OpenClaw的SKILL实现与生产环境交互

⁘

前言：

前面2篇文章分别讲了2个SKILL的创建，无论是获取外部新闻还是嵌入式语言开发，实际上都是比较简单的流程，如果我们需要一个复杂的流程，那么我们应该如何来设计呢? 本文讲解如何通过构建SKILL并形成工作流来实现OpenClaw和实际生产环境进行交互。

⁘

1 概述

1.传统的工作流 传统工作流需要跨多个平台，输入和输出的格式可能不一致，都需要人工处理。 

2.自动化工作流 针对重复性，定义明确的任务，通过定义任务图，跨软件适配，但是在面临不可预知的运行故障时的恢复难以扩展，基于上下文的决策也无法实现。 

3.基于大语言模型的工作流 通过在执行过程中协调工具和约束支持面向特定领域的工作流，自动化程度超越固定的程序化流程，能够相应中间结果，工具输出以及根据任务环境更改执行策略。但是扩展功能需要重新设计代理端的编排，不仅仅是替换可执行模块。 

4.AI Agent的工作流 以OpenClaw为代表的AI Agent，通过控制和执行分离，围绕一个通用代理组织自动化工作流，该代理负责协调，状态跟踪和决策制定，实现将具体的操作委托给可重用的SKILL。

⁘

2 设计思考

代理和技能解耦，OpenClaw提供通用的控制和协调机制，通过封装面向特定领域的程序或面向特定软件的操作，通过管道/执行器执行具体操作。 这样在技能层面引入，替换，更新SKILL，不需要重新设计代理本身。 

特点： 

1.将任务分解成为明确的，可执行的工作流。 

2.将任务放在实际环境中执行，通过实际环境的反馈不断执行并进行优化。 

3.不仅重复性的流程需要转化为SKILL，针对特定任务（比如 针对流程的组织，执行）也需要转换为SKILL。

⁘

3 任务流程图

任务流程如下： 

1.用户通过聊天通道进入OpenClaw，任务开始。 

2.OpenClaw在启动的时候读取相关的SKILL，大模型基于上下文将请求分解为一系列可执行的任务。 

3.任务执行阶段，向真实环境提交作业并监控其状态，当执行未达到成功状态时，代理通过分析执行任务日志进行重试，并在必要时请求用户知道以解决问题。

后记：

OpenClaw不仅可以搭建纯输出的SKILL，同时通过将不同专业的SKILL组合成完整工作流，同时通过外部的执行结果反馈来优化工作流。