一个 AI 助手如何靠＂自学＂技能,60天拿下 GitHub 星标榜首

60 天，一个开源项目的星标数超过了 React 和 Linux ，成为 GitHub 历史上增长最快的软件项目——25 万+ stars 。

它不是框架，不是模型。

它是一个跑在本地笔记本上的个人 AI 助手。碰到不会的事，它会给自己写一个新技能，保存下来，以后永远不会忘。

这个项目叫 OpenClaw。下面我会用真实代码、真实仓库，还有那些没人截图的部分——为什么它也有点危险——来展示"自己写技能"这件事到底怎么运作。

🔗 项目地址： https://github.com/openclaw/openclaw

增长速度打破了所有人的预期

这不是慢热型项目。增长曲线真的颠覆了很多人的认知——包括创始人自己的。

读两遍这句话：这个项目活跃到创始人需要一个 agent 来帮他筛选贡献者提交的 agent 代码。

还有个大多数人没注意到的转折：今年早些时候， Steinberger 加入了 OpenAI，要"让所有人都能用上 agents"，而 OpenClaw 正在转为基金会运作，保持开源和独立（ OpenAI 赞助该项目）。 Sam Altman 公开确认了这一点。

"我完全能想象 OpenClaw 做成一家大公司。但说实话，我对这个不感兴趣。我骨子里是个 builder……跟 OpenAI 合作是让这个东西惠及所有人的最快路径。" —— Steinberger 的声明

🔗 https://steipete.me/posts/2026/openclaw

有意思的细节：项目最初叫 "Clawdbot"（ 2025 年 11 月），后来因为 Anthropic 提出法律异议（太接近 Claude），改名 "Moltbot"，最后定下 OpenClaw。吉祥物保留了下来。爪子即正义。

OpenClaw 到底是什么

一句话概括：

安装只需一行命令。

大家老说它是"最接近 JARVIS 的东西"。那是炒作。真正有意思的地方更安静一点。

核心设计：一个"技能"就是一个文件夹

这就是全部的诀窍，简单到有点侮辱智商。

在 OpenClaw 里，一个技能就是一个包含 SKILL.md 文件的目录 —— YAML 头部（名字+描述）加上一段 Markdown 正文，告诉 agent 怎么做 和 什么时候做。元数据始终可见；正文只在技能被触发时加载。

这是个真实例子：

---name:daily-standupdescription:每天早上 9 点发送团队日报---## 触发条件-每天 9:00 AM-用户发送 "standup" 或 "日报"## 步骤1. 从 GitHub 拉取昨天的 commits2. 从 Jira 拉取进行中的 tickets3. 生成摘要并发送到 Slack#engineering 频道

把这个文件夹丢进 ~/.openclaw/workspace/skills/， OpenClaw 的文件监视器会热加载。不用重启，不用重新部署。 agent 从此刻起就能永久执行日报。

🔗 浏览技能注册表 —— ClawHub ： https://clawhub.ai/skills

真正炸裂认知的部分：它会自己写这些文件

OpenClaw 自带一个内置的元技能，字面意思就叫 skill-creator，它的工作就是"创建、编辑、审核、整理、验证或重构 AgentSkills 和 SKILL.md 文件"。

🔗 阅读完整技能： https://surl.li/fyvpgc

所以那个赢得"自我改进"标签的循环是真实存在并已发货的。当你让 OpenClaw 做某件它没有技能的事时，它不会耸肩。它会：

1️⃣ 识别差距（"我还没办法做 X"）

2️⃣ 写一个新的 SKILL.md —— 加上需要的任何辅助脚本，放在 scripts/ 里

3️⃣ 验证自己的 frontmatter（跑一个 quick_validate.py + YAML 检查）

4️⃣ 保存到技能文件夹，文件监视器立刻加载 —— 现在用，以后也一直能用

实际使用起来是这样的：

这个能力不是来自更新。是 agent 自己制造出来的。 下周它就有了这个技能外加你在这期间让它学会的其他东西。这就是所有人都在讨论的飞轮效应：一个助手的能力表面积随着你使用它而增长。

对于任何高风险操作，有一个安全阀叫做 Skill Workshop —— agent 起草一个技能作为提案，你审核后再让它上线：

所以准确的说法是：agent 自主编写自己的能力，开发者决定给它多长的绳子 —— 对可信内容即时热加载，对其他部分走人工审核流程。

它不只是获得技能 —— 它还会从错误中学习

OpenClaw 注册表（ClawHub）上下载量第一的技能是 self-improving-agent —— 约 20 万 下载。

🔗 仓库： https://github.com/peterskoett/self-improving-agent

它修复了 AI agents 最愚蠢、最普遍的缺陷：它们是无状态的。 今天失败的任务，明天还会以完全相同的方式失败。没有对教训的记忆。

self-improving-agent 添加了一个持久化的反馈循环，跨会话、跨重启、甚至跨机器都有效。它恰好在学习最重要的时候介入：

它实际存储的东西是人类可读的：

## 学到的教训### 部署脚本需要先验证环境变量 日期：2026-06-15 情境：deploy.sh 运行失败，因为 AWS_REGION 未设置 解决方案：在部署前先检查 env vars，否则提前退出  ### 用户偏好：Markdown 输出，不要 JSON 日期：2026-06-10 纠正：用户要求所有文档输出为 .md 格式，不是 JSON 

安装后它会自动激活（先浏览一下 SKILL.md —— 是的，即使这个也要看）：

openclawskillsinstallself-improving-agent 

几周后，它已经悄悄积累了一本关于开发者本地基础设施、个人偏好、踩过的坑的私有手册。可以审计它"学到"了什么 —— 并删除错误的教训：

openclawmemorylist openclawmemoryremove<entry-id> 

人们用它做的事已经疯了

一些来自野外的真实案例（这些演示推动了星标爆炸）：

模式是：这不是"回答问题的 AI"。这是"去做那件事的 AI"，然后为下次保留技能。

为什么这真的是大事（不需要 AGI 炒作）

剥掉 JARVIS 的话术，剩下的是这些，而且足够了：

大多数 AI 工具是一个固定菜单。 OpenClaw 是第一个主流 agent ，它把自己的能力当作可编辑数据， agent 自己可以在运行时重写 —— 并附带一个注册表，所以一个人培养的技能可以被其他所有人用一条命令安装。能力不再是供应商发给你的东西，而是在本地、免费、在你睡觉时复利增长的东西。

这才是 25 万 人狂按星标按钮的真正原因 —— 也是 OpenAI 刚刚吸收创始人的原因。

⚠️ 没人截图的陷阱

我写这部分是因为如果不写，这篇文章会火，但读者会变差。

OpenClaw 按设计可以运行 shell 命令、读写本地文件、控制浏览器。这是力量所在，也是风险所在。

安全守则：

1️⃣ 安装前阅读 SKILL.md 和所有脚本。 每次都要。

2️⃣ 优先使用精选、分类列表，而不是随机技能的一键安装。

🔗 精选列表（ 5,400+ 已过滤和分类）： https://surl.li/ueuxhe

3️⃣ 先在沙盒/最小权限环境中运行。 不要在第一天就把全系统和生产密钥交给全新的设置。

4️⃣ 把敏感凭证放在 agent 工作区之外。

前 20 分钟该试什么

1️⃣ 安装它，插入一个 API 密钥（或本地模型）：

curl-fsSLhttps://openclaw.sh/install.sh|sh openclawsetup 

2️⃣ 连接一个实际使用的聊天频道（ Telegram 或 Discord 最容易上手），让 agent 活在日常工作的地方。

3️⃣ 先安装学习技能，这样之后的一切都会复利：

openclawskillsinstallself-improving-agent 

4️⃣ 给它三个真实的起始提示：

5️⃣ 然后审计它构建的东西。 打开 ~/.openclaw/workspace/skills/ 并阅读它创建的 SKILL.md 文件。那个时刻 —— 阅读助手为自己写的代码 —— 就是理解发生的时候。

🔗 仓库和文档： https://github.com/openclaw/openclaw

🔗 浏览技能： https://clawhub.ai

疯狂的部分在于： AI 能用工具不稀奇，稀奇的是这个 AI 制造自己的工具，保留它们，从失败中学习，并在每次使用中都变得更有能力一点。

一年前这还是论文里的句子。本周它有了 25 万 星标、一个安装脚本，还有 OpenAI 在背后支持。