夜雨聆风节省70% Token的秘密
昨天我说，把流程固化成 Skill，龙虾才能真正为你干活。
很多人在后台问：Skill 是什么？到底怎么写？有没有模板？能不能给个示例？
看来这事儿得好好说说。
刚好，Anthropic 官方发布了 Claude Skills 构建指南，一份长达33页的说明书，从技术规范到最佳实践，从测试方法到故障排查，应有尽有。
说实话，这指南写得挺全的。但问题是，33页的官方文档，你真的有耐心看完吗？
所以今天，我用大白话的方式，给你仔细拆解一下OpenClaw的绝配，如何搭建既省 Token 又提效的Skills
为什么你需要 Skills？
你是不是发现用了OpenClaw之后，Token 消耗量巨大，几轮对话下来就有可能触发用量限制。如果和你还是用豆包对话的方式在使用龙虾，那你会发现它的响应很慢而且达不到预期效果。
这事并不怪你，龙虾设计的初衷就是为了学习经验好干活，纯聊天这事确实情商有限。
比如让龙虾帮你写行业报告，你肯定不希望它自己瞎编乱造，眼看Token 像流水一样哗啦啦地烧；也不希望每次写一大段提示词手把手教它，那也累的够呛
这事儿其实有解。
最好的办法就是把标准流程固化，打包成一个"技能包"，下次只需要说一句话"用行业报告 Skill，帮我写一份人形机器人的市场分析"，然后边喝咖啡边看着龙虾干活。
省掉的不仅仅是 Token，还有你宝贵的时间。
Skills 到底是什么？
说人话：就是一个文件夹，里面放着教 Claude 怎么处理特定任务的指令。
就这么简单。
你不需要写代码，不需要懂编程，只需要用 Markdown 格式写清楚你想要什么就行。
核心理念：教一次，受益每次。
这玩意跟传统的 Prompt 工程有本质区别。
传统 Prompt 是"一次性指令"，你问一次，它答一次，下次还得重新问。
Skills 是"固化流程"，你把常用的指令打包成技能，以后直接调用，不用每次重复解释。
来看看对比：
• 不使用 Skills：每次对话都要重新解释流程（烧 Token）
• 使用 Skills：直接陈述任务目标
• 不使用 Skills：需要手动指导每个工具调用
• 使用 Skills：自动执行工作流程
• 不使用 Skills：结果不一致，每次输出都有差异
• 使用 Skills：标准化输出，质量稳定
• 不使用 Skills：每个用户都必须学习
• 使用 Skills：配置一次，全团队共享
• 不使用 Skills：Token 消耗高（5000+）
• 使用 Skills：Token 消耗低（1500左右）
关键数据：省 70% Token，效率翻倍。这不是吹牛，是真实的数据对比。
官方指南里提到了一个很重要的概念：渐进式披露。
啥意思呢？
就是把你的 Skill 分成三层，像洋葱一样，剥一层有一层的味道。
第一层：YAML 前置信息
这是最外层，也是最关键的一层。只有几行字，告诉 Claude 什么时候该用这个 Skill。
---name: industry-reportdescription: 生成行业分析报告，适用于市场调研、竞品分析等场景。触发词：行业报告、市场分析、竞品分析---
这几行字的作用是：让 Agent 知道，用户提到"行业报告"、"市场分析"、"竞品分析"这些词的时候，就加载这个 Skill。
为什么要这么设计？
因为 YAML 前置信息很轻量，不会每次都加载所有内容。只有在需要的时候，才会往下读 SKILL.md 的正文。
这就省下了大量的 Token。
第二层：SKILL.md 正文
这是核心层，放你真正的指令。
比如数据来源、报告结构、重点板块、输出格式等等。这一层内容会按需加载，不会一上来就把所有东西都塞进去。
第三层：链接文件
这是最深层，放一些参考文档、示例代码、深度说明。
只有在Agent需要的时候，才会去读这一层。
三层结构的好处：
既保证了专业性（深度内容都在），又保证了效率（不用的不加载）。
这就是为什么 Skills 能省 Token 的核心原因。
官方指南里提到了三个核心设计理念，我用大白话给你翻译一下。
1. 渐进式披露：分层加载，既省 Token 又保留深度
就像前面说的，三层结构，按需加载。
类似点菜，菜单上有几十道菜，但你不会每道都点。你先看菜单（YAML 前置信息），觉得哪道菜好吃，再让服务员端上来（加载 SKILL.md 正文）。
实际价值：YAML 前置信息只有几行，不会每次都加载所有内容。只有真正需要的时候，才会往下读。这就是为什么用 Skills 能省 70% Token 的原因。
2. 可组合性：多个技能和平共处
你可以同时启用多个 Skill，它们不会冲突。
就像乐高积木，想拼啥拼啥。你可以同时用"行业报告 Skill"、"数据分析 Skill"、"PPT 生成 Skill"，互不干扰。
实际价值：你不用为每个任务单独写一个 Skill，可以组合使用，灵活性极高。
3. 可移植性：写一次，到处能用
你在 Claude.ai 写的 Skill，可以直接复制到 Claude Code，也可以在 API 里调用。
一次编写，处处运行。就像你写好的代码，可以在不同的电脑上跑。
实际价值：不用为不同的平台重复写 Skill，省时省力。
如果你是以下几类人，Skills 简直是为你量身定做的：
1. 用了龙虾（OpenClaw）的人
这是最需要 Skills 的人群。
为啥？因为龙虾是 Agent，不是聊天机器人。
只要是能抽象出流程的工作，你都可以固化成一个个具体的Skill，剩下的交给龙虾自动执行。省 Token，提效率，何乐不为？
2. 开发者：希望 Agent 按固定流程工作
如果你是开发者，经常需要 Agent 帮你写代码、重构、排查 bug，Skills 能帮你标准化这些流程。
比如你可以写一个"代码审查 Skill"，让 Agent 每次都按照固定的检查清单审查你的代码。
3. MCP 连接器构建者：想让集成更好用
如果你在用 MCP（Model Context Protocol）连接外部服务，Skills 能帮你把这些连接固化成工作流程。
比如你可以写一个"数据库查询 Skill"，让 Agent自动连接数据库、执行查询、生成报告。
4. OPC一人公司：想自动化重复任务
如果你每天都在做重复性的工作，比如运营自媒体、整理数据、整理文档，Skills 能帮你把这些任务自动化。
官方指南里总结了三类最常见的用例，我给你拆解一下。
1. 文档和素材创建
适用场景：经常需要生成高质量的文档、PPT、设计稿等。
示例技能：frontend-design、docx、pptx
怎么做：把你的文档模板、设计规范、品牌风格写进 SKILL.md，以后只需要一句话，就能生成符合你标准的文档。
2. 工作流程自动化
适用场景：有固定的多步骤流程，需要按顺序执行。
示例技能：skill-creator（套娃！用 Skill 生成 Skill）
怎么做：把你的工作流程拆解成步骤，写进 SKILL.md。Agent 会自动按照流程执行。
3. MCP 增强
适用场景：需要连接外部服务，比如数据库、API、文件系统等。
示例技能：sentry-code-review（自动代码审查）
怎么做：把 MCP 服务器的调用方式写进 SKILL.md，Agent 会自动连接外部服务。
说了这么多理论，咱们来点实操。
官方指南说，15-30 分钟就能构建第一个可用技能。
我给你简化一下，15 分钟搞定。
步骤 1：想清楚你要解决什么问题
别一上来就写代码，先想清楚你要解决什么问题。
举例：比如要写行业报告，每次都要重复说明数据来源、结构、重点。我想把这些固化成 Skill，省得每次都要重复解释。
步骤 2：创建文件夹，让OpenClaw自己整理SKILL.md
复制以下内容，扔给龙虾：
---name: industry-reportdescription: 生成行业分析报告，适用于市场调研、竞品分析等场景。触发词：行业报告、市场分析、竞品分析---# 行业报告生成器## 触发条件当用户要求生成行业报告、市场分析、竞品分析时触发。## 核心指令1. 数据来源：从官方机构、券商研报、行业协会获取数据，优先使用最新季度数据2. 报告结构：摘要 → 市场规模 → 竞争格局 → 趋势预测 → 建议3. 重点板块：每个板块不低于800字，数据需标注来源## 输出格式Markdown 格式，包含表格、图表描述、数据引用
Agent会自己整理成Skill，入门就这么简单。
步骤 3：测试一下
直接告诉龙虾：「用行业报告 Skill，帮我写一份人形机器人的市场分析」看看输出是否符合预期。如果符合，恭喜你，第一个 Skill 构建成功！
步骤 4：迭代改进
如果不符合预期，不要慌，这是正常的。
常见问题 1：不触发 → description 太模糊，加触发词
常见问题 2：触发过度 → 加了负触发词，让 description 更具体
常见问题 3：输出不符合预期 → 检查 SKILL.md 的指令是否足够具体
步骤 5：享受省 Token 的快乐
测试通过后，你就可以正式使用了。
下次你只需要说一句话："用行业报告 Skill，帮我写一份人形机器器的市场分析。"剩下的交给 Agent 自动执行。
实测数据（我的真实体验）： • 不用 Skill：每次对话消耗 50000 Token（重复解释 + 执行） • 用 Skill：每次对话消耗 15000 Token（直接执行）省 70% Token，效率翻倍。
看了上面的教程，你可能觉得 Skills 挺简单的。
但说实话，很多人在构建 Skills 的时候，会踩一些坑。我给你列几个最常见的。
误区 1：过度设计（SKILL.md 超过 500 行）
后果：加载慢，反而费 Token。
建议：精简指令，把深度内容放链接文件里。记住，SKILL.md 是核心指令，不是百科全书。
误区 2：描述太模糊导致不触发或过度触发
后果：该触发时不触发，不该触发时乱触发。
建议：description 必须同时包含"能做什么"和"什么时候用"。
误区 3：忽略 MCP + Skills 的架构优势
后果：Skills 的能力被限制了，只能做 Agent 能做的事。
建议：结合 MCP 服务器，扩展 Skills 的能力边界。比如你可以写一个 Skill，让它自动连接数据库、查询数据、生成报告。这才是 Skills 的真正威力。
实用建议：用 skill-creator 内置技能辅助构建 如果你觉得自己写 Skill 太麻烦，可以用官方的 skill-creator 技能。这是一个"用 Skill 生成 Skill"的工具（套娃！）。 你只需要告诉它你想解决什么问题，它会自动帮你生成 SKILL.md 模板。 15-30 分钟搞定第一个 Skill，不是吹牛。
曾经我们使用的Saas和手机App都是典型的线性流程，行业称呼为表单交互，按钮、选项。填写值，都是产品经理们在开发时写好的东西，你无法超出这些框架。
而龙虾之所以爆火，它其实开创了一个全新的自定义Agent时代，无论你是个人还是企业，再小的个体都能快速拥有适合自己的智能体。
所以，最值钱的技能不是「会用 AI」，而是结合你是发现问题，定义标准，判断价值的能力。
剩下的事，让Skill为你重复100遍就好。
话说回来，这篇文章只能带你入门。
如果你想深入学习怎么构建高质量的 Skill...
如果你想看看真实的 Skill 是怎么写出来的...
如果你想了解更多的实战案例，怎么把 Token 烧在刀刃上...
来龙虾坦白局吧。
不讲虚的，手把手教你写 Skill，从 0 到 1 构建你的专属 AI 助手。
怎么写指令，怎么建 Skill，怎么把 Token 烧在刀刃上。
9.9 元，咱们坦白局见。
请注明“龙虾”
