夜雨聆风
别再只问 OpenClaw 怎么安装了,真正核心的是 Skill 如何让 Agent 变强
3 月份 OpenClaw 很火的时候，其实我也看到了。
当时很多人在讨论它，也有人第一时间写了不少介绍文章。
但我当时没有马上跟风发文章。
原因很简单：我不想只写一篇“OpenClaw 是什么”“怎么安装”“怎么跑 Demo”的表层文章。
我更关心的是另一个问题：
为什么我只需要发一个命令，它就能帮我连续干很多活？
比如你给一个 Agent 下达任务，它可能不只是回答一句话，而是会：
-
理解你的意图。
-
判断要调用什么能力。
-
读取上下文。
-
调用工具或 Skill。
-
整理执行结果。
-
继续追问缺失信息。
-
最后输出一个结构化结果。
这背后肯定不是“一个 Prompt 解决所有问题”这么简单。
所以这段时间我一直在研究 OpenClaw 背后的工作方式，尤其是它的 Skill 机制。
研究完之后，我没有只停留在理论层面，而是自己做了一个 国内旅游规划 Skill。
这篇文章就想聊清楚三件事：
-
OpenClaw 到底是什么，为什么它能让 Agent 看起来这么强。
-
Skill 在里面扮演什么角色，为什么一条命令背后可以拆出很多动作。
-
我做的这个旅游 Skill 能干什么，以及大家怎么拿到它。
如果你平时经常用 ChatGPT、Claude、DeepSeek、腾讯元宝，或者使用 Codex、Claude Code 这类 Agent 工具，你应该会发现一个问题：
大模型本身很聪明，但如果没有明确的工作流程，它经常会回答得很散、很泛，甚至会把不确定的信息说得像真的一样。
比如你问它：
我想从上海去大理玩几天，帮我规划一下。
普通回答可能会直接给你一篇“看起来很完整”的攻略，但里面可能存在几个问题：
-
没问你预算。
-
没问你几个人出行。
-
没问你出行日期。
-
没区分实时信息和经验估算。
-
可能会把机票、酒店、天气、景区开放时间说得过于确定。
-
可能给出一份过于泛泛的攻略，看起来像模板。
所以我做了一个专门用于国内旅行规划的 Skill，让大模型在回答旅游问题时，不只是“生成文字”，而是按照一个更稳定的流程工作。
一、OpenClaw 是什么？为什么它强大？
在写这篇文章之前，我专门去核对了 OpenClaw 的官方文档，避免把它讲成一个“玄学概念”。
按照官方文档的描述，OpenClaw 是一个 开源 AI Agent 平台，可以用来构建和管理智能对话 Agent，并且支持接入很多通信渠道。它不是单纯的聊天页面，而是一个更完整的 Agent 运行平台。
它的核心不是“给大模型套一层壳”，而是把一次用户请求拆成几个部分协同处理：
-
Agent Core：负责管理对话状态、调用大语言模型、判断该调用哪些能力，并维护多轮上下文。
-
Channel Adapters：负责把 Web、Slack、Telegram、邮件、API 等不同渠道的消息转换成 OpenClaw 内部可以处理的格式。
-
Skill Engine：负责发现、加载和执行 Skill。
-
Sandbox：为需要执行代码的 Skill 提供隔离环境，降低错误 Skill 或不安全 Skill 对宿主环境的影响。
所以，OpenClaw 强大的地方不只是“它能聊天”，而是它把大模型、渠道、技能、执行环境组合成了一个 Agent 系统。
可以简单理解为：
大模型：负责理解、推理和生成
Agent Core：负责调度和决策
Skill Engine：负责加载和执行具体能力
Skill：负责把某个任务场景沉淀成可复用能力
Channel：负责让用户从不同入口和 Agent 对话
Sandbox：负责限制高风险执行环境
也就是说，OpenClaw 更像是一个“AI Agent 操作系统”，而不是一个普通聊天机器人。
二、OpenClaw 是不是多个 Skill 一起协同工作？
这个问题要严谨一点说。
根据官方文档，Skill 是 OpenClaw 里的一种独立能力单元。每个 Skill 都是一个自包含的能力包，用来教 Agent 完成某个具体任务。
官方文档里提到，当 Agent 收到用户消息后，会判断用户意图，然后选择相关的 Skill。执行流程大致是：
-
判断用户请求需要什么能力。
-
选择最合适的一个或多个 Skill。
-
根据上下文准备输入。
-
执行 Skill。
-
把结果整理成自然语言回复给用户。
所以答案是：
OpenClaw 的底层能力确实是由很多 Skill 扩展出来的；在任务需要时，Agent 可以选择相关的一个或多个 Skill 来完成任务。但不是每一次请求都一定会同时调用很多 Skill。
这点很重要。
我们不能为了宣传说成：
OpenClaw 每次都会让很多 Skill 自动协同工作。
更准确的说法应该是：
OpenClaw 通过 Skill 机制把不同能力模块化。Agent 会根据用户意图选择合适的 Skill；复杂任务中，Skill 也可以组合工具或依赖其他 Skill，从而形成更强的任务处理能力。
每一个 Skill 都像是一个小型能力包。
它可以定义：
-
这个 Skill 适合什么场景。
-
遇到什么用户请求时应该触发。
-
回答前应该先确认哪些信息。
-
哪些事情可以做，哪些事情不能做。
-
输出结构应该是什么样。
-
如果遇到实时数据，应该如何处理。
-
如何避免大模型胡编。
也就是说，大模型本身负责理解和生成，而 Skill 负责给它一套清晰的“工作流程”和“能力边界”。
可以把它理解成：
大模型 = 大脑 Agent Core = 调度中心 Skill = 专业能力包 Tool = 更底层的函数或工具调用 OpenClaw = 把大模型、Skill、工具和渠道组织起来的 Agent 平台
这就是 OpenClaw 的价值：
它不是让大模型只靠一个万能 Prompt 硬撑所有任务，而是通过 Skill 把不同场景的经验、流程和工具组织起来，让 Agent 更稳定地完成任务。
例如：
-
写代码时，可以使用代码相关 Skill。
-
查资料时，可以使用搜索或网页读取 Skill。
-
写文章时，可以使用写作 Skill。
-
做数据分析时，可以使用数据处理 Skill。
-
做旅行规划时，可以使用旅游 Skill。
Skill 的价值不在于“听起来很高级”，而在于它能把一套可复用的方法沉淀下来。
普通 Prompt 可能只在当前对话有效，而 Skill 更像是一个可以被反复调用的任务能力包。
三、为什么我要做一个旅游 Skill？
旅游规划是一个特别适合做 Skill 的场景。
因为它不是简单问答，而是一个多条件决策问题。
一个真正可用的旅行攻略，至少要考虑这些信息：
-
从哪里出发？
-
去哪里？
-
什么时间去？
-
玩几天？
-
几个人？
-
是情侣、亲子、朋友还是带老人？
-
总预算是多少？
-
坐高铁、飞机还是自驾？
-
想轻松游还是特种兵式打卡？
-
有没有老人儿童、高反、晕车、不能久走等限制？
-
天气、票价、车次、航班、酒店价格是否需要实时核验？
如果没有 Skill 约束，大模型很容易直接输出一篇攻略，但不一定适合用户。
所以我做的这个国内旅游 Skill，重点不是让模型“写得更漂亮”，而是让它：
先问清楚，再规划；能估算，但不乱说；能推荐，但不假装实时查询。
四、这个国内旅游 Skill 能做什么？
我做的这个 Skill 叫做：
travel-planner-cn
它是一个面向中国境内旅行规划的 Skill。
主要能力包括：
1. 国内旅行目的地推荐
如果你还没想好去哪，可以只告诉它：
我从上海出发，有 4 天时间，预算 3000，想休闲一点。
它会根据你的出发地、天数、预算和偏好推荐目的地。
例如：
-
大理
-
成都
-
重庆
-
西安
-
长沙
-
厦门
-
阳朔
-
千岛湖
-
张家界
-
西双版纳
并且会说明每个地方适合什么人、预算大概多少、交通是否方便。
2. 多日行程规划
当你给出目的地后，它可以继续生成完整行程。
例如：
我从上海去大理，6 月 1 日出发，情侣两个人，预算 20000，玩 5 天。
它会输出：
-
已知信息确认
-
交通建议
-
住宿区域建议
-
每日行程安排
-
餐饮建议
-
景点安排
-
预算拆分
-
雨天备选方案
-
出发前核验清单
而不是直接给一篇泛泛的“大理攻略”。
3. 交通方式比较
这个 Skill 可以帮你比较：
-
飞机
-
高铁
-
普通火车
-
自驾
-
包车
-
市内打车
-
电动车 / 小电驴
例如你问：
从北京到西安，高铁和飞机哪个更合适？
它会从这些角度分析：
-
时间成本
-
价格区间
-
舒适度
-
中转麻烦程度
-
是否适合老人儿童
-
是否容易受天气影响
-
是否适合短途旅行
4. 人民币预算估算
旅游规划里，预算非常关键。
这个 Skill 会尽量把预算拆开，而不是只给一个总价。
通常会拆成：
-
大交通
-
住宿
-
餐饮
-
门票
-
市内交通
-
体验项目
-
伴手礼
-
备用金
例如：
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
这样用户能更清楚地知道钱花在哪里。
5. 天气和季节提醒
旅游非常依赖季节。
比如：
-
6 月的大理可能进入雨季。
-
张家界雨雾会影响观景。
-
西双版纳夏季会比较热。
-
新疆伊犁适合 6-8 月。
-
北方草原旺季价格会上涨。
这个 Skill 不会在没有实时查询时假装知道天气，而是会明确提醒：
以下为季节性规划建议，实时天气请以出发前天气预报为准。
这点很重要。
因为旅游攻略最怕的就是把“经验判断”包装成“实时结果”。
6. 12306 / 航班 / 酒店的边界提醒
这个 Skill 不是订票系统，也不会假装自己已经订好了票。
它会明确区分：
-
规划建议
-
经验估算
-
需要实时核验的信息
-
用户需要去官方平台确认的信息
比如涉及车票、航班、酒店，它会提醒用户：
-
车票以 12306 为准。
-
航班以航司官网或正规购票平台为准。
-
酒店价格以携程、美团、飞猪等平台实时展示为准。
-
景区开放情况以景区官方公告为准。
它不会让用户提供身份证号、手机号、支付信息这些敏感内容。
五、我做了两个版本：网页版本和 Agent Skill 版本
为了适配不同用户，我做了两个版本。
版本一：网页版本 Skill
网页版本适合这些场景：
-
ChatGPT 网页版
-
Claude 网页版
-
DeepSeek
-
腾讯元宝
-
豆包
-
Kimi
-
其他普通大模型聊天网页
这种版本的特点是：
-
用户可以直接复制粘贴。
-
不需要本地环境。
-
不需要运行脚本。
-
适合普通用户体验。
-
上传后可以让模型直接进入旅行规划助手模式。
适合想快速体验 Skill 效果的人。
版本二：Agent Skill 版本
Agent Skill 版本适合这些环境：
-
Codex
-
Claude Code
-
支持 Skill 文件夹的 Agent 工具
-
可以读取
SKILL.md、references/、scripts/的开发环境
这个版本更完整，包含：
-
SKILL.md -
references/规则文档 -
scripts/可选脚本 -
使用说明
-
Prompt 示例
适合想把 Skill 放进 Agent 工作流里长期使用的人。
六、我还做了多个大模型的 Prompt 示例
为了验证这个旅游 Skill 在不同大模型里的表现，我整理了多个 Prompt 示例，放在 example 目录下。
目前示例包括：
example/chatgpt5.5-prompt.md example/claude-sonnet4.6-prompt.md example/腾讯元宝-prompt.md
这些示例不是随便写的，而是用来展示不同模型接入 Skill 后的真实对话流程。
1. ChatGPT 5.5 Prompt 示例
这个示例主要展示：
-
上传 Skill 后如何进入旅行规划助手模式。
-
如何从用户模糊需求开始追问。
-
如何逐步确认出发地、目的地、时间、预算、人数。
-
如何输出结构化旅行攻略。
适合用来测试普通网页大模型对 Skill 的理解能力。
2. Claude Sonnet 4.6 Prompt 示例
这个示例主要展示 Claude / Sonnet 4.6 的多轮对话能力。
比如用户说：
从上海到云南大理，四天五夜，预算两万人民币，两个人玩。
模型不会立刻乱写攻略，而是先追问：
-
什么时候去？
-
是情侣、朋友还是家人？
等用户补充：
情侣，六月一日上午。
模型再生成完整的大理攻略。
这体现了 Skill 的一个核心能力：
信息不足时，先追问；信息完整后，再输出完整方案。
3. 腾讯元宝 Prompt 示例
这个示例主要展示国产大模型在网页场景下使用 Skill 的效果。
示例里用户先上传 SKILL.md，模型主动进入旅行规划助手模式，然后用户给出多个候选目的地：
从上海去大理、西双版纳、张家界，两个人一起。
模型会先做三地对比：
-
交通对比
-
住宿区域推荐
-
预算估算
-
适合人群
-
最终推荐方向
然后用户继续补充：
六月一号，上海出发，双廊。
模型就会把路线收敛成：
上海 → 大理 → 双廊
并继续生成更细的行程。
这类示例可以帮助大家理解：同一个 Skill，在不同模型里怎么触发、怎么追问、怎么输出。
七、为什么我觉得 Skill 会越来越重要？
现在很多人用大模型，还是停留在“问一句，答一句”的阶段。
但我觉得未来更有价值的方向是：
不只是让大模型回答，而是让大模型按照固定流程完成任务。
Skill 的意义就在这里。
它可以把个人经验、行业流程、输出规范、安全边界固化下来。
比如旅游 Skill 里，我把这些规则写进去：
-
不要没问预算就直接做攻略。
-
不要没问出行日期就判断天气。
-
不要假装已经查到实时机票。
-
不要要求用户提供身份证号和支付信息。
-
不要把估算价格说成实时价格。
-
涉及跨城旅行时，必须提醒确认去程和返程交通。
这些规则看起来很细，但它们能显著提升输出质量。
普通 Prompt 可能只能约束一次对话，而 Skill 更像是一套可以复用的能力包。
八、适合谁使用这个旅游 Skill？
我觉得它特别适合这些人：
-
经常用 AI 做旅行攻略的人。
-
想让大模型少胡编、少泛泛而谈的人。
-
想学习 Skill 编写方式的人。
-
想研究 OpenClaw / Agent Skill 工作原理的人。
-
想把自己的经验沉淀成 AI 能力包的人。
-
想在 Codex 或 Claude Code 里使用 Skill 的开发者。
如果你只是普通用户，可以直接用网页版本。
如果你是开发者，建议使用 Agent Skill 版本，里面结构更完整，也更适合继续扩展。
九、怎么获取这个旅游 Skill？
我已经把这个旅游 Skill 做成了两个版本。
如果你想体验网页版本，可以关注我的微信公众号：
码上在线小俊
然后私信：
skill.md
就可以拿到 网页版本的 Skill。
这个版本适合直接复制到 ChatGPT、Claude、DeepSeek、腾讯元宝等网页大模型里使用。
如果你想拿 Codex 或 Claude Code 版本，可以关注公众号后私信：
agentskill
就可以拿到 Codex / Claude Code 版本的 Agent Skill。
这个版本适合开发者使用，包含更完整的 Skill 项目结构。
除了领取 Skill，我也想邀请你在公众号文章下面留言。
你可以在评论区告诉我：
-
你还想要什么类型的 Skill？
-
你平时最想让 AI 帮你完成什么任务？
-
你觉得旅游 Skill 还缺哪些功能？
-
你更希望它适配网页大模型，还是 Codex / Claude Code 这类 Agent 工具？
比如你可以留言：
想要一个简历优化 Skill 想要一个小红书文案 Skill 想要一个短视频脚本 Skill 想要一个法律合同检查 Skill 想要一个 Java 项目开发 Skill 想要一个前端 Vue 开发 Skill
我会根据大家评论区反馈的需求，继续开发更多实用 Skill。
同时，这个旅游 Skill 也不是一次性完成就结束了。后面我会继续完善它对应的 coding 工作，包括：
-
优化
SKILL.md的触发规则和首次回复。 -
完善网页版本和 Agent Skill 版本的差异。
-
增加更多大模型 Prompt 示例。
-
优化 Codex / Claude Code 使用体验。
-
补充更多国内目的地、预算规则、交通规则和天气提醒。
-
持续减少大模型在旅行规划里的胡编和泛泛回答。
十、最后总结
OpenClaw 的核心思路，是通过很多个 Skill，把大模型变成一个可以处理不同专业任务的能力系统。
而我这次做的国内旅游 Skill，就是一个具体例子。
它能让大模型在做旅游规划时：
-
先问关键信息。
-
再做目的地推荐。
-
然后规划路线。
-
拆分预算。
-
提醒交通和天气风险。
-
区分实时信息和经验估算。
-
避免假装查票、假装订房、假装知道实时价格。
如果你也想体验这个 Skill，可以关注公众号：
码上在线小俊
回复：
skill.md
获取网页版本。
回复：
agentskill
获取 Codex / Claude Code 版本。
如果你有想要的 Skill 类型，也欢迎直接在公众号文章评论区留言。
你们在评论区反馈的需求，会成为我后续开发 Skill 的重要参考。
这个旅游 Skill 我也会继续迭代，不只是优化 Prompt，还会继续完善它对应的 coding 工作，让它在网页大模型、Codex、Claude Code 等不同环境里都更好用。
后面我也会继续分享更多 Skill 的写法、调试方法。
下面是我用热门的ai大模型去测试我的这个skill的prompt
chatGPT5.5测试：
claude sonnet4.6的测试：
腾讯元宝的测试：
