��聊连载:Openclaw从认知到实践(C10):技能的力量 — 给龙虾装上钳子

我第一次给 OpenClaw 装技能，是因为被逼的。

那是 2月初，我派给deepeye的日常任务量已经比刚开始多了差不多三倍。早上的简报要更细，下午的市场跟踪要更快，偶尔还要让他读几篇微信公众号的文章。

内置的能力，开始跟不上了。

我不是在抱怨。我是在说一个真实发生的临界点：系统能力的边界，比预想的来得更快。

那个下午，我第一次打开了 SKILL.md，看了第一个技能的结构。

一、技能不是插件，是能力

很多人把 Skills 理解成插件——装上去，解锁某个功能，平时用不到就放在那儿。

这个理解是错的。

插件是加法。Skills 是乘法。

我举个例子。

OpenClaw 默认能上网搜索，但只能做通用搜索，没有深度来源整合、没有爬取能力、没有对特定网站的专项支持。

装了一个公众号抓取 Skill，它不只是”能读公众号了”，而是它在面对某类信息请求时，整个处理链路发生了变化——从通用搜索进化成专项情报采集。

这不是功能叠加，是一整个处理逻辑的替换和升级。

就像你给龙虾装上了一对真正的钳子，而不只是给它贴了个标签写着”我可以夹东西”。

二、我写的第一个真正有用的 Skill

是 semantic-router。

写这个 Skill 之前，OpenClaw 对待所有消息的方式是一样的：全部进同一个处理队列，用同一个默认模型，按同一套逻辑回应。

装完之后，它开始能在接收到消息的第一秒钟，判断这是一个查询请求、一个创作请求、还是一个系统级操作请求，然后把它送到最合适的处理路径。

那一天之后，我们之间的交互，开始变得更顺畅了。

不是因为模型变聪明了，而是因为信息流的路径变清晰了。

就像你把一个杂乱的分拣台，变成了一条有流向的生产线。

装 Skill 相对简单。写 Skill 要难一些。

模型路由这个skill，从我形成思路到第一版本，只用了一个下午。可是真的把它调通，变成一个真正百发百中的产品，前后经历三周，迭代了21个版本。

不是因为逻辑错了，而是因为我不断在想一件事：

它和 OpenClaw 之间的交互边界，到底在哪里？

什么是它自己能判断的，什么是需要我来决定的？什么时候该主动触发，什么时候该等我开口？它读哪些文件，它能碰哪些文件，它绝对不能碰哪些文件？

这些问题，才是写 Skill 真正的核心。

功能本身是表层的。边界设计才是内核。

Skills 写完之后，我把其中几个发布到了 ClawHub。

ClawHub 是 OpenClaw 社区的技能市场。你可以把自己写的 Skill 发布出去，让其他人安装；也可以去找别人写好的，装到自己的系统里。

第一次看到有人安装了我的 Skill，是一个周五晚上。通知推过来的时候，我正在吃饭。

我盯着那条通知看了一会儿，感觉有些奇怪。

不是骄傲，不是喜悦。是一种我没预料到的感觉：

一个我根本不认识的人，把我写的东西装进了他自己的系统，装进了他每天工作的那个 AI Agent 里。

从那天起，我们两个的日常工作里，有一小块是重叠的。

这个感觉，和发布一个开源项目是不一样的。开源项目别人 Star，可能只是点了个收藏。但 Skill 不一样——它一旦被装进去，就会真实运行，真实影响那个人的每一天。

这是一种很具体的延伸。

我后来想了很久，为什么 Skills 这个设计让我觉得比其他功能更重要。

结论是：它让能力可以被传递。

以前，一个人积累了某种工作方法，只能靠文字记录或者口头传授。效率低，损耗高。

现在，一个 Skill，可以把这种能力打包成可安装、可运行、可复制的形式，在所有装了 OpenClaw 的系统里同步生效。

你摸索出来的那套「微信文章抓取」链路，可以装进别人的系统。你花了两周总结的「市场扫描方法论」，可以变成一个随时调用的 Skill。你调了七遍才顺手的「写作风格模板」，可以让所有人受益。

这不是代码复用。这是经验传递。

这两件事，以前从来没有被这样连接过。