OpenClaw �� Skills 系统如何运转?一篇讲透!

上周有个朋友问我，说你们天天说的那个 OpenClaw 技能，到底是个啥玩意儿？我看文档里 Skill 来 Skill 去的，感觉挺高大上，就是没搞清楚究竟它是干嘛的？

我当时就愣住了。

因为这问题太真实了。坦率的讲，我刚开始用 OpenClaw 的时候，也是一脸懵。看那些官方文档，什么「模块化能力扩展包」、什么「渐进式上下文加载」，每个字都认识，连在一起就不知道在说啥。

直到我自己折腾了几天，使用了十几个技能，又手搓了两个之后，才突然开窍。

技能其实就是给 AI 用的工具箱。

就这么简单。

你装一个天气技能，AI 就能查天气；装一个搜索技能，AI 就能上网搜东西；装一个写公众号的技能，AI 就能帮你排版发文。AI 本身是个啥都不会的书呆子，技能就是让它变聪明的外挂。

今天我就把这个事儿彻底讲清楚。不是说教，就是聊聊我自己从懵逼到开窍的过程。

说真的，要理解技能为啥存在，得先看看 AI 能力扩展这事儿是怎么一路演化过来的。

最早的时候，全靠 Prompt（提示词）。你想让 AI 查天气，就在 Prompt 里写：「你是一个助手，当用户问天气时，告诉他去查天气网站。」

然后呢？

然后 AI 就只会说：「建议您查看天气应用哦。」

它根本没能力查，只能嘴上说说。就像个只会背书的书呆子，你问啥它都「理论上知道」，但动不了手。这不是 AI 笨，是它真的没「手」可用。

后来有了 Function Calling（函数调用），情况就好多了。开发者可以定义一系列工具函数，并把函数名、参数、用途告诉模型，比如：「有个函数叫 get_weather，传入城市名参数，就能返回当地天气」。模型在理解用户问题「北京天气」后，会判断需要调用工具，于是结构化地输出函数调用指令：get_weather("北京")，再由程序执行这个调用并把结果返回给模型。

这已经进步了，但问题也很明显。

工具散乱在各处，没有统一管理；AI 只知道怎么调，不知道「什么时候该调」；换个项目，工具得重新写一遍。就像你家里工具扔得到处都是，用的时候找不着，搬家还得重新买。

Skill 系统，就是来解决这些问题的。

2025年10月16日，Anthropic首次发布Agent Skils。最初，Skills只能在ClaudeCode里使用，而且还必须是Claude的Pro付费用户。

2月18日，Anthropic把Agent Skils作为统一标准，对外开放，不论你是不是Claude的付费用户，都可以使用。之后，很快像Codex、Cursor、Antigravity、OpenCode、Trae、Qoder、CodeBuddy等Coding Agentl以及ClaudeCowork、Skywork、MiniMaxAgent、扣子等桌面Agent都陆续支持了Skills。包括OpenClaw和最近大热的HermesAgent”（中文名“爱马仕"），也都支持Sills。

它把「工具」打包成一个个「即插即用的能力包」。一个 Skill 文件夹里，装着完整的「使用说明书」——什么时候该激活、怎么调用、遇到复杂情况去哪查。写一次，到处能用，换个项目直接复制过去就行。

说到这儿，我们可以做个类比：

• • Prompt Engineering 像是手写说明书，告诉 AI「你应该这样回答」
• • Function Calling 像是给 AI 一把螺丝刀，但它不知道什么时候该用
• • Skill 像是给 AI 一个工具箱，里面工具齐全，还附带使用场景说明

AI 从「只会背书的书呆子」，变成了「知道什么时候用什么工具的熟练工」。

那 Skill 具体能干嘛？

坦率的讲，这取决于里面配了什么。有的能读文件、查日历，有的能发消息、调 API，有的提供专业领域的知识，还有的是一整套复杂流程。

我跟你说我实际用过的。

weather 技能。你问「今天天气咋样」，AI 一看 description 里写着「当用户询问天气、温度或预报时激活」，匹配上了，加载 SKILL.md，找到里面的 curl 命令，调 wttr.in 接口，返回「北京 18 度，多云」。整个过程你无感知，就像 AI 本来就会查天气一样。

有人可能会问，技能和插件有啥区别？

这么分吧。插件是耳朵和嘴巴，负责消息怎么进来、怎么出去；技能是大脑里的知识，让 AI 能回答各种问题。插件管通道，技能管能力。

目前 OpenClaw 已内置了 53 个技能，覆盖天气、搜索、文件管理、各种外部服务。说真的，先不用自己装其它的skill，就够你玩一阵子了。

~/openclaw/skills/├── 1password/├── apple-notes/├── apple-reminders/└── ……（共53个）

而且OpenClaw官方插件中心现在已有约5.6万个技能，根本玩不过来。

说到这儿，你可能会好奇，技能是怎么被 AI 找到的？

这事儿稍微有点硬，但我尽量讲清楚。

OpenClaw 启动的时候，会去 skills/ 目录走一圈，找到所有带 SKILL.md 的文件夹。每个 SKILL.md 文件开头都有一段 YAML 格式的元数据，以内置的weather技能为例，长这样：

---name: weatherdescription: "Get current weather and forecasts via wttr.in or Open-Meteo. Use when: user asks about weather, temperature, or forecasts for any location. NOT for: historical weather data, severe weather alerts, or detailed meteorological analysis. No API key needed."homepage: https://wttr.in/:helpmetadata:  {    "openclaw":      {        "emoji": "☔",        "requires": { "bins": ["curl"] },        "install":          [            {              "id": "brew",              "kind": "brew",              "formula": "curl",              "bins": ["curl"],              "label": "Install curl (brew)",            },          ],      },  }---

name 是技能名字，description 是技能描述。这个 description 很关键，它告诉 AI「什么时候该激活我」。

当用户发来消息，AI 会把你的问题和所有技能的 description 做相似度比较，找到最匹配的那个。

比如你问「今天天气怎么样」，AI 一匹配，发现 weather skill 的 description 里有 weather、forecasts，匹配度最高，好，激活它。

这就是为什么写 Skill 时，description 要写清楚「什么时候用」——写得越清楚，匹配越准。

而且加载是有策略的，不是把所有东西一次全塞进上下文。第一层只加载元数据，100 字左右，始终在；第二层加载 SKILL.md 正文，匹配后才加载；第三层是其它的详细文档，按需加载。

这样设计是为了省 Token。AI 只需要知道啥时候用这个技能，不用一口气读完所有文档。

匹配上了，接下来就是执行。

执行过程大概是这样：AI 先激活技能，把 SKILL.md 的 body 部分加载到上下文里。这时候 AI 才知道这个技能具体怎么用、有哪些命令、有什么限制。

然后 Skill 可以向外提供工具，让 AI 在回答问题时调用。

拿 weather 技能来说，它的 SKILL.md 里定义了好几条 curl 命令。AI 看到这些，就知道「哦，调这个命令就能查天气」。

# One-line summarycurl "wttr.in/London?format=3"# Detailed current conditionscurl "wttr.in/London?0"# Specific citycurl "wttr.in/New+York?format=3"

我们 Trace 一下「北京今天多少度」这个 case。

用户问「北京今天多少度」，AI 匹配到 weather skill，加载 SKILL.md，看到 curl 命令格式，组装命令执行，拿到结果「partly cloudy, 18°C」，然后生成自然语言回答：「北京今天 18 度，多云。」

整个过程你无感知，就像魔法一样。

而且 Skill 和 Skill 之间是隔离的。A 技能里设的变量不会影响到 B 技能，这样设计是为了安全，防止一个技能意外改掉另一个技能的状态。

说了这么多原理，来点实际的。

你自己写一个技能，最少只需要一个 SKILL.md 文件。

my-skill/└── SKILL.md

里面必须有两样东西：frontmatter（name + description）和 body（怎么用这个技能）。

1. 1. frontmatter：name + description
2. 2. body：怎么用这个技能

---name: my-skilldescription: "当用户需要做xxx时使用"---

写之前，先想清楚两个核心问题。

第一，什么时候用？description 要写得让 AI 知道啥场景该激活。第二，怎么用？body 里的指令要清楚，AI 看了就会操作。

这就够了。

真的，我第一次写技能的时候，想得太复杂了。又是考虑异常处理，又是想怎么优化匹配算法。后来才发现，只要把「什么时候用」和「怎么用」说清楚，其他的 OpenClaw 都帮你搞定了。

聊到现在，你应该对 OpenClaw 的技能系统有个整体概念了。

技能就是给 AI 用的工具箱，让它从书呆子变成能干活的助手。加载过程是扫描、解析、匹配、渐进加载；执行过程是激活、读文档、注册工具、处理请求、返回结果。

我自己从一脸懵到能写技能，大概花了三天。不是因为我多聪明，就是花时间去试了。先多试几个内置的技能，看看它们的 SKILL.md 是怎么写的，再自己动手写一个，很快就上手了。

说真的，技术这东西，看十遍不如做一遍。

文章内容基于OpenClaw版本2026.4.14 。

我已收集了OpenClaw的资料并已打好包，关注后发消息：小龙虾获取。