引用位置

## 边界

- 不自动向消息平台发送回复。
- 不创建 GitHub Issue 或外部工单,除非用户再次明确要求。
- 不保存未脱敏的敏感信息。

再补一个例子,让模型知道你要的颗粒度:

markdown
# examples/telegram-feedback.md

用户输入:

请整理这些反馈:
- 登录后一直转圈
- 能不能支持 Slack?
- 我觉得新版本速度快了
- sk-proj-xxxx 这个 key 是不是错了?

期望输出:

## 今日概览

共 4 条反馈,其中 bug 1 条、需求 1 条、表扬 1 条、敏感信息 1 条。

## 需要跟进的事项

1. 登录后一直转圈
   - 类型:bug
   - 需要补充:系统、浏览器、OpenClaw 版本、日志片段

2. 支持 Slack
   - 类型:需求
   - 需要确认:是消息接入、通知推送,还是团队协作频道

## 需要人工确认的信息

- 第 4 条包含疑似 API Key,输出中已脱敏,不写入长期记忆。

检查技能是否被 OpenClaw 识别:

bash
openclaw skills list
openclaw skills check feedback-triage

然后在 WebChat 或 CLI 里发一句真实请求:

text
帮我整理这些反馈:登录失败、希望支持 Slack、文档里 Docker 部署看不懂。

如果输出太散,不要马上改触发词。先改 输出格式边界。触发词负责“什么时候进来”,工作流程负责“进来之后怎么做”,示例负责“结果长什么样”。这三件事分开调,技能会稳定很多。

技能生命周期:从临时提示词到团队资产

一个好技能通常不是一次写成的。它会经历几个阶段:

阶段典型形态适合做什么
临时提示词用户在对话里写一段步骤验证这个流程是否真的重复出现
本地 Skillworkspace/skills/<name>/SKILL.md固化个人工作习惯
Agent 绑定 Skill在某个 Agent 配置中启用让客服、开发、运维等工作线各自拥有专属能力
Managed Skill通过市场或团队统一安装多个 Agent / 多台机器复用同一版本
归档 Skill禁用但保留历史流程过时、外部工具停用、权限变更

判断一个临时提示词是否值得升级成 Skill,可以看三个信号:

  1. 你已经复制粘贴同一段提示词超过三次。
  2. 输出格式开始影响后续工作,比如会被提交到仓库、发到群里或进入周报。
  3. 流程里出现了工具调用、文件写入、消息读取或敏感信息处理。

升级时不要把所有细节塞进一章。建议把 Skill 拆成四个小文件:

text
feedback-triage/
├── SKILL.md              # 触发条件、流程、边界
├── examples/
│   ├── short-feedback.md
│   └── noisy-thread.md
├── templates/
│   └── feedback-report.md
└── README.md             # 给人看的维护说明

SKILL.md 面向 Agent,应该短、清楚、可执行。README.md 面向人,记录这个技能为什么存在、适合什么场景、维护时要注意什么。两者不要混在一起,否则 Skill 会越来越像项目文档,模型真正需要执行的步骤反而被淹没。

触发失败排查:为什么技能没有被加载

技能没有触发时,常见原因不是 OpenClaw 坏了,而是触发词、作用域、优先级、依赖工具其中一处没对上。

先看列表:

bash
openclaw skills list

如果技能不在列表里,检查目录名和文件名:

text
~/.openclaw/workspace/skills/feedback-triage/SKILL.md

如果技能在列表里,但没有响应,查看详情:

bash
openclaw skills info feedback-triage

重点看三件事:

现象可能原因调整方式
完全不触发触发词太窄增加自然说法,例如“整理反馈”“分拣消息”
总是误触发触发词太宽避免“总结”“处理”这类泛词
触发了但做错流程不清楚把步骤拆成编号动作
做到一半失败缺工具或缺权限openclaw skills check 看依赖
另一个技能抢先响应技能边界重叠调整名称、触发词和 Agent 作用域

开启详细日志后,再复现一次:

bash
openclaw gateway --verbose

你要找的是类似这样的链路:

text
[SKILL] Matching triggers for message: "整理这些用户反馈"
[SKILL] Matched skill: feedback-triage
[SKILL] Loading skill instructions: workspace/skills/feedback-triage/SKILL.md

如果日志只出现了 Matching,没有 Matched,问题在触发词。如果 Matched 之后工具调用失败,问题在依赖或权限。如果工具调用成功但输出不对,问题在 Skill 的执行步骤或示例。

权限边界:让技能刚好够用

Skill 最容易被写坏的地方,是一开始就给太多能力。一个整理反馈的技能,不需要发布消息;一个读书笔记技能,不需要访问 GitHub;一个截图技能,不需要读取整个 home 目录。

给技能设计权限时,按这个顺序想:

  1. 这个技能需要读哪些输入?
  2. 它需要写到哪里?
  3. 它会不会触达外部平台?
  4. 它有没有机会看到 token、私聊、订单、客户资料?
  5. 如果模型误解了用户意图,最坏会发生什么?

feedback-triage 为例,更稳的边界是:

markdown
## 边界

- 可以读取用户提供的消息文本。
- 可以写入 `workspace/feedback/`
- 不主动读取私聊历史,除非用户提供消息内容或链接。
- 不向 Telegram、Discord、Slack 自动发送回复。
- 不创建外部 issue,不修改项目代码。
- 发现敏感信息时,只输出脱敏摘要。

如果某个 Skill 需要调用外部工具,把外部动作拆成“生成草稿”和“执行提交”两步。第一步让 Agent 起草,第二步由用户确认后再调用工具。这样既保留效率,也避免技能在错误上下文里直接把结果发出去。

更新事故恢复:技能变差时怎么退回来

技能不是越改越好。有时你加了很多规则,模型反而变得犹豫;有时你把触发词写宽,结果普通对话也被技能接管。遇到这种情况,先止损,再慢慢查。

临时禁用:

json5
{
  "skills": {
    "entries": {
      "feedback-triage": {
        "enabled": false,
      },
    },
  },
}

如果是市场安装的版本,可以搜索并安装旧版本:

bash
openclaw skills search "feedback-triage"
openclaw skills install feedback-triage@1.0.0

如果是本地 Skill,最简单的保护方式是把技能目录纳入 Git:

bash
cd ~/.openclaw/workspace/skills
git init
git add feedback-triage
git commit -m "skill: feedback triage baseline"

以后每次大改之前提交一次。出问题时,你不用凭感觉回忆改了什么,可以直接对比:

bash
git diff HEAD~1 -- feedback-triage/SKILL.md

恢复后,再用三条真实消息重跑一次:一条正常触发、一条边界情况、一条不应该触发的普通对话。你要看的不是“模型是否听话”,而是这个技能有没有把任务范围收住。

三个可直接复用的技能蓝图

下面三个蓝图都适合照着改成本地 Skill。它们覆盖了 OpenClaw 里最常见的三类使用:整理信息、生成工作产物、保护边界。

蓝图一:Issue 分拣助手

适合开源项目、内部工具、客服反馈。

markdown
# issue-triage

当用户要求“整理 issue”“分拣反馈”“把这些 bug 分类”时激活。

## 工作流程

1. 读取用户提供的 issue 标题、正文和评论。
2. 判断类型:bug、feature、question、docs、duplicate、invalid。
3. 提取复现步骤、期望行为、实际行为、环境信息。
4. 如果信息不足,列出需要补充的问题。
5. 生成 Markdown 摘要,不直接关闭 issue。

## 输出

- 分类
- 严重程度
- 缺失信息
- 建议下一步

蓝图二:版本发布笔记助手

适合把 commit、PR、手写更新记录整理成 changelog。

markdown
# release-notes

当用户要求“生成发布说明”“整理 changelog”“总结本周更新”时激活。

## 工作流程

1. 收集用户提供的变更列表。
2. 按 Added、Changed、Fixed、Security 分类。
3. 把内部实现细节改写成用户能理解的语言。
4. 保留破坏性变更和迁移提醒。
5. 输出 Markdown,不自动发布。

## 边界

- 不编造版本号。
- 不声称某功能已经发布,除非输入中明确出现。
- 不删除安全提醒。

蓝图三:会议纪要整理助手

适合 Meeting Notes / transcript 场景,也适合手动粘贴会议记录。

markdown
# meeting-summary

当用户提供会议记录并要求“整理纪要”“提取待办”“总结会议”时激活。

## 工作流程

1. 识别会议主题、时间、参与方。
2. 提取已达成的决定。
3. 提取待办事项,保留负责人原文;如果负责人不明确,标记为“待确认”。
4. 提取风险和未解决问题。
5. 输出一份可复制到文档中的 Markdown。

## 边界

- 不替参会人补承诺。
- 不把未确认讨论写成最终决定。
- 不输出完整逐字稿,除非用户要求。

这三个蓝图都故意把“外部动作”留在用户确认之后。Skill 的第一价值是把重复判断变成稳定流程,不是把所有事情都自动化。

常见问题

Q1:技能安装失败怎么办?

bash
# 检查技能就绪状态
openclaw skills check skill-name

# 带详细输出重试安装
openclaw skills install skill-name --verbose

Q2:如何禁用某个技能?

~/.openclaw/openclaw.jsonskills.entries 中将其 enabled 设为 false

json5
{
  "skills": {
    "entries": {
      "voice-call": {
        "enabled": false,
      },
      "camsnap": {
        "enabled": false,
      },
    },
  },
}

Q3:自定义技能和内置技能冲突怎么办?

工作空间技能优先级最高。如果你在 ~/.openclaw/workspace/skills/ 下创建了一个跟内置技能同名的技能,你的版本会覆盖内置版本。

如果想恢复内置版本,删除工作空间中的同名技能即可。

⏭️ 小白可跳过 — 这部分面向需要优化技能性能的开发者

Q4:技能太多会影响性能吗?

不会。OpenClaw 只会加载跟当前消息相关的技能,不是把所有技能都塞进上下文。但如果你的 triggers 设置得太宽泛,可能会导致不相关的技能被误触发,浪费 token。

建议:

  • 给每个技能设置精确的 triggers
  • 在 Agent 配置中用 skills 字符串数组只加载需要的技能
  • 定期清理不用的技能

Q5:技能可以访问其他 Agent 的数据吗?

默认不能。每个 Agent 的工作空间是隔离的。如果需要跨 Agent 共享数据,可以将技能安装为 managed 类型(通过 ClawHub / 市场),这样多个 Agent 都可以使用同一个技能。

Q6:如何回滚技能更新?

bash
# 先搜索技能名称
openclaw skills search "skill-name"

# 安装特定版本(回滚)
openclaw skills install skill-name@1.0.0

Q7:技能开发的最佳实践是什么?

  1. 指令要具体 — 不要写"处理邮件",要写"搜索今天的未读邮件,按发件人分组,生成摘要"
  2. 步骤要编号 — AI 更容易按编号步骤执行
  3. 提供示例examples/ 目录里的示例能显著提高 AI 的执行准确率
  4. 权限最小化 — 只申请真正需要的权限
  5. 错误处理 — 在指令中说明异常情况怎么处理(比如"如果找不到文件,提示用户创建")
  6. 保持简洁 — 一个技能做一件事,不要把太多功能塞进一个技能

下一步

技能系统掌握了!去 07. 记忆系统 了解 AI 如何记住你!


从真实任务出发,把 AI 用成可复用的能力。