搞不懂 Skills?OpenClaw 如何让 AI 助手真正可扩展

机器之心今日有一篇文章引起我的注意："搞不懂 Skills？看看 Claude Code 内部工程师们是怎么玩的"。

这篇文章提到了一个关键技术概念：Skills（技能系统）。

而 OpenClaw，正是将这个概念做到极致的项目。

一、什么是 Skills

在 AI 助手的世界里，"Skill" 是什么？

简单说：一个可重用的能力单元。

就像工具箱里的工具，每个 Skill 负责一个特定的任务：

搜索网页
分析代码
生成图片
发送邮件
控制日历

传统 AI 助手的问题：所有能力都硬编码在模型里，无法扩展。

Skills 系统的愿景：让 AI 助手像操作系统一样，可以安装插件。

二、Claude Code 的 Skills

机器之心那篇文章分析了 Claude Code（Anthropic 的 AI 编码工具）如何使用 Skills。

核心思路：

SKILL.md 文件定义技能 - 每个技能是一个 Markdown 文件
自动发现能力集 - AI 扫描 SKILL.md，知道自己能做什么
任务分发 - 根据用户需求，选择合适的 Skill
工具调用 - Skill 可以调用外部工具（API、CLI 等）

这解决了 AI 助手的一个核心问题：如何让 AI 做它能做的事，而不是想象它能做的事。

三、OpenClaw 的 Skills 系统

OpenClaw 是一个自托管的个人 AI 助手 Gateway，它将 Skills 的概念进一步推向极致。

核心特性

1. 本地化技能库

~/.openclaw/workspace/skills/├── my-skill/│   └── SKILL.md├── another-skill/│   └── SKILL.md└── ...

每个技能是一个文件夹，包含 SKILL.md 和其他资源。

2. 自动发现

OpenClaw 启动时自动扫描 skills/ 目录，加载所有可用技能。AI 知道自己"会什么"。

3. 组合调用

技能之间可以相互调用。一个技能可以利用另一个技能的能力。

4. 跨平台共享

同一套技能库，可以在 WhatsApp、Telegram、Discord、iMessage 等所有平台上使用。

为什么这很重要

传统 AI 助手：

能力固定，无法扩展
每个平台需要单独实现
用户无法自定义能力
厂商控制一切

OpenClaw Skills：

开放扩展，用户可以添加技能
一次实现，跨平台使用
技能可组合、可分享
用户拥有完全控制权

四、MagicSkills：从理念到实践

机器之心那篇文章还提到了一个项目：MagicSkills。

这揭示了 Skills 系统的更高愿景：

1. 技能池化

每个 Agent 都有自己的技能需求，但很多技能是通用的。MagicSkills 将技能放入共享池，按需分配。

2. 组合能力

技能不是孤立的。就像乐高积木，可以组合成更复杂的能力。

3. 同步与分发

技能可以在不同设备、不同 Agent 之间同步。

4. 稳定 API

技能通过统一的 API 暴露，调用方不需要知道实现细节。

五、OpenClaw 如何实践这些理念

OpenClaw 的设计体现了这些先进的理念：

1. 工作区即技能库

~/.openclaw/workspace/├── skills/              # 技能目录│   ├── github/         # GitHub 操作技能│   ├── weather/        # 天气查询技能│   └── ...            # 更多技能├── AGENTS.md          # Agent 定义├── SOUL.md            # Agent 个性└── ...

技能就是普通的文件和代码，不需要特殊的格式或框架。

2. SKILL.md 的元数据

每个技能的 SKILL.md 定义了：

技能名称和描述
触发条件（什么情况下使用）
工具定义（使用哪些外部工具）
使用说明

AI 通过阅读 SKILL.md，学会如何使用这个技能。

3. 动态加载与卸载

添加技能只需要：

cp -r my-new-skill ~/.openclaw/workspace/skills/

OpenClaw 会自动发现新技能。

4. 多 Agent 共享

一个 OpenClaw 实例可以运行多个 Agent，它们共享技能库。每个 Agent 可以有不同的技能组合。

六、给开发者的启示

1. AI 需要明确知道自己能做什么

传统模型会"想象"自己能做某事，然后失败。Skills 系统让 AI 知道它的能力边界。

2. 能力应该是模块化的

就像操作系统，AI 助手应该是一个平台，支持扩展。

3. 用户应该拥有控制权

AI 助手是帮用户工作的，用户应该决定它能做什么。

4. 标准化很重要

SKILL.md 是一个标准，但它足够简单，任何人都可以实现。

七、应用场景

1. 个人工作流自动化

创建一组技能，自动处理日常工作流程：

邮件自动分类
日程智能调度' 文档自动归档

2. 团队协作

共享技能库，团队成员都可以使用相同的能力。

3. 领域域定制

为特定领域开发专用技能：

法律文档分析
医疗数据查询
金融报告生成

4. 第三方生态

开发者可以发布技能，形成生态系统。就像 WordPress 的插件、VS Code 的扩展。

八、商业 AI 助手 vs OpenClaw

维度	商业 AI 助手	OpenClaw
能力扩展	厂商控制	用户可添加
技能分享	不支持	完全支持
平台支持	单一平台	多平台
数据控制	云端存储	本地存储
定制化	有限	完全定制
成本	按量付费	自托管，无限制

OpenClaw 代表了一种不同的哲学：AI 助手应该像开源软件一样，开放、可定制、可扩展。

九、未来展望

Skills 系统还在早期，但方向明确：

1. 技能市场

未来可能会有"技能商店"，用户可以一键安装技能。

2. 技能组合语言

更强大的技能组合能力，自动组合多个技能完成任务。

3. 跨项目共享

技能库可以打包、分发、复用。

4. AI 自主开发技能

更高阶的愿景：AI 自己开发新技能来满足用户需求。

十、总结

Skills 系统是一个简单但强大的想法。

它解决了 AI 助手的一个核心问题：如何让 AI 做它真正能做的事。

OpenClaw 将这个想法做到极致：

开放、可扩展
本地优先、用户控制
跨平台、多 Agent

这代表了 AI 助手的一种新范式：不是固定的产品，而是可编程的平台。

就像 WordPress 改变了网站建设，OpenClaw 可能改变 AI 助手的使用方式。