OpenClaw 能够把 skill 和工具 进行多步调用，高效完成复杂任务。本文带你拆解 OpenClaw 调用 skill 的核心能力原理，用流程图逻辑+Python代码对应，一次性讲透交互全过程。

🔍 一、核心交互流程：用户→大模型→Tool→Skill

当用户提出问题，整套调用链路会按固定逻辑循环执行，最多支持 10轮 调用，直至输出最终答案。

1. 问题分析与 Skill 初选

用户问题 → 大模型接收 → 大模型遍历所有 Skill（Name+Describe）
→ 大模型分析需求，选定目标 Skill（例：读文件工具）

2. Skill 内容读取

大模型指令：读取对应 Skill 文件 → 获取 Skill 完整使用规则
→ 规则回传大模型，掌握 Skill 使用方法

3. Tool 执行与命令调用

大模型生成执行指令 → 调用 Tool 执行（主流：curl命令/Shell脚本）
→ 执行 Skill 对应的 API → 获取返回结果

4. 多轮循环判断

结果回传大模型 → 校验是否为最终答案
✅ 是：结束流程，返回结果
❌ 否：开启下一轮 Skill 调用，重复上述步骤
→ 最多循环 10轮 终止

💻 二、代码层对应：Python 实现逻辑

理论落地到代码，每一步都有明确对应关系，清晰易懂。

1. 初始化：加载所有 Skill

程序启动 → 读取全部 Skill 文件 → 提取 Skill 名称+描述
→ 拼接进 System 提示词 → 整合入 Message 结构体

# 加载 skillsskills = load_skills(SKILLS_DIR)if not skills:	print("[错误] 未找到任何 SKILL 文件，请检查 SKILLS_DIR 配置")	returnprint(f"\n已加载 {len(skills)} 个技能: {', '.join(skills.keys())}\n")# 构建 system prompt（参考 openclaw 的 buildEmbeddedSystemPrompt）system_prompt = build_system_prompt(skills)messages = [	{"role": "system", "content": system_prompt},	*conversation_history,	{"role": "user", "content": user_input},]

2. 消息结构组装

System 提示词（含 Skill 信息）+ 历史对话 + 用户最新问题
→ 生成完整请求 Message

3. 接口调用：Function Call 核心

Message 传入 chat.completion 接口
→ 同步传入 TOOLS 参数（开启 Function Call 能力）

        # 始终用 stream=True（对应 openai-completions.js 的 stream: true）        stream = client.chat.completions.create(            model=MODEL_ID,            messages=messages,            tools=TOOLS,            tool_choice="auto",            stream=True,            stream_options={"include_usage": True},            extra_body={"enable_thinking": True},        )

🛠️ 三、OpenClaw 必备双 Tool 设计

为支撑 Skill 多步调用，至少需配置两个核心工具，分工明确：

1. 读工具
    📖
   专属作用：读取 Skill 文件，获取完整执行规则
2. 执行工具
    ⚙️
   专属作用：运行脚本，主流为执行 curl 命令，完成 Skill 落地
   TOOLS = [    {        "type": "function",        "function": {            "name": "read_file",            "description": (                "读取文件内容。用于读取 SKILL.md 技能说明文件，获取接口地址、参数格式等信息。"            ),            "parameters": {                "type": "object",                "required": ["file_path"],                "properties": {                    "file_path": {                        "type": "string",                        "description": "文件路径（绝对路径或相对路径）",                    }                },            },        },    },    {        "type": "function",        "function": {            "name": "exec_command",            "description": (                "执行 Shell 命令。用于执行 curl 命令调用外部 API 接口，获取查询结果。"                "只允许执行 curl 命令，不允许执行其他命令。"            ),            "parameters": {                "type": "object",                "required": ["command"],                "properties": {                    "command": {                        "type": "string",                        "description": "要执行的 Shell 命令（仅限 curl）",                    }                },            },        },    },]

🔁 四、最终执行闭环

大模型输出 Function Call 结果 → 解析结果数据
→ 触发 Tool 执行 → 结果回传 → 循环/终止
→ 输出最终答案

while iteration < max_iterations:        iteration += 1        print(f"\n[循环 {iteration}/{max_iterations}] 调用大模型...", flush=True)