夜雨聆风这一期满满的干货！
通过泄露的Claude Code优化本地龙虾机器人技能的详细过程。
起因：2026年3月底，Anthropic的Claude Code源码泄露事件在技术圈掀起轩然大波。但很少有人注意到，这场"泄露风波"背后，还有一个更值得关注的赢家——本地AI助手OpenClaw。通过深度学习Claude Code的Skills技能系统，OpenClaw实现了能力的质的飞跃。今天咱们就聊聊，一个本地AI机器人是怎么"偷师"业界顶尖产品，把自己升级成超级助手的。
一、先搞清楚：OpenClaw和Claude Code是什么关系？
OpenClaw是谁？
如果你还没用过OpenClaw，简单介绍一下：这是一个本地运行的AI助手，跟ChatGPT、Claude这些云端产品不一样，OpenClaw跑在你自己的电脑上，数据不出本地，隐私更有保障。
OpenClaw有个特色功能叫"Skills"（技能），你可以理解为给AI装上的"专业插件"。比如：
• 装了 codeSkill，AI就变成编程专家• 装了 docxSkill，AI就能帮你处理Word文档• 装了 pdfSkill，AI就能分析PDF文件
这些Skills以目录形式存在，启动时自动加载，让AI具备特定领域的专业能力。
Claude Code又是啥？
Claude Code是Anthropic推出的AI编程助手，号称"程序员的AI搭档"。它最大的特点是有一套完善的Skills系统，让Claude可以根据不同场景切换专业身份。
比如：
• 你让它写Python，它就变成Python专家 • 你让它审代码，它就变成代码审查专家 • 你让它写文档，它就变成技术文档工程师
这种"身份切换"不是简单的提示词变化，而是一套完整的技能封装机制。
泄露事件给了OpenClaw什么机会？
3月31日，Claude Code的源码泄露到了网上。虽然Anthropic官方保持沉默，但这批代码成了业界的"学习资料"。
OpenClaw的使用者（也就是我）第一时间下载了代码，进行了深入分析。结果发现：Claude Code的Skills系统设计得非常精妙，有很多值得借鉴的地方。
于是，一个大胆的想法诞生了：让OpenClaw"学习"Claude Code的Skills系统，把好东西搬过来！
二、深度拆解：Claude Code的Skills系统强在哪？
1. 三层架构设计
Claude Code的Skills不是简单的"提示词模板"，而是一个分层架构：
┌─────────────────────────────────────┐│ 第一层：Bundled Skills（内置技能） ││ 随软件分发，开箱即用 ││ 包括：batch, debug, verify, remember │└──────────────┬──────────────────────┘ │┌──────────────▼──────────────────────┐│ 第二层：Local Skills（本地技能） ││ 用户自定义，完全控制 ││ 位置：~/.codex/skills/ │└──────────────┬──────────────────────┘ │┌──────────────▼──────────────────────┐│ 第三层：MCP Skills（外部技能） ││ 通过MCP协议动态获取 ││ 来自第三方服务 │└─────────────────────────────────────┘这种设计的巧妙之处在于：既有开箱即用的便利，又有自定义的灵活，还能接入外部生态。
2. SKILL.md文件格式
Claude Code用SKILL.md文件定义技能，格式非常规范：
# Skill名称## DescriptionAI角色定义和能力描述## When to Use使用场景和触发条件## Guidelines具体指南和规范## Examples代码示例（Good/Bad对比）## Related Skills相关技能引用这种结构的好处是：
• 标准化：所有Skill遵循统一格式 • 自文档化：Skill文件本身就是文档 • 可解析：程序可以自动提取关键信息
3. 动态加载机制
最厉害的是，Claude Code支持运行时动态加载Skills。
什么意思呢？
传统的AI助手，Skills是启动时加载好的，运行过程中没法换。但Claude Code有个Skill工具，可以在对话过程中随时加载新的Skill。
比如：
用户：帮我分析这个CSV文件AI：我来加载数据分析Skill... [加载中] 好的，作为数据分析专家，我建议...这种"按需加载"的能力，让AI可以根据任务动态调整专业身份，而不是一开始就加载所有技能。
4. CLAUDE.md项目上下文
Claude Code还有一个绝活：自动发现项目上下文。
它会从当前工作目录开始，向上查找CLAUDE.md文件，把里面的内容自动注入到系统提示词中。
比如你在一个Python项目里，项目根目录有个CLAUDE.md：
# MyProject这是一个Python数据分析项目。## 使用的Skills- python-data-analysis- technical-writing## 项目规范- 使用Python 3.10+- 代码风格：Black + isort- 测试框架：pytestClaude Code会自动读取这个文件，知道这是一个Python项目，应该用什么代码风格、什么测试框架。
这种"项目感知"能力，让AI不再是"通用助手"，而是"懂你的助手"。
三、OpenClaw的"学习"过程
第一步：代码分析（3小时）
下载Claude Code泄露代码后，我花了3个小时进行深入分析：
看了哪些文件？
• src/skills/bundled/- 20个内置Skills的源码• src/skills/loadSkillsDir.ts- Skills加载逻辑• rust/crates/tools/src/lib.rs- Rust版Skill工具实现• rust/crates/runtime/src/prompt.rs- 提示词组装逻辑• PARITY.md- 功能对比文档
发现了什么？
• Claude Code的Skills系统有约20个内置技能 • Rust版本（Claw Code）实现了约2万行代码 • 核心机制是"Skill工具+路径解析+提示词注入"
第二步：知识整理（6小时）
分析完代码，我开始系统整理知识，创建了完整的知识库：
知识库结构：
~/.stepclaw/skills/claude-code-skills/├── SKILL.md # Skills核心概念（4,600字）├── architecture-analysis.md # 架构深度分析（11,800字）├── bundled-skills-analysis.md # 20个内置技能解析（2,500字）├── README.md # 知识库入口（4,100字）└── templates/ ├── code-review.md # 代码审查模板（4,000字） └── refactoring.md # 重构模板（5,700字）总计约35,000字，涵盖了：
• Skills系统的核心概念 • 系统架构的详细分析 • 数据流的完整解析 • 实现细节的代码解读 • 可直接使用的模板
第三步：创建自定义Skills（4小时）
学以致用，我基于学到的知识，创建了两个实用的自定义Skills：
1. Python数据分析专家（7,000字）
这个Skill让OpenClaw变成数据分析专家，包含：
• 数据清洗流程（去重、缺失值处理、类型优化） • EDA快速概览函数 • 可视化模板（分布图、热力图、时间序列） • 统计分析函数 • 完整工作流示例
2. 技术文档编写专家（5,700字）
这个Skill让OpenClaw变成技术文档工程师，包含：
• README.md标准结构模板 • API文档结构模板 • 教程文档结构模板 • Markdown最佳实践 • 写作技巧指南
第四步：改进提案（3小时）
最后，我基于对Claude Code的学习，为OpenClaw写了一份详细的改进提案：
《OpenClaw Skills系统改进提案》（9,800字）
内容包括：
• 现状分析：OpenClaw与Claude Code的对比 • 改进目标：6项核心改进 • 具体方案：目录结构、Skills工具、CLAUDE.md支持 • 实施计划：分三阶段，共7-9周 • 代码示例：Skills加载器、CLAUDE.md发现器
四、能力提升：OpenClaw学到了什么？
能力提升对比
具体提升案例
案例1：数据分析任务
以前让OpenClaw分析CSV文件，它会给出一个通用的Python脚本。
现在加载了python-data-analysis Skill后：
• 自动提供数据清洗流程 • 给出可视化建议 • 提供性能优化技巧 • 输出符合数据科学规范的报告
案例2：代码审查
以前审查代码，OpenClaw会说"这里可以改进"。
现在使用code-review模板后：
• 按照标准化流程检查 • 给出具体的评分 • 提供可执行的改进建议 • 区分Critical Issues和Suggestions
案例3：文档编写
以前写README，OpenClaw会给一个基础模板。
现在使用technical-writing Skill后：
• 提供3种标准文档结构 • 给出Markdown最佳实践 • 提供写作技巧指导 • 包含发布前检查清单
五、普通用户能学到什么？
1. Skills是AI的"专业证书"
Skills的本质是领域知识的封装。就像医生有医师资格证、律师有律师执照，AI有了Skills就有了"专业身份"。
对于普通用户来说，这意味着：
• 你可以让AI扮演特定角色（代码审查员、数据分析师、文档工程师） • AI的回答会更专业、更精准 • 你可以创建自己的Skills，让AI学会你的业务知识
2. 提示词工程的高级形式
很多人以为Skills就是"高级提示词"，其实不完全对。
Skills是提示词工程的高级形式：
• 不是简单的"你是一个Python专家" • 而是完整的知识体系、工作流程、最佳实践 • 是可复用、可维护、可分享的专业模块
3. 本地AI的优势
这次学习过程也体现了本地AI的优势：
• 隐私安全：代码分析在本地完成，不上传云端 • 深度定制：可以根据自己的需求修改Skills • 知识积累：Skills可以长期保存，不断积累
4. 如何创建自己的Skills
如果你也想创建自己的Skills，可以参考这个流程：
Step 1：确定领域
• 你经常让AI做什么任务？ • 这个任务有什么专业规范？ • 有没有标准的流程或模板？
Step 2：整理知识
• 收集该领域的最佳实践 • 整理常用的代码片段 • 总结常见错误和解决方案
Step 3：编写SKILL.md
# 你的Skill名称## DescriptionAI角色定义## When to Use使用场景## Guidelines具体指南## Examples代码示例Step 4：测试优化
• 在实际任务中使用 • 根据效果调整内容 • 持续迭代改进
六、写在最后
这次学习的意义
OpenClaw通过学习Claude Code的Skills系统，实现了能力的数倍提升。这不仅仅是"抄作业"，而是站在巨人肩膀上的创新。
Claude Code的Skills系统设计得非常优秀，值得所有AI助手产品学习。OpenClaw作为本地AI助手，能够吸收这些优秀设计，对用户来说是一件好事。
未来展望
基于这次学习，OpenClaw的Skills系统还将持续改进：
短期（本月）：
• 创建更多领域Skills • 在项目中使用CLAUDE.md • 分享Skills给社区
中期（本季度）：
• 实现动态Skill加载 • 添加CLAUDE.md自动发现 • 开发Skills市场
长期（今年）：
• 支持MCP协议 • 社区Skills生态 • AI自动生成Skills
给读者的建议
如果你也在用AI助手（不管是OpenClaw、Claude Code还是其他产品），建议你：
1. 善用Skills：别让AI一直当"通才"，给它装上"专业证书" 2. 创建自己的Skills：把你的业务知识封装起来，让AI更懂你 3. 关注隐私：本地AI虽然配置麻烦点，但数据安全更有保障 4. 持续学习：AI技术变化快，保持学习才能跟上节奏
值得关注
觉得这篇文章有用？
🔔 关注我的公众号，获取更多AI技术干货：
• 本地AI助手使用技巧 • Skills系统深度解析 • 开源项目实战分享 • AI行业趋势分析
下期预告：《手把手教你创建第一个AI Skill：从零开始封装你的专业知识》
我将详细演示如何：
• 分析你的业务需求 • 整理领域知识 • 编写SKILL.md文件 • 测试和优化Skills
不要错过！点击关注，第一时间获取更新。
Claude Code源码泄露事件全解析：一场意外背后的技术狂欢与冷思考
一个人就是一支团队：AI时代，我用这套系统3个月做到月入5万
龙虾超级AI员工管理系统，直接让你用上更先进的龙虾机器人来为你干活。
Vibe Coding × OpenClaw：下一代智能网站，简单看懂下一代互联网趋势。
作者：未来已来-豆先生个人主页：www.weilai.wang更新时间：2026年4月2日
本文基于OpenClaw实际学习记录整理，所有技术细节均来自Claude Code泄露代码的深度分析。
