OpenClaw Skills实战:从零打造你的第一个自动化技能

收藏一万个Skills，不如自己动手造一个。

三个月前，我的OpenClaw里躺着200多个Skills。

从代码审查到文档生成，从数据分析到邮件回复，应有尽有。我像个仓鼠一样疯狂收藏，以为工具越多，效率越高。

结果呢？

90%的Skills从来没用过。真正帮我节省时间的那个，是我自己写的。

今天这篇文章，我想和你分享：如何从零开始，打造属于你的第一个OpenClaw Skills。

第一部分：为什么我要自己造Skills？

先说一个反常识的观点：

Skills不是收藏来的，是动手造出来的。

我见过太多人，包括我自己，陷入"工具囤积症"。看到酷炫的Skills就收藏，觉得"以后肯定用得上"。但事实是——

别人的Skills，解决的是别人的问题。

你的痛点，只有你自己最清楚。

我的第一个Skills

让我真正意识到这一点的，是一个小小的自动化需求。

作为公众号运营，我每天要处理大量素材：抓取文章、提取选题、生成大纲、配图、排版、发布……

其中有个环节特别烦人——给文章配图。

每次都要：

1. 打开配图工具
2. 想提示词
3. 生成图片
4. 下载、改名、整理
5. 插入文章

一套下来，20分钟没了。而且每天都重复。

有一天我突发奇想：这能不能自动化？

2小时后，我的第一个Skills诞生了。现在，这个流程只需要3秒。

30分钟 → 3秒。这就是Skills的力量。

但前提是：你得自己动手造。

第二部分：Step 1 - 归纳：找到你的"口头禅"

Skills的本质是什么？

公共的Prompt就是Skills。

换句话说，那些你反复对AI说的话，就是下一个Skills的雏形。

观察：记录你的"口头禅"

第一步很简单：观察自己。

打开你的OpenClaw对话记录，看看过去一周，你对AI说了什么？

有没有这样的话：

• "帮我总结一下这篇文章的核心观点"
• "把这个Markdown转成HTML，用简洁风格"
• "给这段代码加上注释，说明每个函数的作用"
• "把这个表格数据可视化，用柱状图"

这些话，就是你的"口头禅"。

每说一句，你就花了一次打字的时间。说100次，就是100次。

但如果把它封装成Skills呢？一次封装，永久复用。

提炼：从口头指令到结构化Prompt

找到口头禅后，下一步是提炼。

举个例子，我的口头禅之一是：

"帮我给这篇文章配个图，要符合内容主题，风格简洁专业"

这句话很模糊，AI每次生成的结果都不一样。我需要把它结构化：

## 角色
你是一位专业的视觉设计师，擅长为技术文章配图。

## 任务
为以下文章生成一张配图：
- 文章主题：{topic}
- 目标风格：{style}
- 尺寸要求：{size}

## 输出要求
1. 图片要直观传达文章核心概念
2. 配色简洁，不超过3种主色
3. 避免文字，用图形符号表达
4. 格式：PNG，尺寸{width}x{height}

看到区别了吗？

口头指令是模糊的，结构化Prompt是精确的。

把模糊变精确，就是提炼的过程。

第三部分：Step 2 - 封装：变成OpenClaw能用的Skills

现在，你已经有了一个结构化的Prompt。下一步是把它变成OpenClaw能识别的Skills。

Skills的文件结构

一个标准的OpenClaw Skills包含三个文件：

skill-name/
├── SKILL.md          # 技能说明文档
├── tools.yaml        # 工具配置（可选）
└── scripts/
    └── main.ts       # 主执行脚本

SKILL.md 是核心，它告诉OpenClaw：

• 这个Skills是做什么的
• 什么时候该调用它
• 需要哪些参数

举个例子，我的"文章配图"Skills的SKILL.md长这样：

---
name: article-illustrator
description: >
  为技术文章自动生成配图。输入文章主题和风格要求，
  输出符合主题的PNG格式配图。
triggers:
  - "给文章配图"
  - "生成配图"
  - "文章需要图片"
inputs:
  - topic: 文章主题
  - style: 风格要求（可选，默认"简洁专业"）
  - size: 尺寸（可选，默认"800x600"）
---

自动为技术文章生成配图。

渐进式加载：让AI按需调用

这里有个关键设计：渐进式披露。

不是让AI一次性加载所有Skills信息，而是先加载最基本的元信息。当AI判断需要这个Skills时，再加载完整内容。

这样做的好处是——节省上下文窗口。

想象一下，如果把所有Skills都堆在"桌面"上，桌面会很乱，AI也会懵。分级缓存，按需加载，才能保持清晰。

OpenClaw会自动处理这个逻辑。你只需要在SKILL.md里写清楚触发条件和输入参数，它会智能匹配。

第四部分：Step 3 - 验证：在实际工作中迭代

Skills造出来了，但工作还没结束。

真正好用的Skills，是在实战中打磨出来的。

先用起来，再慢慢改

我的"文章配图"Skills，第一版其实很粗糙：

• v1.0：只能生成固定尺寸的图片
• v1.1：增加了尺寸参数
• v1.2：增加了风格选择
• v1.3：加入了自动保存到指定目录
• v2.0：整合了图片压缩和格式转换

每一版的改进，都来自实际使用中的痛点。

有个小技巧：每次用Skills解决问题后，别急着关对话框。加一句："总结一下刚才的过程，有什么可以优化的地方？"

让AI帮你反思，你会发现很多改进点。

分享出去，获得反馈

Skills的另一个价值：团队共享。

当我把自己写的Skills分享给同事后，他们不仅在使用，还在反馈。有人加了新功能，有人优化了提示词，有人发现了新场景。

一个人的经验，变成了团队的资产。

经验可以沉淀，这在过去几十年做不到，但在AI时代可以。

结语：让AI成为你的手，而不是你的脑

写到这里，我想回答一个根本问题：

我们为什么要造Skills？

不是为了炫技，不是为了收藏，而是为了把重复交给机器，把创造留给自己。

Skills的本质，是把你的"口头禅"固化下来，让AI在恰当的时间，做恰当的事。

它不会替代你的思考，但会放大你的能力。

收藏一万个Skills，不如自己动手造一个。

希望这篇文章能给你一些启发。如果你造出了第一个Skills，欢迎分享给我。

让AI成为你的手，而不是你的脑。