OpenClaw 实战(三):Skills 系统与文件结构详解

配置决定 AI 的上限，Skills 决定 AI 的边界。

前一篇我们聊了核心操作与指令。这篇深入 OpenClaw 的"大脑结构"——文件系统和 Skills 扩展机制。

搞懂这些，可以让AI 助手真正"活"过来。

一、文件目录结构

OpenClaw 的所有配置、状态数据、工作区和技能，都集中在 ~/.openclaw/ 目录下。

这是整个系统的根配置目录，首次安装时自动创建。

核心目录树

~/.openclaw/├── openclaw.json          # 主配置文件（最重要）├── workspace/# AI 的"灵魂"文件夹│   ├── SOUL.md           # 人格设定（语气、风格）│   ├── USER.md           # 你的个人信息│   ├── MEMORY.md         # 长期记忆（手动可编辑）│   ├── IDENTITY.md       # Agent 名称、形象│   ├── AGENTS.md         # 多 Agent 路由规则│   ├── BOOTSTRAP.md      # 初始化引导│   ├── HEARTBEAT.md      # 定时任务检查清单│   ├── TOOLS.md          # 工具本地配置│   ├── memory/# 日常运行日志│   └── skills/# 已安装的第三方技能├── agents/<cid>/# 每个 Agent 的独立状态├── memory/<cid>.sqlite    # 向量记忆库└── skills/# 全局技能包

三个最常用的文件和目录

1. openclaw.json — 系统级配置

存储全局设置：模型、Gateway 模式、端口、安全策略等。

常用操作命令：

openclaw configure          # 交互式配置向导openclaw config file        # 显示完整路径openclaw config get agent.modelopenclaw config set agent.model "anthropic/claude-3-5-sonnet"openclaw config validate    # 校验合法性

2. workspace/ — AI 的"家"

所有 .md 文件可以直接通过文本编辑器编辑，保存后立即生效，无需重启。

3. memory/ — 记忆系统

• SQLite 向量数据库：支持语义搜索
• 每日日志文件：YYYY-MM-DD.md 格式

二、核心配置文件

SOUL.md — 给 AI 立"人设"

这是 AI 每次会话最先读取的文件，决定"我是谁"。

核心要素：

• 语气风格（正式/轻松/极客）
• 行为边界（什么能做，什么不能做）
• 输出格式偏好
• 价值观和原则

实战技巧：

在 SOUL.md 中明确写出"拒绝的行为"，比写"应该做什么"更有效。

例如：

## 拒绝的行为- 不发送未完成的草稿到公开渠道- 不在群聊中代表用户发言- 不执行 rm 等破坏性命令

主要把语气风格、行为边界、输出格式偏好、价值观原则——这几项写清楚就够了。

AGENTS.md — 多 Agent 协作的"调度规则"

当复杂工作有需要用到多个 Agent时，这个文件定义各自职责。

典型结构：

# AGENTS.md - 团队成员-**master**(总管) - agentId: master  职责：团队协调、任务分发-**assistant**(助理) - agentId: assistant  职责：单任务执行

进阶用法：

在不同会话类型中可以应用不同权限级别：

• 主会话：完整访问 MEMORY.md
• 群聊：不加载敏感信息
• 子 Agent：只读特定目录

MEMORY.md — 长期记忆的"索引层"

这里保存的不是流水账，是经过整理的长期记忆。

真正的原始日志在 memory/YYYY-MM-DD.md 里按天归档，MEMORY.md 只存经过整理的长期记忆。

记忆分层策略：

定期维护建议：

每隔几天，做一次心跳检查：

1. 读取近期 memory/YYYY-MM-DD.md
2. 提取重要事件、决策、教训
3. 更新 MEMORY.md
4. 删除过时的索引项

Skills 系统：AI 的"能力扩展包"

Skills 是什么？简单理解就是 OpenClaw 的"插件"或"应用"。OpenClaw 会按优先级从不同位置加载 Skills：

Skills 的加载优先级

从 ClawHub 安装技能

ClawHub 是 OpenClaw 官方的 Skills 注册中心，已有 17000+ Skills。

# 安装 ClawHub CLInpm i -g clawhub# 搜索技能clawhub search "react"# 安装技能clawhub install <skill-slug># 更新所有技能clawhub update --all# 查看已安装技能clawhub list

安全提示：

安装第三方 Skills 前，务必检查 SKILL.md 中的权限要求和外部 API 调用。

四、自定义 Skills 开发实战

创建自定义 Skill 不需要编程基础，只需写一份清晰的"操作指南"。

第一步：创建 Skill 目录

mkdir -p ~/.openclaw/workspace/skills/hello-world

第二步：编写 SKILL.md

---name: hello_worlddescription: A simple skill that says hello.---# Hello World SkillWhen the user asks for a greeting, use the `echo` tool to say"Hello from your custom skill!".

头部元数据参考：

第三步：加载并测试

# 开启新会话让 OpenClaw 读取 skill/new# 验证 skill 已加载openclaw skills list# 测试触发openclaw agent --message "give me a greeting"

进阶玩法：带脚本的 Skill

SKILL.md 本质是"增强版的系统提示词"，也可以配合脚本一起用。可以将轻量级检查交给脚本，复杂分析交给 AI，各司其职。

示例结构：

my-skill/├── SKILL.md          # 触发条件和说明└── scripts/    └── analyze.py    # 实际执行逻辑（可选）

在 SKILL.md 中指导 AI 如何调用脚本：

当用户请求代码审查时：1. 运行 `python scripts/analyze.py <文件>`2. 解析 JSON 输出3. 以结构化格式呈现结果

五、复杂任务拆解：招投标场景实战

当面对复杂任务时，用 Skills + 文件结构实现模块化处理。

案例：公司招投标流程

假设使用 AI 协助处理公司招投标项目，从获取招标文件到最终提交，周期两周，涉及技术方案、商务报价、资质材料好几块工作。

第一步：定义任务边界

在 memory/projects.md 中记录：

# 项目：XX 市 XX项目招投标**目标**：完成投标文件编制并提交**关键节点**：- 3 月 15 日：获取招标文件- 3 月 20 日：技术方案初稿- 3 月 25 日：商务报价确认- 3 月 28 日：最终提交**依赖 Skills**：- feishu-create-doc（文档创建）- feishu-update-doc（内容写入）- feishu-task-task（任务管理）

第二步：创建专用 Skill

创建 bid-assistant Skill，处理招投标相关任务：

---name: bid_assistantdescription: 招投标流程辅助技能---# 招投标辅助 Skill当用户提到"招投标"、"投标"、"标书"时触发：## 标准流程1. **招标文件解析**   - 读取招标文件 PDF   - 提取关键信息（截止时间、评分标准、资质要求）   - 创建检查清单2. **任务拆解**   - 技术方案撰写   - 商务报价计算   - 资质材料准备   - 最终审核3. **进度跟踪**   - 在 memory/bid-projects.md 中更新状态   - 距离截止 24 小时发送提醒## 输出格式使用表格列出待办事项，标注负责人和截止时间。

有了这个 Skill，以后只要提到"招投标"，AI 就知道该走什么流程。省心。

第三步：利用多 Agent 协作

在 AGENTS.md 中定义分工：

# AGENTS.md - 团队成员-**master**(总管)  职责：招投标项目总协调，进度跟踪，最终审核-**assistant**(助理)  职责：技术方案撰写，文档格式化-**bid-review**(评审助手)  职责：标书合规性检查，评分点对照

总管负责统筹，助理负责撰写，评审负责检查——各司其职，效率自然高。

第四步：状态持久化

用文件记录中间状态：

~/.openclaw/workspace/memory/bid-projects.md

状态透明了，协作才顺畅

内容示例：

# 招投标项目追踪## 进行中### XX 市 XX项目- 当前阶段：技术方案撰写- 已完成：招标文件解析、任务拆解- 待处理：技术方案、商务报价、资质材料- 截止时间：2026-03-28- 最后更新：2026-03-18## 已完成### YY 区数字化改造项目- 提交时间：2026-02-15- 结果：中标- 归档位置：memory/archived-bids/yy-project.md

记录这个状态的好处是，即使中途中断，下次打开也能快速恢复上下文,这点非常有用。

第五步：自动化检查清单

在 HEARTBEAT.md 中添加定期检查：

# 心跳检查清单## 招投标项目检查（每日）- [ ] 检查 bid-projects.md 中的临近截止项目- [ ] 距离截止<48 小时的项目发送提醒- [ ] 更新任务状态到飞书任务

这样 AI 会每天自动检查有没有临近截止的项目，主动发提醒，不用人盯着。属于"设置一次，受益很久"的类型。

最后

对于当下的Agent来说，区别于传统软件，配置文件的意义，不在于"设置"，而在于"塑造"。SOUL.md 塑造人格，AGENTS.md 塑造协作方式，Skills 塑造能力边界。这三者配合好了，AI 助手才能真正成为"数字分身"——了解风格，懂得习惯，守住底线。（完）

下一篇，我想聊聊多 Agent 编排——如何让多个 AI 助手协同工作，处理更复杂的任务场景。

单个 AI 助手能做的事有限，但一支配合默契的 AI 团队，可以应对真正的业务挑战。