想象一下，你有一个万能的 AI 助手，但它需要完成特定领域的专业任务时却显得力不从心。比如你想让它帮你操作 1Password 读取密钥，它不知道该怎么登录、怎么安全地处理敏感信息。这时候，OpenClaw 的技能系统（Skills System） 就派上用场了。

技能系统就像是给 AI 助手添加的专业插件，让它能够胜任各种特定领域的任务。本文将用通俗易懂的方式，带你了解 OpenClaw 技能系统的设计与实现。

什么是技能系统？

简单来说，技能系统是 OpenClaw 用来扩展 AI 助手能力的一种机制。它允许开发者或用户为 AI 助手编写”技能说明书”，告诉 AI 在特定场景下应该如何正确、专业地行动。

就像人类厨师需要菜谱、汽车需要说明书一样，AI 助手也需要通过技能来掌握专业技能。一个技能可能包括：如何安装软件、如何登录账户、如何安全地处理密码等。

技能文件：AI 的专业指南

在 OpenClaw 中，每个技能都存储在一个名为 SKILL.md 的文件中。这个文件名本身就暗示了它的作用——它是技能的”技能卡”。

技能文件的结构

让我们以 1Password 技能为例，看看它的结构：

---name: 1passworddescription: Set up and use 1Password CLI (op). Use when installing              the CLI, enabling desktop app integration, signing in...homepage: https://developer.1password.com/docs/cli/get-started/metadata:  {    "openclaw": {      "emoji": "🔐",      "requires": { "bins": ["op"] },      "install": [{ "kind": "brew", "formula": "1password-cli" }]    }  }---# 1Password CLI## Workflow1. Check OS + shell.2. Verify CLI present: `op --version`.3. Create tmux session...4. Sign in...5. Read secrets...## Guardrails- Never paste secrets into logs- Prefer `op run` / `op inject` over writing to disk

这个文件分为两大部分：

前置数据（Frontmatter）：位于 --- 之间的 YAML 格式数据，包含技能的基本信息：

• name
  
  技能名称
• description
  
  技能描述，用于 AI 识别何时使用
• metadata
  
  技术配置，如依赖项、安装方法等

内容主体：使用 Markdown 格式，包含：

• Workflow
  
  标准工作流程，AI 按步骤执行
• References
  
  参考资料文档
• Guardrails
  
  安全规则，确保正确使用

技能的发现与加载

当你请求 AI 助手完成某个任务时，OpenClaw 会经历以下过程：

第一步：扫描技能目录

OpenClaw 会在多个预设位置扫描技能文件：

技能加载优先级（低 → 高）：1. 额外目录（extraDirs）2. 捆绑技能（bundled） - OpenClaw 内置3. 管理技能（managed） - 用户管理4. 个人代理技能（personalAgentsSkills）5. 项目代理技能（projectAgentsSkills）6. 工作区技能（workspaceSkills） - 当前项目

第二步：解析技能文件

对于找到的每个 SKILL.md 文件，系统会：

1. 读取文件内容
   
   安全地读取文件，防止路径遍历攻击
2. 解析前置数据
   
   提取名称、描述、依赖等信息
3. 验证完整性
   
   确保必要字段存在
4. 创建技能对象
   
   生成结构化的技能数据

第三步：格式化呈现

加载的技能会被格式化成 XML 格式的提示，发送给 AI 模型：

<available_skills><skill><name>1password</name><description>Set up and use 1Password CLI (op)...</description><location>~/.bun/install/global/node_modules/@openclaw/skills/1password/SKILL.md</location></skill><skill><name>github</name><description>GitHub CLI operations...</description><location>~/.bun/install/global/node_modules/@openclaw/skills/github/SKILL.md</location></skill></available_skills>

AI 如何使用技能

技能文件加载后，AI 是如何使用它的呢？这里涉及一个精妙的协作机制：

交互流程

用户： "请帮我从 1Password 读取 API 密钥"         ↓┌────────────────────────────────────────────┐│ AI 模型分析请求，识别到需要 1Password 技能 │└────────────────────────────────────────────┘         ↓┌────────────────────────────────────────────┐│ AI 使用 Read 工具加载 SKILL.md 文件        │└────────────────────────────────────────────┘         ↓┌────────────────────────────────────────────┐│ AI 解析 Workflow，按步骤执行：             ││   1. 检查环境 (uname, $SHELL)              ││   2. 验证 CLI (op --version)               ││   3. 创建 tmux 会话                        ││   4. 执行登录认证                          ││   5. 读取密钥                              │└────────────────────────────────────────────┘         ↓┌────────────────────────────────────────────┐│ AI 遵循 Guardrails 安全规则               ││ (不粘贴密钥到日志、使用 op run 等)         │└────────────────────────────────────────────┘         ↓用户： 收到结果（安全处理后的响应）

AI 的决策过程

当 AI 接收到用户请求时，它会：

1. 意图识别
   
   分析用户想要完成什么任务
2. 技能匹配
   
   从可用技能列表中选择最合适的
3. 指令执行
   
   按照 Workflow 的步骤逐步执行
4. 安全检查
   
   确保遵守 Guardrails 中的规则
5. 结果呈现
   
   以用户友好的方式返回结果

技术实现架构

从代码层面看，OpenClaw 的技能系统设计得非常模块化：

核心模块

数据流

文件系统 (SKILL.md)    ↓local-loader.ts (读取和解析)    ↓workspace.ts (多来源管理和过滤)    ↓skills-runtime.ts (运行时集成)    ↓system-prompt.ts (构建 AI 提示)    ↓AI 模型 (Claude/GPT/Gemini)    ↓工具调用 (Read/RunCommand)    ↓技能执行结果

技能的优势

为什么 OpenClaw 要设计这样一套技能系统？它带来了哪些好处？

1. 专业性

每个技能都包含了该领域的最佳实践。以 1Password 为例：

• 正确创建 tmux 会话避免重复登录
• 使用 op run 而不是直接暴露密钥
• 遵循安全准则不记录敏感信息

2. 可扩展性

添加新技能非常简单：

• 创建新的技能目录
• 编写 SKILL.md 文件
• 放置到对应目录即可

3. 隔离性

技能之间相互隔离，不会互相影响：

• 每个技能有独立的目录
• 依赖项独立管理
• 冲突最小化

4. 安全性

通过 Guardrails 机制：

• 禁止危险操作
• 强制安全最佳实践
• 减少误操作风险

5. 可维护性

结构化的文件格式：

• 易于阅读和修改
• 版本控制友好
• 便于分享和复用

实际应用场景

技能系统可以应用于多种场景：

开发者工具

• GitHub
  
  自动创建仓库、处理 PR
• Docker
  
  构建和部署容器
• Kubernetes
  
  管理集群和部署

效率工具

• 1Password
  
  安全的密钥管理
• Slack
  
  消息和频道管理
• Notion
  
  文档和知识库操作

系统管理

• Tmux
  
  终端会话管理
• Shell
  
  命令执行自动化
• Cron
  
  定时任务配置

未来展望

OpenClaw 的技能系统是一个持续演进的项目：

• 更多内置技能
  
  ：开箱即用的技能会越来越多
• 技能市场
  
  ：可能支持用户分享和销售技能
• 智能技能推荐
  
  ：根据项目特点自动推荐相关技能
• 跨平台技能
  
  ：一次编写，多平台运行

结语

OpenClaw 的技能系统是一项巧妙的设计，它通过结构化的文件格式和清晰的接口定义，让 AI 助手能够专业、安全地完成各种特定领域的任务。

这种设计理念体现了几个重要原则：

• 专业化
  
  让专业的事交给专业的技能
• 简单化
  
  用户只需发出自然语言请求
• 安全性
  
  内置最佳实践和安全规则
• 可扩展
  
  任何人都可以编写新技能

随着 AI 技术的发展，技能系统将成为人机协作的重要桥梁，让 AI 真正成为我们得力的专业助手。