夜雨聆风有兴趣的朋友可以到我的知识星球“小龙虾孵化实验室”共同探索智能工具的实现与应用（落地与变现）。
目录
1. 核心概念 2. OpenClaw 技能加载机制 3. 小龙虾技能加载机制 4. 对比分析 5. 最佳实践 6. 故障排查
注：小龙虾是我开发的类OpenClaw系统
核心概念
什么是技能动态加载？
技能动态加载 = AI 启动时自动扫描技能目录，解析技能定义，生成工具列表，无需修改代码。
传统方式（静态）：
// 硬编码在代码中this.toolDefinitions = [ { name: 'read_file', ... }, { name: 'write_file', ... },// 添加新技能需要修改代码];动态加载：
// 运行时生成this.toolDefinitions = this.loadSkillsFromDirectory();// 添加新技能只需复制文件到 skills/ 目录技能文件格式（SKILL.md）
---name: weatherdescription: Get current weather and forecasts (no API key required).homepage: https://wttr.in/:helpmetadata: {"clawdbot":{"emoji":"🌤️","requires":{"bins":["curl"]}}}---# WeatherTwo free services, no API keys needed.## wttr.in (primary)```bashcurl -s "wttr.in/London?format=3"Open-Meteo (fallback, JSON)
curl -s "https://api.open-meteo.com/v1/forecast?..."**结构说明**：- **Frontmatter**（YAML）：技能元数据 - `name` - 技能名称（工具调用名） - `description` - 技能描述（AI 理解用途） - `homepage` - 技能主页 - `metadata` - 扩展配置- **Markdown 正文**：技能使用说明、示例代码---## OpenClaw 技能加载机制### 目录结构~/.openclaw/├── workspace/│ └── skills/ # 技能目录│ ├── weather/ # 天气技能│ │ └── SKILL.md│ ├── stock-monitor/ # 股票监控│ │ └── SKILL.md│ └── README.md├── config/│ └── openclaw.json # 配置文件└── ...加载流程
┌─────────────────────────────────────────────────────────┐│ 1. OpenClaw Gateway 启动 │└─────────────────────────────────────────────────────────┘ ↓┌─────────────────────────────────────────────────────────┐│ 2. 扫描 skills 目录 ││ for skill_dir in workspace/skills/ ││ if exists(skill_dir + '/SKILL.md'): ││ skills.append(parseSKILL(skill_dir)) │└─────────────────────────────────────────────────────────┘ ↓┌─────────────────────────────────────────────────────────┐│ 3. 解析 SKILL.md ││ - 读取 frontmatter（YAML） ││ - 提取 name, description, metadata ││ - 验证技能格式 │└─────────────────────────────────────────────────────────┘ ↓┌─────────────────────────────────────────────────────────┐│ 4. 注册技能到工具系统 ││ tools.register({ ││ name: skill.name, ││ description: skill.description, ││ handler: loadSkillHandler(skill.path) ││ }) │└─────────────────────────────────────────────────────────┘ ↓┌─────────────────────────────────────────────────────────┐│ 5. 生成系统提示词 ││ prompt = ` ││ 你是阿财，老大的助手。 ││ ││ ## 你有以下工具 ││ ${tools.map(t => `- ${t.name}: ${t.description}`)}││ ││ ... ││ ` │└─────────────────────────────────────────────────────────┘ ↓┌─────────────────────────────────────────────────────────┐│ 6. 发送给大模型 ││ - 大模型看到动态生成的工具列表 ││ - 根据需要调用工具 ││ - Gateway 执行对应技能 │└─────────────────────────────────────────────────────────┘核心代码（伪代码）
// OpenClaw GatewayclassSkillManager {constructor(workspace) {this.skillsDir = path.join(workspace, 'skills');this.skills = []; }asyncloadSkills() {// 扫描技能目录const dirs = await fs.readdir(this.skillsDir);for (const dir of dirs) {const skillPath = path.join(this.skillsDir, dir, 'SKILL.md');if (await fs.exists(skillPath)) {const skill = awaitthis.parseSKILL(skillPath);this.skills.push(skill);// 注册工具this.tools.register({name: skill.name,description: skill.description,handler: this.createHandler(skill) }); } } }asyncparseSKILL(path) {const content = await fs.readFile(path, 'utf-8');const parts = content.split('---');// 解析 YAML frontmatterconst frontmatter = yaml.parse(parts[1]);return {name: frontmatter.name,description: frontmatter.description,path: path,body: parts[2] }; }buildPrompt() {const lines = ['## 你有以下工具'];for (const skill ofthis.skills) { lines.push(`- ${skill.name}: ${skill.description}`); }return lines.join('\n'); }}特点
| 技能存储 | ~/.openclaw/workspace/skills/ |
| 加载时机 | |
| 技能格式 | |
| 工具注册 | |
| 提示词生成 | |
| 技能执行 |
小龙虾技能加载机制
目录结构
simple-ai/├── src/│ ├── core/│ │ ├── skill_loader.py # 技能加载器│ │ └── plugin_manager.py # 插件管理器│ └── assistant-v7.js # AI 核心├── skills/ # 技能目录（与 OpenClaw 共享）│ └── weather/│ └── SKILL.md└── ...加载流程
┌─────────────────────────────────────────────────────────┐│ 1. 小龙虾启动（node src/server.js） │└─────────────────────────────────────────────────────────┘ ↓┌─────────────────────────────────────────────────────────┐│ 2. 创建 AI 助手实例 ││ const assistant = new SimpleAIAssistant(...) │└─────────────────────────────────────────────────────────┘ ↓┌─────────────────────────────────────────────────────────┐│ 3. 调用异步初始化 ││ await assistant.init() │└─────────────────────────────────────────────────────────┘ ↓┌─────────────────────────────────────────────────────────┐│ 4. 加载技能（调用 Python 加载器） ││ spawn('python', ['skill_loader.py', skills_dir]) │└─────────────────────────────────────────────────────────┘ ↓┌─────────────────────────────────────────────────────────┐│ 5. Python 技能加载器执行 ││ - 扫描 skills 目录 ││ - 解析 SKILL.md ││ - 输出技能列表（JSON/文本） │└─────────────────────────────────────────────────────────┘ ↓┌─────────────────────────────────────────────────────────┐│ 6. Node.js 解析输出 ││ - 提取技能名和描述 ││ - 构建工具定义（JSON Schema） ││ - 更新 this.toolDefinitions │└─────────────────────────────────────────────────────────┘ ↓┌─────────────────────────────────────────────────────────┐│ 7. 生成系统提示词 ││ this.buildToolsPrompt() │└─────────────────────────────────────────────────────────┘ ↓┌─────────────────────────────────────────────────────────┐│ 8. 调用大模型 API ││ - 发送工具定义给千问 API ││ - 接收工具调用请求 ││ - 执行对应技能 │└─────────────────────────────────────────────────────────┘核心代码
Python 技能加载器（skill_loader.py）
classSkillLoader:def__init__(self, skills_dir):self.skills_dir = skills_dirself.skills = []defscan_skills(self):"""扫描所有技能"""for item in os.listdir(self.skills_dir): item_path = os.path.join(self.skills_dir, item)ifnot os.path.isdir(item_path) or item.startswith('.'):continue skill_md = os.path.join(item_path, 'SKILL.md')if os.path.exists(skill_md): skill = self._parse_skill_md(skill_md)if skill:self.skills.append(skill)print(f"[OK] 加载技能：{skill['name']}")returnself.skillsdef_parse_skill_md(self, path):"""解析 SKILL.md"""withopen(path, 'r', encoding='utf-8') as f: content = f.read()# 提取 frontmatterif content.startswith('---'): parts = content.split('---', 2) frontmatter_str = parts[1].strip() frontmatter = self._parse_yaml(frontmatter_str)return {'name': frontmatter.get('name', ''),'description': frontmatter.get('description', ''),'path': path, }returnNonedefbuild_tools_definition(self):"""构建工具定义（JSON Schema）""" tools = []for skill inself.skills: tool = {'type': 'function','function': {'name': skill['name'],'description': skill['description'],'parameters': {'type': 'object','properties': {'city': {'type': 'string','description': '城市名','default': 'Beijing' } } } } } tools.append(tool)return toolsNode.js AI 核心（assistant-v7.js）
classSimpleAIAssistant {constructor(apiKey, workspace) {this.workspace = workspace;this.skillsDir = path.join(workspace, '..', 'skills');this.skills = [];this.toolDefinitions = []; }asyncinit() {awaitthis.loadSkills();awaitthis.loadMemoryToCache(); }asyncloadSkills() {log('正在加载技能...');// 调用 Python 技能加载器const result = awaitnewPromise((resolve, reject) => {const pyProcess = spawn('python', [ path.join(__dirname, 'core', 'skill_loader.py'),this.skillsDir ], {cwd: this.workspace,encoding: 'utf-8' });let output = ''; pyProcess.stdout.on('data', (data) => { output += data; }); pyProcess.on('close', (code) => {if (code === 0) resolve(output);elsereject(newError('加载失败')); }); });// 解析输出，提取技能const skillMatches = result.match(/\[OK\] 加载技能：(.+)/g);if (skillMatches) {for (const match of skillMatches) {const skillName = match.replace('[OK] 加载技能：', '').trim();this.skills.push({ name: skillName }); } }// 更新工具定义this.toolDefinitions = this.buildToolDefinitions();log(`加载完成：${this.skills.length} 个技能`); }buildToolDefinitions() {// 基础工具const baseTools = this.getBaseToolDefinitions();// 技能工具const skillTools = this.skills.map(skill => ({type: 'function',function: {name: skill.name,description: `调用${skill.name}技能`,parameters: {type: 'object',properties: {city: {type: 'string',description: '城市名',default: 'Beijing' } } } } }));return baseTools.concat(skillTools); }buildToolsPrompt() {const lines = ['## 你有以下工具'];// 基础工具const baseTools = this.getBaseToolDefinitions();for (const tool of baseTools) { lines.push(`- ${tool.function.name}: ${tool.function.description}`); }// 技能工具for (const skill ofthis.skills) { lines.push(`- ${skill.name}: 调用${skill.name}技能`); }return lines.join('\n'); }}特点
| 技能存储 | simple-ai/../skills/ |
| 加载时机 | |
| 技能格式 | |
| 工具注册 | |
| 提示词生成 | |
| 技能执行 |
📊 对比分析
架构对比
| 运行环境 | ||
| 技能目录 | ~/.openclaw/workspace/skills/ | simple-ai/../skills/ |
| 加载方式 | ||
| 工具注册 | ||
| 技能执行 | ||
| 配置复杂度 |
优劣势分析
OpenClaw
优势：
• 统一调度，资源管理好 • 技能执行环境隔离 • 支持复杂技能编排 • 有完整的技能市场
劣势：
• 架构复杂，学习成本高 • 需要 Gateway 常驻运行 • 技能执行有额外开销
小龙虾
优势：
• 架构简单，易于理解 • 直接执行，响应快 • Python + Node.js 灵活组合 • 可与 OpenClaw 共享技能
劣势：
• 技能执行需要自己管理 • 没有统一的调度系统 • 技能市场依赖 OpenClaw
【注：现已接入腾讯的skills社区】
实践
1. 技能目录管理
推荐结构：
skills/├── weather/ # 按功能分类│ └── SKILL.md├── stock-monitor/│ └── SKILL.md└── README.md # 技能说明文档命名规范：
• 技能名用小写字母和连字符 • 避免中文和空格 • 描述要清晰简洁
2. SKILL.md 编写
好的示例：
---name: weatherdescription: 查询全球任何城市的当前天气和预报homepage: https://wttr.in/metadata: {"emoji":"🌤️"}---# Weather Skill查询天气情况，无需 API 密钥。## 使用方法```bashcurl -s "wttr.in/Beijing?format=3"参数说明
• city: 城市名（英文或拼音）• format: 输出格式（3=简洁，T=详细）
**避免**：- 描述过于简单（"查天气"）- 没有使用示例- 参数说明不清晰### 3. 技能加载优化**启动时预加载**：```javascript// 推荐：启动时加载await assistant.init();// 不推荐：每次请求都加载async chat() { await this.loadSkills(); // 太慢！}缓存技能列表：
# 技能变化时重新加载if skills_changed: loader.scan_skills()else:return cached_skills4. 错误处理
技能加载失败：
try {awaitthis.loadSkills();} catch (error) {log(`技能加载失败：${error.message}`);// 使用基础工具继续运行this.toolDefinitions = this.getBaseToolDefinitions();}技能执行失败：
asyncexecuteSkill(skill, params) {try {returnawait skill.handler(params); } catch (error) {return`技能执行失败：${error.message}`; }}🔧 故障排查
问题 1：技能未加载
现象：AI 说"我没有这个工具"
排查步骤：
1. 检查技能目录是否存在 ls ~/.openclaw/workspace/skills/2. 检查 SKILL.md 格式 cat weather/SKILL.md3. 查看加载日志 tail -f logs/info.log | grep "技能"4. 手动测试加载器 python src/core/skill_loader.py ~/.openclaw/workspace/skills/
问题 2：技能加载报错
常见错误：
• output is not defined→ Promise 作用域问题• EADDRINUSE→ 端口被占用• ENOENT→ 文件路径错误
解决方法：
1. 检查代码中的变量作用域 2. 停止占用的进程 3. 使用绝对路径
问题 3：技能执行失败
排查步骤：
1. 检查技能依赖（如 curl、python 包） 2. 查看技能执行日志 3. 手动测试技能命令 4. 检查权限问题
总结
核心要点
1. 技能即文件 - 每个技能是独立的 SKILL.md 文件 2. 动态发现 - 启动时自动扫描，无需修改代码 3. 提示词生成 - 运行时构建工具列表 4. 零配置 - 用户安装技能后重启即可用
计划
1. 技能热加载 - 无需重启即可加载新技能 2. 技能依赖管理 - 自动安装技能依赖 3. 技能沙箱 - 更安全地执行第三方技能 4. 技能市场 - 一键安装社区技能 有兴趣的朋友可以到我的知识星球“小龙虾孵化实验室”共同探索智能工具的实现与应用（落地与变现）。