一次性说清 Skills 是什么，从0到1

预计阅读时间：12 分钟

摘要

Skills 是 AI 助理的能力扩展包，让你无需编程就能定制专属功能。本文从概念到实战，带你完整理解 Skills 的工作原理、创建流程和使用场景，帮你打造真正懂你的 AI 助理。

正文

“如果给你的 AI 助理装上一个新技能，你最想让它学会什么？”

先别急着回答。花 30 秒想想：

• 你有没有重复做过某件事，心里嘀咕”这要是能自动就好了”？
• 你有没有希望过某个 APP 能多一个功能，但官方永远不更新？
• 你有没有想过，为什么有些 AI 助理只能聊天，有些却能帮你订机票、查天气、发朋友圈？

如果你点头了，那你已经摸到了 Skills 的门槛。

今天这篇文章，我要带你从零开始，彻底搞懂 Skills 是什么、它能做什么、以及你如何用它打造真正属于自己的 AI 助理。

不绕弯子，不堆术语，咱们一层一层剥开看。

一、Skills 到底是什么？

1.1 一个类比

想象你刚买了一台智能手机。

刚开箱时，它只能打电话、发短信——这是它的基础能力。

但你想拍照，于是装了相机 APP；你想导航，于是装了地图 APP；你想点外卖，于是装了美团……

每装一个 APP，你的手机就多了一个技能。

Skills 之于 AI 助理，就像 APP 之于智能手机。

没有 Skills 的 AI，只是一个会聊天的语言模型。有了 Skills，它才能：

• 帮你查天气
• 替你发微信
• 自动整理邮件
• 监控服务器状态
• 甚至控制你家里的摄像头

1.2 官方定义

在 OpenClaw 的体系里，Skill（技能） 是一个独立的功能模块，它定义了 AI 助理在特定场景下可以执行的操作。

每个 Skill 包含：

• 触发条件：什么情况下启用这个技能
• 执行逻辑：具体要做什么
• 工具调用：需要用到哪些 API 或命令
• 输出格式：结果如何呈现给用户

听起来很技术？别怕，后面我会用例子让你彻底明白。

1.3 为什么需要 Skills？

你可能会问：”AI 模型本身不是很强大吗？为什么还要额外加 Skills？”

好问题。

因为语言模型有边界。

GPT、Claude、Qwen 这些大模型，它们的训练数据有截止日期，它们无法访问实时信息，它们不能直接操作你的设备，它们不知道你的私人数据。

换句话说：模型知道全世界的事，但不知道你此刻的事。

Skills 就是用来填补这个gap的桥梁。

• 模型不知道今天的天气？→ 加一个天气 Skill，调用实时 API
• 模型不能发微信？→ 加一个微信 Skill，对接消息接口
• 模型看不到你的文件？→ 加一个文件读取 Skill，授权访问 workspace

Skills 让通用模型变成专属助理。

二、Skills 是如何工作的？

2.1 核心架构

让我们拆开看 Skills 的内部结构。

一个典型的 Skill 由以下部分组成：

skill-name/├── SKILL.md          # 技能说明文档（核心）├── references/       # 参考资源（可选）├── scripts/          # 执行脚本（可选）└── assets/           # 静态资源（可选）

其中 SKILL.md 是最重要的文件，它告诉 AI：

• 这个技能是做什么的
• 什么时候应该使用它
• 具体如何执行

2.2 工作流程

当一个 Skill 被触发时，会发生什么？

用户请求 → AI 识别意图 → 匹配 Skill → 执行逻辑 → 返回结果

举个例子：

用户说：”帮我查一下上海今天的天气”

AI 的处理流程：

1. 理解意图：用户想查天气
2. 匹配 Skill：找到 weather 技能
3. 读取 SKILL.md：了解如何调用天气 API
4. 执行：调用 wttr.in 或 Open-Meteo
5. 返回：把天气信息格式化后告诉用户

整个过程在几秒内完成，用户感知到的只是”AI 帮我查了天气”。

2.3 技能发现机制

AI 怎么知道有哪些 Skills 可用？

在 OpenClaw 中，有一个 available_skills 列表，每次会话启动时都会加载。

这个列表告诉 AI：

<available_skills><skill><name>weather</name><description>获取天气信息</description><location>~/skills/weather/SKILL.md</location></skill><skill><name>wechat-auto-reply</name><description>微信自动回复</description><location>~/skills/wechat-auto-reply/SKILL.md</location></skill>  ...</available_skills>

AI 会根据你的请求，自动选择最匹配的 Skill 来执行。

三、从零开始：创建一个 Skill

好了，理论讲够了。咱们来点实际的。

假设你想让 AI 帮你自动发送每日提醒，比如每天早上 9 点提醒你喝水、站起来活动一下。

这个功能现有的 Skills 里没有，那我们就自己创建一个。

3.1 第一步：确定需求

先问自己几个问题：

• 触发条件：什么情况下执行？（定时？关键词触发？）
• 执行内容：具体要做什么？（发消息？调用 API？）
• 目标渠道：结果发送到哪里？（微信？Telegram？邮件？）
• 频率限制：多久执行一次？（避免骚扰）

想清楚这些，再动手。

3.2 第二步：创建目录结构

在你的 workspace 下创建技能目录：

mkdir -p ~/.openclaw/workspace/skills/daily-remindercd ~/.openclaw/workspace/skills/daily-reminder

3.3 第三步：编写 SKILL.md

这是核心文件。我来给你写一个模板：

# daily-reminder - 每日提醒技能## 功能描述在指定时间发送自定义提醒消息到指定渠道。## 触发条件- 用户明确请求发送提醒- cron 定时任务触发## 使用方法1. 手动触发：`提醒我下午 3 点开会`2. 自动触发：配置 cron 任务## 配置项-`channel`: 发送渠道（wechat/telegram/email）-`message`: 提醒内容-`time`: 提醒时间## 依赖- message 工具（用于发送消息）- cron 工具（用于定时任务）## 注意事项- 避免过于频繁的提醒- 尊重用户的免打扰时间

3.4 第四步：实现执行逻辑

根据技能复杂度，你可以：

• 简单技能：直接在 SKILL.md 中描述逻辑，让 AI 调用现有工具
• 复杂技能：在 scripts/ 目录下写脚本，SKILL.md 负责调用

对于每日提醒，我们可以用 OpenClaw 的 cron 工具来实现定时任务：

# 添加一个每天 9 点执行的 cron 任务openclaw cron add --schedule "0 9 * * *" --command"发送提醒消息"

3.5 第五步：注册技能

在 OpenClaw 的配置中，将新技能添加到 available_skills 列表。

或者，更简单的方式：把技能放在标准的 skills 目录下，系统会自动发现。

3.6 第六步：测试

创建完技能后，一定要测试：

用户：提醒我下午 3 点开会AI：[应该调用 daily-reminder 技能，设置提醒]

如果 AI 没有正确识别，检查 SKILL.md 的描述是否清晰。

四、Skills 的高级用法

4.1 技能组合

单个技能可能功能有限，但组合起来就很强大。

比如：

• weather + message = 每天早上发送天气提醒
• calendar + message = 会议前自动发送提醒
• healthcheck + cron = 定期安全巡检并报告

思考：你现有的哪些需求，可以通过组合现有 Skills 来实现？

4.2 条件触发

Skills 不一定每次都要执行。你可以设置条件：

## 触发条件仅在以下情况执行：- 用户在线状态为 active- 当前时间在工作时间（9:00-18:00）- 距离上次执行超过 1 小时

这样可以避免过度打扰。

4.3 技能市场

OpenClaw 有一个技能市场 ClawHub（clawhub.com），你可以在上面：

• 发现别人创建的技能
• 安装现成的技能到你的环境
• 分享你自己创建的技能

这就像 APP Store，让技能生态可以成长。

4.4 技能版本管理

当你的技能迭代时，注意版本管理：

skills/daily-reminder/├── v1/├── v2/└── latest → v2

或者使用 Git 管理技能目录，方便回滚和协作。

五、常见问题与最佳实践

5.1 技能命名规范

• 使用小写字母和连字符：daily-reminder ✅
• 避免空格和特殊字符：daily reminder ❌
• 名称要直观反映功能

5.2 SKILL.md 写作技巧

• 描述要具体：不要写”处理消息”，要写”接收微信消息并自动回复”
• 边界要清晰：说明什么情况下不应该使用这个技能
• 示例要丰富：给出用户可能说的典型请求

5.3 安全注意事项

⚠️ 重要提醒：

• 不要创建会泄露隐私数据的技能
• 对外部 API 的调用要有限流和错误处理
• 涉及资金、账号的操作要二次确认
• 定期审计已安装的技能

5.4 性能优化

• 避免技能之间的循环调用
• 耗时操作使用后台执行（background）
• 缓存频繁访问的数据
• 限制并发执行数量

六、实战案例：从想法到上线

让我们完整走一遍创建一个实用技能的过程。

场景

你希望 AI 能帮你自动整理每天收到的重要消息，并在晚上 8 点生成一份摘要发送到你的微信。

步骤 1：需求分析

• 输入：当天所有消息记录
• 处理：筛选重要消息（关键词匹配 + AI 摘要）
• 输出：格式化摘要发送到微信
• 触发：每天 20:00 自动执行

步骤 2：创建技能目录

mkdir -p ~/.openclaw/workspace/skills/message-digestcd ~/.openclaw/workspace/skills/message-digest

步骤 3：编写 SKILL.md

# message-digest - 消息摘要技能## 功能描述自动收集当天的消息记录，筛选重要内容，生成摘要并发送给用户。## 触发条件- 定时任务触发（每日 20:00）- 用户手动请求（"生成今天的消息摘要"）## 执行流程1. 获取当天消息历史（sessions_history）2. 筛选重要消息（关键词：会议、提醒、截止、紧急）3. 调用 AI 生成摘要4. 通过 message 工具发送到微信## 配置项- `digest_time`: 摘要生成时间（默认 20:00）-`keywords`: 重要消息关键词列表-`channel`: 发送渠道## 依赖工具- sessions_history- message- sessions_list

步骤 4：配置定时任务

openclaw cron add \  --name "daily-message-digest" \  --schedule "0 20 * * *" \  --payload '{"kind": "agentTurn", "message": "生成今天的消息摘要"}'

步骤 5：测试与迭代

• 手动触发一次，检查摘要质量
• 调整关键词列表，减少噪音
• 优化摘要格式，提高可读性

步骤 6：分享（可选）

如果你觉得这个技能对别人也有用，可以发布到 ClawHub：

clawhub publish ./message-digest

七、进阶思考：Skills 的边界在哪里？

写到这儿，我想请你思考几个问题：

问题 1：什么不应该做成 Skill？

不是所有功能都适合 Skills 化。

• 一次性任务：写个脚本就行，没必要封装成 Skill
• 过于复杂的工作流：可能需要独立应用而非 Skill
• 涉及核心安全的功能：要谨慎评估风险

判断标准：这个功能是否会被重复使用？是否值得标准化？

问题 2：Skills 会让 AI 变得”太强大”吗？

这是一个值得思考的伦理问题。

当你的 AI 助理可以：

• 自动发消息给任何人
• 访问你的所有文件
• 操作你的各种账号

你如何确保它不会被滥用？

我的建议：

• 敏感操作要人工确认
• 定期审计已安装的技能
• 最小权限原则：只给必要的访问权限

问题 3：未来 Skills 会如何演进？

我预测几个趋势：

1. 技能市场会成熟：像 APP Store 一样，形成完整的生态
2. 技能会变得更智能：AI 自动选择、组合、优化技能
3. 跨平台技能：一个技能可以在多个 AI 助理平台运行
4. 可视化创建：无需写代码，拖拽式创建技能

八、动手时间：你的第一个 Skill

读到这里，你应该已经对 Skills 有了完整的理解。

现在，我给你留一个作业：

创建一个属于你自己的 Skill。

它可以是：

• 一个每日习惯提醒
• 一个自动回复规则
• 一个数据备份脚本
• 一个信息聚合工具

步骤：

1. 想清楚要解决什么问题
2. 创建技能目录和 SKILL.md
3. 测试它是否工作
4. （可选）发布到 ClawHub 分享给别人

完成后，你会有一种感觉：这个 AI 助理，真的是我的了。

结语

Skills 的本质，是让 AI 助理从通用走向专属。

每个人都有自己的生活习惯、工作流程、信息渠道。一个没有 Skills 的 AI，就像一个没有安装任何 APP 的手机——功能强大，但与你无关。

而当你开始创建、安装、组合 Skills 时，你实际上是在训练 AI 理解你的世界。

这个过程需要时间，需要迭代，需要耐心。

但当你某天发现，AI 主动提醒你”今天有雨，记得带伞”，或者”你关注的文章更新了”，或者”服务器 CPU 使用率异常”时——

你会明白，这一切都是值得的。

最后，回到开头的问题：

“如果给你的 AI 助理装上一个新技能，你最想让它学会什么？”

现在，你有答案了吗？

如果有，那就动手去做吧。

Skills 的世界，从零到一，只差你的一次尝试。

本文基于 OpenClaw 技能体系编写，部分概念可能因平台而异。核心思路通用，具体实现请参考你所用平台的文档。

如果你有任何问题或想法，欢迎在评论区留言。

延伸阅读：

• OpenClaw 官方文档^[1]
• ClawHub 技能市场^[2]

引用链接