乐于分享
好东西不私藏
当前位置：夜雨聆风 > 技术教程 > 软件教程 > OpenClaw 中 Skill(技能)与 Tool(工具)有啥区别?

OpenClaw 中 Skill(技能)与 Tool(工具)有啥区别?

当前时间： 2026-04-23 17:36:43 更新时间： 2026-04-23 分类：软件教程 评论(0)

OpenClaw 中 Skill(技能)与 Tool(工具)有啥区别?

一、核心区别对比

一句话总结

  • Tool（工具）
    ：是程序化的能力，由代码实现，AI 通过函数调用直接执行
  • Skill（技能）
    ：是知识性的指导，由 Markdown 文档编写，AI 阅读后按说明操作

详细对比表

维度
Tool（工具）
Skill（技能）
本质
TypeScript 代码函数
Markdown 文档（SKILL.md）
实现方式
编程实现具体逻辑
AI 阅读文档后使用 CLI 工具
调用机制
AI 调用函数 → 代码执行
AI 读取文档 → 按照文档指引执行
定义位置 src/agents/tools/*.ts skills/

 目录或 ~/.clawdbot/skills/
典型示例 web_search()

、read()、exec()
 summarize

、github、weather
灵活性
固定代码逻辑
AI 自主理解文档并灵活应用
扩展方式
需要修改代码并重新编译
只需添加新的 Markdown 文件

二、Skill（技能）系统详解

1. Skill 的存储结构

plaintext
skills/├── summarize/│   └── SKILL.md          # 每个技能都有一个 SKILL.md 文件├── github/│   └── SKILL.md├── weather/│   └── SKILL.md└── 1password/    └── SKILL.md




2. SKILL.md 文件结构


让我用 summarize 技能举例：


markdown
---name: summarize                                    # 技能名称description: Summarize or extract text from URLs... # 技能描述（AI 用于判断是否使用）homepage: https://summarize.sh                     # 主页metadata: {  "clawdbot": {    "emoji": "🧾",    "requires": {      "bins": ["summarize"]                        # 依赖的命令行工具    },    "install": [                                   # 安装指引      {        "id": "brew",        "kind": "brew",        "formula": "steipete/tap/summarize",        "bins": ["summarize"],        "label": "Install summarize (brew)"      }    ]  }}---# SummarizeFast CLI to summarize URLs, local files, and YouTube links.## When to use (trigger phrases)Use this skill immediately when the user asks any of:- "use summarize.sh"- "what's this link about?"- "summarize this URL/article"- "transcribe this YouTube/video"## Quick start```bashsummarize "https://example.com" --model google/gemini-3-flash-previewsummarize "/path/to/file.pdf" --model google/gemini-3-flash-previewsummarize "https://youtu.be/dQw4w9WgXcQ" --youtube auto




Model + keys


Set the API key for your chosen provider:


    

  • 

    OpenAI: OPENAI_API_KEY
    

    • 

  • 

    Anthropic: ANTHROPIC_API_KEY…
    

    • 



plaintext
### 3. Skill 加载机制```mermaidgraph TB    A[Gateway 启动] --> B[扫描技能目录]    B --> C[按优先级加载]    C --> D[extraDirs<br/>额外目录<br/>最低优先级]    C --> E[bundledSkills<br/>内置技能]    C --> F[managedSkills<br/>管理技能<br/>~/.clawdbot/skills]    C --> G[workspaceSkills<br/>工作区技能<br/>最高优先级]    G --> H[解析 SKILL.md]    H --> I[提取 Frontmatter 元数据]    I --> J[检查依赖条件]    J --> K{符合条件?}    K -->|是| L[加入技能列表]    K -->|否| M[跳过]    L --> N[格式化后注入系统提示]    style G fill:#ff6b6b    style N fill:#4ecdc4




4. Skill 如何被 AI 发现和使用？


步骤 1：Skill 注入系统提示


当用户发送消息时，Gateway 会将可用技能注入到系统提示中：


typescript
// src/agents/system-prompt.ts 第 15-33 行function buildSkillsSection(params) {  if (params.skillsPrompt?.trim()) {    return [      "## Skills (mandatory)",      "Before replying: scan <available_skills> <description> entries.",      `- If exactly one skill clearly applies: read its SKILL.md at <location> with \`${params.readToolName}\`, then follow it.`,      "- If multiple could apply: choose the most specific one, then read/follow it.",      "- If none clearly apply: do not read any SKILL.md.",      trimmed, // 这里包含了所有可用技能的名称和描述    ];  }}




步骤 2：AI 判断是否需要使用 Skill


AI 收到系统提示后，会按以下逻辑判断：


plaintext
用户消息: "帮我总结一下这个链接 https://example.com/article"AI 思考过程:1. 扫描 <available_skills> 列表2. 发现 "summarize" 技能的描述: "Summarize or extract text from URLs..."3. 判断: 这个技能完全适用！4. 决定: 使用 read 工具读取 SKILL.md 文件5. 执行: 按照 SKILL.md 中的指引操作




步骤 3：AI 读取并遵循 Skill 指引




5. Skill 的优先级机制




为什么这样设计？


    

  • 

    工作区技能优先级最高：用户可以自定义覆盖任何技能
    

    • 

  • 

    内置技能保底：确保基本功能始终可用
    

    • 

  • 

    插件技能可扩展：插件可以带来新技能
    

    • 





三、Tool（工具）系统详解


1. Tool 的定义方式


Tool 是用 TypeScript 代码实现的函数，遵循 AgentTool 接口：


typescript
// src/agents/tools/web-search.ts 第 35-66 行const WebSearchSchema = Type.Object({  query: Type.String({ description: "Search query string." }),  count: Type.Optional(    Type.Number({      description: "Number of results to return (1-10).",      minimum: 1,      maximum: MAX_SEARCH_COUNT,    }),  ),  country: Type.Optional(Type.String({ ... })),  // ... 更多参数});export function createWebSearchTool(options) {  return {    name: "web_search",    description: "Search the web (Brave API)",    schema: WebSearchSchema,  // TypeBox Schema 定义输入参数    execute: async (params, context) => {      // 具体实现逻辑      const results = await braveSearch(params.query, params.count);      return jsonResult(results);    }  };}




2. Tool 的调用机制




3. 核心工具示例


示例 1：文件读取工具


typescript
// 这是一个内置工具，AI 可以直接读取文件{  name: "read",  description: "Read file contents",  schema: { path: string },  execute: async ({ path }) => {    return await fs.readFile(path, "utf-8");  }}




示例 2：浏览器控制工具


typescript
// src/agents/tools/browser-tool.ts{  name: "browser",  description: "Control web browser",  // 支持的操作：  // - snapshot: 获取页面快照  // - click: 点击元素  // - type: 输入文本  // - navigate: 导航到 URL  // - ...}




示例 3：会话通信工具


typescript
// src/agents/tools/sessions-send-tool.ts{  name: "sessions_send",  description: "Send a message to another session/sub-agent",  schema: {    sessionKey: string,  // 目标会话    message: string,     // 消息内容  },  execute: async ({ sessionKey, message }) => {    // 跨会话通信逻辑  }}






四、Skill 与 Tool 的协同工作


典型案例：GitHub 技能的使用


mermaid
graph TB    A[用户: 查看 PR #55 的 CI 状态] --> B{AI 分析}    B --> C[扫描技能列表]    C --> D[发现 "github" 技能]    D --> E[读取 SKILL.md]    E --> F[文档说: 使用 gh CLI 工具]    F --> G[AI 决定使用 exec 工具]    G --> H[调用 exec<br/>"gh pr checks 55 --repo owner/repo"]    H --> I[执行命令]    I --> J[返回 CI 状态]    J --> K[AI 整理结果]    K --> L[回复用户]    style E fill:#ffe66d    style G fill:#ff6b6b    style H fill:#4ecdc4




完整流程：


    

  1. 用户请求
    

    ：”查看 PR #55 的检查状态”
    

    2. 

  2. AI 发现技能
    

    ：扫描可用技能，发现 github 技能
    

    3. 

  3. 读取文档
    

    ：使用 read 工具读取 SKILL.md
    

    4. 

  4. 学习用法
    

    ：文档中写道：
    

    bash
    gh pr checks 55 --repo owner/repo
    

    

    

    5. 



    

  1. 调用工具
    

    ：使用 exec 工具执行上述命令
    

    2. 

  2. 返回结果
    

    ：将命令执行结果整理后回复用户
    

    3. 



为什么这样设计？




优势：


    

  1. 灵活性
    

    ：Skill 可以随时修改，AI 会立即适应新用法
    

    2. 

  2. 可扩展性
    

    ：添加新功能只需写个 Markdown 文件
    

    3. 

  3. 解耦
    

    ：Tool 提供基础能力，Skill 提供使用策略
    

    4. 

  4. AI 自主性
    

    ：AI 不是简单调用 API，而是理解文档后自主决策
    

    5. 





五、核心代码实现解析


1. Skill 加载与格式化


typescript
// src/agents/skills/workspace.tsfunction loadSkillEntries(workspaceDir, opts) {  // 加载各来源的技能  const bundledSkills = loadSkills({ dir: bundledSkillsDir, source: "clawdbot-bundled" });  const managedSkills = loadSkills({ dir: managedSkillsDir, source: "clawdbot-managed" });  const workspaceSkills = loadSkills({ dir: workspaceSkillsDir, source: "clawdbot-workspace" });  // 合并（workspace 优先级最高）  const merged = new Map();  for (const skill of bundledSkills) merged.set(skill.name, skill);  for (const skill of managedSkills) merged.set(skill.name, skill);  for (const skill of workspaceSkills) merged.set(skill.name, skill);  // 解析每个技能的元数据  return Array.from(merged.values()).map(skill => {    const frontmatter = parseFrontmatter(fs.readFileSync(skill.filePath));    return {      skill,      frontmatter,      clawdbot: resolveClawdbotMetadata(frontmatter),      invocation: resolveSkillInvocationPolicy(frontmatter),    };  });}




2. 将 Skill 注入系统提示


typescript
// src/agents/skills/workspace.tsfunction buildWorkspaceSkillSnapshot(workspaceDir, opts) {  const entries = loadSkillEntries(workspaceDir, opts);  const eligible = filterSkillEntries(entries, opts?.config);  // 格式化为 AI 可理解的提示文本  const prompt = formatSkillsForPrompt(eligible.map(e => e.skill));  return {    prompt,  // 这个会被注入到系统提示中    skills: eligible.map(e => ({ name: e.skill.name })),  };}




3. AI 如何调用 Tool


AI 的 Tool 调用是由 Pi Agent 运行时处理的：


typescript
// 工具定义const tools = [  createWebSearchTool({ apiKey: "..." }),  createWebFetchTool(),  createReadTool(),  createExecTool(),  // ... 更多工具];// AI 运行时会根据工具列表决定调用哪个// 这是由 @mariozechner/pi-agent-core 库处理的






六、完整示例：从用户请求到回复


场景：用户要求总结一篇 YouTube 视频






七、设计哲学与启示


1. 关注点分离（Separation of Concerns）


    

  • Tool
    

     负责”能做什么”（Capability）
    

    • 

  • Skill
    

     负责”怎么做”（Strategy）
    

    • 



plaintext
Tool: 我可以执行命令（exec）Skill: 你应该用这个命令来解决这个问题




2. 开放封闭原则（Open-Closed Principle）


    

  • 

    对扩展开放：添加新 Skill 只需写 Markdown
    

    • 

  • 

    对修改封闭：不需要改动核心代码
    

    • 



3. 声明式 vs 命令式


    

  • Skill（声明式）
    

    ：描述”做什么”和”何时做”
    

    • 

  • Tool（命令式）
    

    ：实现”怎么做”
    

    • 



4. AI 原生设计


这是与传统编程最大的不同：


plaintext
传统编程:程序员写死逻辑 → 程序执行AI 编程:程序员写文档指导 → AI 阅读后自主决策 → 执行优势:- AI 可以灵活应对边缘情况- 可以组合多个 Skill- 可以根据上下文调整策略






八、总结








特性




Tool（工具）




Skill（技能）








本质


代码函数




Markdown 文档






提供


基础能力




使用策略






调用方式


AI 直接调用函数




AI 阅读后使用 Tool 执行






扩展难度


需要编程




只需写文档






灵活性


固定逻辑




AI 自主理解






示例
exec()


、read()


summarize


、github






位置
src/agents/tools/
skills/


 目录








核心思想：




Tool 是肌肉，Skill 是大脑。


Tool 提供执行能力，Skill 提供决策指导。两者结合，AI 不仅能”做事”，还能”知道怎么做”和”何时做”。




这种设计让 OpenClaw 成为一个真正智能的个人助手，而不是简单的命令执行器。🦞