第4章 Skill插件开发：从入门到岗位实战

本章前置检查：
□ OpenClaw已成功运行，能通过CLI或Web UI收发基础消息
□ 理解Agent的基本概念（第1章）
□ 掌握AGENTS.md的基本写法（第3.1节）
□ 有一份想测试的API密钥（如天气API、新闻API等，可选）

本章预估总时长：10小时
本章难点提示：

4.2节（SKILL.md结构）和4.3节（Skill目录结构）是基础，建议先通读再动手，不要一上来就复制粘贴。
4.4节（从社区获取Skill）中的ClawHub安装命令可能会因为网络访问慢而失败，遇到时优先使用国内镜像或GitHub手动安装。
4.5节（社区Skill安全审查清单）中的审查流程不是“做完一次就永远安全”，建议养成每次安装新Skill都走一遍的习惯。
4.6节（深度解析）的三个案例代表了Skill的三种典型形态，可以先看第一个案例建立框架，后面的属于进阶内容。

🎯 本章教学目标：理解Skill的本质与价值，掌握SKILL.md的标准结构和编写规范，能够从ClawHub/GitHub安全地获取和安装社区Skill并集成到自己的Agent中，独立开发一个可运行的自定义Skill（含SKILL.md+scripts），掌握社区Skill的安全审查方法，理解Skill与Hook/Plugin的职责边界。

4.1 Skill是什么

预计时长：1小时

从运行结果到能力说明

关于Skill有一个普遍的误解：很多人觉得Skill就是后台插件，需要编程、需要懂API，开发门槛很高。

事实恰恰相反。

OpenClaw的Skill，本质上是写给AI看的操作说明书。你告诉AI“遇到什么情况时，按什么步骤，调用什么工具，输出什么格式”——剩下的，AI自己会执行。会写Markdown就能开发Skill，不需要编程基础，不需要懂API，10分钟就能做出一个可运行、可复用、可分享的技能包-2。

或者换一个更好理解的比喻：Skill就是给AI的“操作手册” 。你不需要教AI怎么写代码，你只需要告诉它“这个任务该怎么做”，它自己会调用工具去完成。

Skill的本质定位：Skill不是代码实现，而是告诉Agent如何使用能力的规则集合，相当于AI的操作手册与工作流定义。它的核心作用是定义能力边界、使用条件、调用步骤和优先级规则。

龙马注：很多人刚开始会把Skill和Plugin搞混，这两个东西确实容易弄混。简单粗暴地区分就是：Skill是对AI说“你该这么做”，Plugin是对系统说“我多了这个能力”。Skill教行为，Plugin加功能。第19章技术选型里会详细对比。

从运行表现来看更直观：你刚部署好的OpenClaw像一个会聊天的AI，能回答问题，但不会真的帮你做事。给它装上Weather Skill，它就能查天气；装上PDF Skill，它就能分析文档；装上Web Search Skill，它就能联网搜索。

为什么要分三层：Skill、Hook、Plugin

在进入具体开发之前，有必要先理清OpenClaw的三层扩展体系，这能帮你做出正确的技术选型。从上层到下层依次为：Skill（策略层）→ Hook（拦截层）→ Plugin（系统层），每层各司其职、互不越界。

它们的核心区别在于：

扩展类型	核心作用	本质	适合场景
Skill	定义能力边界、使用条件、调用步骤和优先级规则	纯策略层，教Agent如何做事	组织现有工具、规范Agent行为、设定任务执行逻辑
Hook	拦截/修改prompt、监听事件、调整运行参数、补充上下文	流程控制层，基于事件触发，不注册新功能	在模型调用前注入规则、在工具执行前后做校验、修改系统提示词
Plugin	注册tool、HTTP路由、CLI命令、后台服务、RPC方法、模型Provider	能力注册层，唯一能真正扩展系统表面的模块	新增原生不支持的能力、对接外部系统、修改内核行为、提供全局服务

在实际开发中，极少数场景需要写Plugin，少数场景需要写Hook，而绝大多数扩展需求，用Skill就够了——因为Skill不修改系统内核，不注册新服务，只教Agent如何更聪明地使用已有工具。

四个核心认知

理解了Skill在三层体系中的位置之后，再深入四个核心认知，你会发现Skill远比你想象的强大。

一、Skill不是插件，是“能力说明书”

Skill是OpenClaw的扩展机制，每个Skill都是一个独立的功能模块，本质是封装特定能力的规则集合。与传统的功能插件不同，Skill的核心价值在于：

功能拓展：突破基础对话局限，解锁文件处理、联网搜索、自动化操作等复杂能力
即装即用：内置技能开箱即用，社区技能一键安装，无需复杂开发
灵活定制：支持自定义开发，适配个性化场景
组合联动：多个技能可串联执行，实现复杂任务自动化（如“抓取网页→提取数据→生成报表”）

简单说，OpenClaw是“智能大脑”，Skills是“灵活手脚”——没有Skills，AI只能“纸上谈兵”；装上技能，才能真正落地执行任务。

二、Skill被设计为“与平台无关的标准化模块”

OpenClaw 使用与 AgentSkills 兼容的技能文件夹。OpenClaw 加载内置 Skills 以及可选的本地覆盖，并在加载时根据环境、配置和二进制文件的存在情况进行筛选-35。

这带来一个巨大的好处：遵循 AgentSkills 规范开发的 Skill，可以在 OpenClaw、Claude Code、Claude.ai 等不同平台上通用，一次开发，多处运行，无需重复投入-6。

三、Skill分为三大类型

在实际使用中，Skill的来源和稳定级别各不相同：

内置技能：OpenClaw 默认集成，无需安装，稳定可靠（如 weather、pdf、xlsx、weather、github 等）
社区技能：ClawHub 市场或 GitHub 上的开源技能，可一键安装
自定义技能：用户根据自身需求开发的专属技能，灵活适配个性化场景-40

内置技能的数量和质量取决于你安装的 OpenClaw 版本。日常使用中，社区技能是最主要的扩展来源。

四、Skill的加载遵循优先级规则

OpenClaw 从多个位置加载 Skills，优先级从高到低为（较高优先级会覆盖较低优先级中的同名 Skill）：

优先级	位置	说明
最高	`<workspace>/skills/`	每个 Agent 的工作区专属 Skills
高	`<workspace>/.agents/skills/`	项目级 Agent Skills
中	`~/.agents/skills/`	个人 Agent Skills（跨工作区）
中	`~/.openclaw/skills/`	托管/本地共享 Skills（所有 Agent 可见）
低	内置 Skills	随 OpenClaw 安装包提供
最低	`skills.load.extraDirs`	通过配置额外添加的共享文件夹

在多智能体设置中，每个 Agent 有自己的工作区，这意味着每个 Agent 独有的 Skills 仅存在于该 Agent 的 <workspace>/skills 中，供该 Agent 专用；共享 Skills 位于 ~/.openclaw/skills，同一台机器上的所有 Agent 都可见-35。

龙马注：这个优先级在多人协作或复杂配置时非常有用。比如你有一个通用的“天气查询”Skill 放在共享目录 ~/.openclaw/skills，所有 Agent 都能用。但如果你在某个工作区的 /<workspace>/skills 里放了一个同名但定制过的版本，OpenClaw 会用工作区版本。这让你可以在保持全局 Skill 库的同时，针对特定场景做定制化修改。

Skills 类型一览

OpenClaw 的内置 Skills 覆盖了多个常用领域，了解这些有助于你快速上手，也为你开发自定义 Skill 提供了参考方向：

核心工具型：exec、browser、cron、canvas
内容处理型：pdf、xlsx、md、html-parse
信息检索型：web-search、web-fetch、rss
开发辅助型：github、git、docker（调试模式）
自动化型：slack、discord、message、sessions

龙马注：每次我问一个 Skill 推荐指南，社区里都会有人甩出几百个列表。我个人的体验是：先从 5 个最常用的开始就够了——web-search、github、cron、canvas、pdf。等把这 5 个用熟了，你对 Skill 的感觉就对了。

✏️ 即时自测：Skill 和 Plugin 的核心区别是什么？Skill 有哪几种类型？

🛠️ 实践任务（本节）：查看你本地安装的 OpenClaw 内置了哪些 Skills——运行 openclaw skills list --builtin，记录输出。然后思考：其中哪个 Skill 是你最想先用的？

💭 本节总结（不看书写 3 行）：
1.
2.
3.

📊 用时记录：计划____min → 实际____min → 偏差原因：________

✏️ 自测答案：Skill 教 Agent 如何使用能力（纯策略层，类似操作手册），Plugin 向系统注册新能力（系统层，可包含 Skill/Hook/Tool/Service）。Skill 分为三种类型：内置技能（随 OpenClaw 安装，开箱即用）、社区技能（从 ClawHub/GitHub 获取，需手动安装）、自定义技能（用户自己开发）。

4.2 SKILL.md 的标准结构与渐进式披露

预计时长：1.5小时

SKILL.md 的核心组成部分

SKILL.md 是 Skill 的灵魂文件——OpenClaw 在加载 Skill 时，首先要读的就是它。一个完整的 SKILL.md 需要包含以下五个核心部分：

组成部分	作用	示例
描述信息	概述 Skill 的功能和用途，让 Agent 知道“我有什么”	`description: 一个自定义的技能，可以帮助用户快速生成日常工作总结`
触发器	定义用户输入中的哪些关键词会激活该 Skill	`当用户提到“工作总结”、“日报”时激活`
使用说明	详细指导 Agent 按什么步骤执行任务	`1. 收集工作事项 → 2. 分类整理 → 3. 生成日报 → 4. 保存文件`
环境变量	列出 Skill 可能需要的配置参数	`REPORTS_DIR: 日报存储目录（默认 ~/reports）`
所需工具	明确列出运行该 Skill 需要调用哪些工具	`file_write、memory_search`

渐进式披露：三层加载让 Skill 更聪明

除了上述五个核心部分，Skill 的智能加载策略也是核心设计之一。Skill 的内容按渐进式披露原则分三层加载：

第一层（YAML frontmatter） ：每次都加载，仅包含技能用途 + 触发条件。这一步信息量极少但至关重要，Agent 用它快速判断该 Skill 是否与当前任务匹配。

第二层（SKILL.md 正文） ：当任务匹配时加载，包含完整的工作流程指令。这也是你花最多时间撰写的部分。

第三层（链接文件） ：按需加载，存放参考文档、脚本、模板等补充资源。这一层的文件通常体积较大，不是每次都需要，所以设计成“用到时才加载”，大大节省上下文 Token。

龙马注：我记得自己第一次理解“渐进式披露”时，脑子里想的是“这不就是可折叠的 Markdown 吗？”——没错，差不多的设计思路。Agent 先在目录页看 Skill 简介，觉得有用再点进详情页看具体步骤，需要时才打开附件。这让 Skill 可以在内容丰富的同时，保持极低的上下文消耗。很多新手上来就在 SKILL.md 正文里塞上万字，结果每个会话都把那篇长文档读一遍，Token 成本直接翻倍。

一个简单但完整的示例

下面是一个简单的“问候语”Skill，展示 SKILL.md 的基本写法。当你向 Agent 问好时，用 echo 工具回复。

创建目录 ~/.openclaw/workspace/skills/hello_world/，下面的 SKILL.md 放在这个目录中：

markdown

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

# Hello World Skill

## 触发器
- 用户问候语（你好、hi、hello、greeting）

## 任务
执行一个简单的问候操作。

## 要求
- 使用 `echo` 工具
- 回复内容统一为："Hello from my custom skill!"

## 工具说明
- `echo`: 在回复中返回指定的字符串内容

元数据参考

SKILL.md 的 YAML frontmatter 支持以下字段：

字段	必需	说明
`name`	是	唯一标识符，使用 snake_case 格式
`description`	是	向 Agent 展示的行描述
`version`	否	版本号
`author`	否	作者信息
`tags`	否	标签列表，便于分类和搜索
`metadata.openclaw.os`	否	操作系统过滤器，如 `["darwin"]`（macOS）、`["linux"]`
`metadata.openclaw.requires.bins`	否	PATH 上必须存在的二进制文件
`metadata.openclaw.requires.config`	否	必需的配置键-3

⚠️ 常见误区：

把 SKILL.md 写成了技术文档而非操作指令——Agent 要的不是“这是什么原理”，而是“遇到 X 时，先用工具 A，再用工具 B”。描述中建议使用“when X, do Y, using Z”的格式，Agent 容易解析。
忘写触发条件导致 Skill 永远不会被调用——触发条件可以写在 Markdown 正文的“触发器”小节中。
在 SKILL.md 正文中塞入大量代码——这些应该放在 scripts/ 或 references/ 目录中，正文只需告诉 Agent“有需要时去执行那个脚本”。
忽略渐进式披露——把运行指令和背景资料全塞进 SKILL.md，Agent 每次加载都消耗大量 Token。

✏️ 即时自测：SKILL.md 中必须包含哪五个部分？渐进式披露的三层分别是什么？

🛠️ 实践任务（本节）：按照示例创建你的第一个 Skill 目录和 SKILL.md。然后运行 openclaw skills list 确认它是否出现在列表中。

💭 本节总结（不看书写 3 行）：
1.
2.
3.

📊 用时记录：计划____min → 实际____min → 偏差原因：________

✏️ 自测答案：五个部分：描述信息、触发器、使用说明、环境变量、所需工具。三层分别是：YAML frontmatter（每次都加载）、SKILL.md 正文（任务匹配时加载）、链接文件（按需加载）。

4.3 自定义 Skill 开发实战：从目录结构到脚本集成

预计时长：1小时

Skill 的目录结构

一个完整的自定义 Skill 可能包含多个文件，标准的目录结构如下：

plaintext复制下载

my-custom-skill/
├── SKILL.md              # 技能定义文件（核心，必须有）
├── references/           # 参考文档（可选，按需加载）
│   ├── api_doc.md        # API 使用说明
│   └── examples.md       # 使用示例
├── assets/               # 静态资源（可选）
│   ├── template.html     # 页面模板
│   └── config.json       # 默认配置
├── scripts/              # 可执行脚本（可选）
│   ├── query_api.py      # Python 脚本
│   └── process_data.sh   # Shell 脚本
└── package.json          # 依赖配置（仅当有第三方依赖时需要）

在 scripts/ 目录中，你可以放置 Python、Shell、Node.js 等脚本，Agent 在需要时会调用它们。对于需要对接外部 API 的 Skill（如天气查询、新闻抓取），这是最实用的搭配。

龙马注：很多新手上来就往 SKILL.md 里堆代码，AI 看得云里雾里。实际正确的做法是：SKILL.md 里写“这是一个查询天气的脚本，你带参数去执行它就好”，然后在 scripts/ 里放真正的脚本。这样 AI 理解的是任务逻辑，永远不用关心代码实现细节。

开发 Skill 的核心原则

在编写 SKILL.md 和执行脚本时，遵循以下原则可以让你的 Skill 更稳定、更易维护：

标准化输入输出：参数和返回值结构尽可能建议保持统一格式，方便 Agent 理解结果
最小权限原则：不做超出 Skill 职责范围的操作
异常处理完备：必须捕获执行中的错误，返回清晰的错误信息，避免 Agent 在遇到问题时“卡住”
无状态设计：Skill 本身不保存用户数据，所有上下文由 Agent 传递

开发流程完整示例：从零搭建“新闻摘要”Skill

下面通过一个完整的“新闻摘要”Skill 开发流程，带你从零开始走一遍。这个 Skill 的功能是：Agent 从新闻 API 获取今日热点新闻，提取摘要后返回结构化结果。

步骤1：创建 Skill 目录

bash

mkdir -p ~/.openclaw/workspace/skills/news_summarizer/{scripts,references}
cd ~/.openclaw/workspace/skills/news_summarizer

步骤2：编写获取新闻的 Python 脚本

在 scripts/fetch_news.py 中写入：

python

#!/usr/bin/env python3
import requests
import json
import sys

def fetch_news():
    # 这里使用一个免费的公开新闻 API 示例
    url = "https://api.example-news.com/top-headlines"
    try:
        response = requests.get(url, timeout=10)
        data = response.json()
        # 提取新闻标题和摘要
        headlines = []
        for article in data.get('articles', [])[:5]:
            headlines.append({
                'title': article.get('title'),
                'summary': article.get('description', '无摘要')
            })
        print(json.dumps({'success': True, 'data': headlines}))
    except Exception as e:
        print(json.dumps({'success': False, 'error': str(e)}))

if __name__ == '__main__':
    fetch_news()

步骤3：编写 SKILL.md

在同一目录下创建 SKILL.md：

markdown

---
name: news_summarizer
description: 获取今日热点新闻摘要，返回结构化的新闻列表
version: 0.1.0
author: your-name
tags: [news, summary, api]
---

# 新闻摘要 Skill

## 触发器
- 用户询问：今日新闻、热点新闻、新闻摘要、今日头条

## 环境变量
-  `NEWS_API_KEY` ：可选，用于调用新闻 API（如有需要）

## 所需工具
- `exec`：执行 Python 脚本

## 使用说明

当用户询问新闻时，执行以下工作流：

1. 检测 `scripts/fetch_news.py` 脚本是否存在
2. 使用 `exec` 工具运行该脚本：

exec(command="python3 scripts/fetch_news.py")

3. 解析脚本返回的 JSON：若 `success` 为 true 且 `data` 非空，继续；否则提示“新闻获取失败，请稍后重试”。
4. 按格式输出结果：

📰 今日热点新闻

[标题]
摘要：[摘要]

## 输出格式示例


📰 今日热点新闻

某某 AI 公司发布新一代 Agent 框架
摘要：新框架支持更高效的多 Agent 协作...

某某研究机构推出低成本量化交易工具
摘要：该工具降低了个人量化交易的门槛...
数据来源：新闻 API，更新时间：2026-04-24*

## 注意事项
- 每次查询后添加数据来源和时间戳
- 如果 API 不可用，尝试使用备用数据源（若已配置）
- 不要在回复中包含原始的 API 响应打印内容

步骤4：测试 Skill

重启 Gateway 或用 /new 重置会话，让 OpenClaw 重新扫描 Skill 目录。然后发送“今日新闻”，观察 Agent 是否调用了该 Skill。

步骤5：故障排查

如果 Skill 未生效，按以下顺序排查：

运行 openclaw skills list 确认 Skill 是否在列表中
检查 SKILL.md 的 YAML frontmatter 是否被 --- 正确包裹
确认 name 字段使用了 snake_case 格式
检查脚本是否有执行权限：chmod +x scripts/fetch_news.py
手动运行脚本验证其能够正常输出：python3 scripts/fetch_news.py
查看 OpenClaw 日志：openclaw logs --tail 50

✏️ 即时自测：Skill 目录中 SKILL.md 脚本（scripts/）必须存在吗？SKILL.md 的 name 字段应该使用什么命名格式？

🛠️ 实践任务（本节）：按照上述步骤，开发你自己的第一个功能性 Skill（不限主题，例如天气查询、文件整理、代码生成等）。完成后在 Agent 中测试，确认能正确触发和响应。

💭 本节总结（不看书写 3 行）：
1.
2.
3.

📊 用时记录：计划____min → 实际____min → 偏差原因：________

✏️ 自测答案：SKILL.md 必须存在，scripts/ 及其中的脚本是可选的。SKILL.md 的 name 字段应使用 snake_case 格式。

4.4 从社区获取 Skill 并集成到自己的 Agent 中

预计时长：2.5小时

4.4.1 Skill 获取渠道概览

截至 2026 年 2 月，OpenClaw 社区已经积累了超过 4000 个社区技能-。主要的获取渠道有：

渠道	特点	技能数量	访问地址
ClawHub	OpenClaw 官方技能社区	4,000+	https://clawhub.ai -35
awesome-openclaw-Skills	GitHub 社区维护的集合仓库	5,400+	GitHub 搜索即可找到-17
中国镜像（腾讯云）	为国内用户搭建的镜像平台	2.5 万+ (核心)	国内用户可用-17

从实际体验来看，ClawHub 是中国用户的首选——官方镜像，速度快，技能质量有审核，社区活跃度高。在 ClawHub 中浏览技能就像在应用商店找 App，支持关键词搜索和向量语义搜索，按分类筛选，还支持一键安装。

龙马注：加一个防杠声明——我测试过的 Skill 不下 100 个，ClawHub 的技能质量参差不齐很正常。每个 Skill 都是由不同水平的开发者贡献的，安装前花 5 分钟看看代码，是个值得养成的习惯。

4.4.2 通过 ClawHub 安装 Skill（推荐）

ClawHub 提供了命令行工具和 Web 界面两种使用方式。

方式一：Web 界面安装

访问 ClawHub 网站，搜索你需要的 Skill，找到后点击“Install”。系统会自动生成安装命令，直接复制到终端执行即可。

方式二：CLI 安装

bash复制下载

# 安装 ClawHub CLI（如尚未安装）
npm install -g clawhub

# 搜索你需要的 Skill
clawhub search "web"          # 按关键词搜索
clawhub search --vector "帮我做数据分析的skill"  # 向量搜索

# 查看 Skill 详情
clawhub info <skill-slug>

# 安装 Skill 到当前工作区
clawhub install <skill-slug>  # 自动安装到 ./skills 目录

# 更新所有已安装的 Skill
clawhub update --all

# 列出已安装的 Skill
clawhub list

# 同步并发布自己的更新（仅限技能作者）
clawhub sync --all

安装完成后，OpenClaw 会在下一个会话中自动识别 <workspace>/skills 目录中的新 Skill。

快捷方式：自然语言安装

如果你不想敲命令行，还可以直接在 OpenClaw 对话框中输入自然语言指令：「请帮我安装这个 skill，GitHub 链接是 xxx」，系统将自动完成下载、安装与加载，无需手动执行命令-。

4.4.3 通过 GitHub 手动安装 Skill

对于没有发布到 ClawHub 的 Skill，或你想获取某个 Skills 仓库中的所有内容，可以手动从 GitHub 安装。

bash复制下载

# 进入 Skill 目录（当前工作区的 skills 文件夹）
cd ~/.openclaw/workspace/skills

# 克隆 GitHub 仓库中的 Skill（将 URL 替换为实际地址）
git clone <GitHub 仓库地址> <skill-name>

# 启用该 Skill（OpenClaw 会自动扫描）
openclaw skills enable <skill-name>

# 查看所有已安装的 Skill
openclaw skills list

# 验证 Skill 详情
openclaw skills info <skill-name>

龙马注：GitHub 上有一个技能集仓库 awesome-openclaw，包含几百个 Skill 的分类索引，是寻找灵感的宝库。但注意区分：有的仓库只是一个目录，没有真正的技能包；有的则提供完整的 SKILL.md。此外，GitHub 安装方式下，每个 Skill 的 SKILL.md 前面三行 YAML 格式并不总是标准，先看一眼 name 和 description 字段是否清晰，如果连这两个都没有，建议不用。

4.4.4 将 Skill 集成到自己的 Agent 中

Skill 安装完成后，有三种方式将其“绑定”到你的 Agent 上。

方式一：全局启用（所有 Agent 共享）

在 config.yaml 中配置 agents.defaults.skills，指定所有 Agent 可用的 Skill 列表：

yaml

agents:
  defaults:
    skills:
      - weather
      - github
      - news_summarizer

这样设置后，每个 Agent 都会自动获得这些 Skill。下文会讲到，如果某个 Agent 不需要某些 Skill，可以在单个 Agent 配置中覆盖。

方式二：指定 Agent 专用

在 Agent 的 AGENTS.md 的 skills 字段中列出该 Agent 特有的 Skill：

markdown

---
name: content_writer
role: 内容创作助手
---

## 技能
- news_summarizer
- web_search
- pdf_reader

或者通过 agents.list 配置为特定 Agent 单独指定 Skill：

yaml

agents:
  list:
    - id: "writer"
      skills: ["news_summarizer", "web_search"]
    - id: "reader"
      skills: ["pdf_reader"]

当同时配置 agents.defaults.skills 和 agents.list[].skills 时，规则是：

如果 agents.list[].skills 为空或省略，则继承 agents.defaults.skills
如果 agents.list[].skills 设置为非空列表，则完全替换，不再继承 defaults-35

方式三：通过 SOUL.md 声明（推荐，双线并行）

最佳实践是将基础技能写在 AGENTS.md 的 ## 技能 列表中（Agent 必须有的核心能力），将偏好性更强的技能写在 SOUL.md 中（表达“我倾向于这么做”）。SOUL.md 中例化具体的 Skill 名称时，可以在技能名称前后加上 [ ] 或 「」 来表明它是 Agent 主动声明的能力。

两种方法可以并行使用，互不冲突。skills 列表决定 Agent 有哪些技能可用，SOUL.md 决定 Agent 在执行时优先选择哪些技能。

龙马注：我自己的习惯是：AGENTS.md 的 skills 里只放核心必用的 Skill（比如内容创作 Agent 必用 news_summarizer、web_search），SOUL.md 里放可选的增强 Skill（比如“如果有 coding 相关 Skill，优先考虑”）。这样能让 Agent 的职责更清晰。

4.4.5 社区 Skill 的集成验证与安全审计

安装社区 Skill 之前，花 5 分钟做一次安全审查能避免后续很多麻烦。

必做的安全审查清单：

检查 Skill 来源：优先选择官方 ClawHub 发布的 Skill，或在 GitHub 上有足够多星星和活跃维护的仓库。一个只有 3 颗星、两年没更新的 Skill，建议多留个心眼。
审查 SKILL.md 内容（先用编辑器打开）：
- 触发条件是否过度宽泛，会不会导致无关对话误触发？
- 是否包含可疑的敏感命令？
- 是否有清晰的工具调用链，而不是一句“do something”
审查脚本和资源文件：如果 Skill 包含 scripts/ 目录，检查里面的代码是否有文件系统写入/删除操作，是否有网络请求发送到可疑地址，是否存在硬编码的 API Key 或密钥。对威胁较大的网络请求和 Shell 执行，有权衡。
使用内置审计工具：运行 openclaw skills audit 进行自动安全扫描。对于高风险 Skill，建议先在隔离环境中测试（如 Docker 容器或沙盒虚拟机）。
测试后再集成：在测试 Agent 或非生产环境中先运行一段时间，确认行为正常后再正式使用。
设置 Skill 安全边界：在 config.yaml 的 security.skill 配置段中，限制 Skill 可以访问的网络地址、允许运行的脚本类型等。

如果发现某个 Skill 存在安全风险，但又确实需要它的功能，可以考虑两种替代方案：

Fork 后自行修改：克隆原 Skill 仓库，移除可疑部分，保留核心功能，然后从本地目录安装
参考逻辑自行实现：阅读原 Skill 的 SKILL.md 理解其实现逻辑，按照相同的思路重新编写一个精简版

✏️ 即时自测：安装社区 Skill 前需要做哪些安全审查？

🛠️ 实践任务（本节）：从 ClawHub 选择一个 Skill 进行安装、安全审查和集成。记录审查过程中发现的问题（如有），以及你是如何解决的。

💭 本节总结（不看书写 3 行）：
1.
2.
3.

📊 用时记录：计划____min → 实际____min → 偏差原因：________

✏️ 自测答案：检查 Skill 来源的可信度，审查 SKILL.md 中的触发条件和工具调用链，检查 scripts/ 中是否有可疑命令，使用 openclaw skills audit 扫描，在隔离环境中测试后再正式使用。

4.5 🔐 社区 Skill 安全审查清单（详细版）

预计时长：本部分已整合至 4.4.5 节

本节内容已整合到 4.4.5 节中，可作为独立的安全检查表使用。建议在每次安装社区 Skill 前，逐项核对以下内容。

分步骤安全审查流程：

步骤	检查内容	处理方式
1	Skill 来源	优先选择 ClawHub 官方认证或 GitHub 高星仓库，检查提交记录日期
2.1	SKILL.md 触发器	是否过度宽泛（如只写了“help”或省略），可能在无关对话中误触发
2.2	SKILL.md 工具链	工具调用链是否清晰可循，还是抽象表述（如要求“智能体去处理”）
3.1	scripts/ 脚本内容	检查是否有对陌生 IP 的网络请求、可疑的 shell 调用
3.2	硬编码密钥	在 SKILL.md 和脚本中搜索 API Key、token、secret 等关键词
4	隔离环境测试	高风险 Skill 先在 Docker 容器中运行，观察是否会修改系统配置
5.1	设置安全边界	在 `security.skill` 中限制 Skill 的网络访问和脚本类型
5.2	启用沙箱	对于未知程度的 Skill，优先开启 `sandbox.enable: true` 隔离运行

可选的代码自动化扫描：

如果社区 Skill 仓库规模较大，无法手动逐一审计，可以考虑使用自动化工具辅助。社区中有开源的 skill-scanner 工具，可批量扫描 Skill 仓库，检测以下安全风险：

使用 exec 执行任意 shell 命令（高风险）
使用 fs 模块读写敏感路径
使用网络请求发送数据到非白名单域名
硬编码的密钥或敏感配置

⚠️ 量化场景特别提示：交易相关 Skill 的安全审查需要更严格的清单——检查是否有投机取巧的“自动下单”“自动止损调整”等绕过风控系统的能力，不允许有可修改风控参数的提示词，建议审计 Agent 间的内存共享与 Skill 权限交叉。

✏️ 即时自测：Skill 安全审查中最关键的三项检查是什么？

🛠️ 实践任务（本节）：从 ClawHub 下载一个你感兴趣的 Skill，运行安全审查清单全部 5 项检查，写下你的审查结论。

💭 本节总结（不看书写 3 行）：
1.
2.
3.

📊 用时记录：计划____min → 实际____min → 偏差原因：________

✏️ 自测答案：最关键的审查点依次是：脚本中的可疑命令/网络行为检查、SKILL.md 触发器和工具链的合理性审查、从可信来源获取并验证开发者身份。

4.6 社区岗位 Skill 深度解析：从拆解到实现

预计时长：3小时

本节选取三个有代表性的岗位 Skill，逐层拆解其设计和实现逻辑，帮助你理解如何将“岗位能力”封装为可复用的 Skill。

4.6.1 案例一：深度研究 Agent Skill（研究员岗位）

该 Skill 由百度千帆团队开发，具备类真人研究员的完整能力：针对复杂课题自动拆解任务流程、全网搜集相关信息、阅读分析资料，最终输出结构完整、逻辑清晰的深度报告。

核心机制拆解：

任务拆解 → 多渠道搜索 → 信息筛选 → 关联分析 → 结构化输出

1. 任务拆解

SKILL.md 中定义 research_task 作为 Agent 理解需求的入口：research_task: "写一份关于 <topic> 的研究报告", priority_level: "standard"。根据任务的复杂度、时效性和用户预期颗粒度，任务拆解器会将报告需求拆解为不同的阶段和优先级（如背景调研、数据收集、框架梳理、观点整合）。

2. 多渠道搜索

Skill 内置多个搜索源的配置。SKILL.md 文件中的配置节定义了搜索策略：主源和备用源。Agent 调用搜索源获取信息时，如果主源超时或数据质量不足，自动切换到备用源。这是 Skill 中值得放在 references/ 目录的经典案例，展示了搜索策略的“后备”设计。

3. 信息筛选与关联分析

搜索结果返回后，Skill 调用 filter_relevant_data 工具，按相关性、时效性和权威性过滤信息。接着由 Agent 自动执行关联分析，以识别信息间的逻辑脉络，为报告观点铺路。

4. 结构化输出

最终输出采用三级目录的方式结构化呈现，SKILL.md 中预先定义好报告模板，Agent 在生成时直接将内容填入对应 slot。

如何适配到金融量化研究场景：

将搜索词库从通用科技领域改为宏观经济指标、行业景气度和公司财报数据。添加数据源时，在 references/ 目录中存放 Wind、Bloomberg 的 API 调用指南，或者用 scripts/ 脚本来封装数据库访问。关联分析阶段重点输出市场情绪打分和影响因子权重，而非泛化的行业结论。

4.6.2 案例二：简历初筛 Skill（HR 岗位）

由出海硬件企业 HRD Viy 开发，核心机制是：岗位搜索 → 简历筛选 → 初步沟通 → 面试邀约，复刻了招聘全流程的工作逻辑-14。

拆解说明：如何将“经验”转化为 AI 可执行的步骤

这位 HRD 花了不到一小时就把十余年招聘经验写成了 Skill。他的做法是：

记录资深的经验：写出过去两年招聘量大的岗位 JD 中反复出现的技能关键词和硬性门槛
拆解为标准环节：把“筛简历”拆成“读 JD → 提取要求 → 匹配简历打分 → 输出 H/M/L 三档推荐名单”四个步骤
固化在 SKILL.md 中：告诉 Agent 每一步的输入输出和调用哪个工具

可以复用的模式：任何有成熟 SOP 的岗位，都可以按“流程切片 → 定义每个切片的输入输出 → 设定质量阈值 → 封装为 Skill”的方式实现自动化。

如何扩展该 Skill 用于量化人才招聘：

在量化领域招聘策略研究员时，简历筛选的重点不是关键词而是实践经历——过去几年实盘业绩、因子挖掘工具链经验、回测框架用的是什么、研究过哪类资产。Skill 中可以加入一个脚本调用 extract_quant_experience，用 ChatGPT/DeepSeek API 对简历正文做语义解析，自动打分输出求职者的量化技术栈成熟度和策略风格倾向。

4.6.3 案例三：图像分析 Skill（设计师岗位）

由拥有十年设计经验的“摸鱼”开发，搭建了 17 种专业路由，让不同类型的图像都能得到精准分析。相同图像传给不同的路由，返回的 tag 和评价标准完全不同。

核心机制：图像类型识别 → 路由分发 → 专业分析 → 结构化输出

行业知识与经验是 Skill 的核心壁垒：这个 Skill 的核心价值不在于调用图像识别 API 的代码，而在于那 17 种路由的设计逻辑——“什么样的图像该用什么美学标准去评价”。这部分知识完全来自开发者十年的设计经验，无法从 LLM 的通识语料库中直接获得。

对 Quant 的启发：量化中也可以构建“因子分析路由”——根据因子类别（动量、价值、质量、低波、成长）自动选择不同的统计检验方法和评价基准，生成差异化的因子分析报告。

Skill 制作方法论总结

Skill 开发的核心从来不是代码能力，而是对问题的解构与经验的提炼。写 SKILL.md 本质上是在“写给 AI 看的说明书”，而不是编写代码。

最佳实践路径：从具体岗位工作流程出发 → 拆解为标准化步骤 → 提炼可复用的触发词和条件 → 找到需要用到的工具集 → 封装为 SKILL.md → 增加脚本实现自动执行 → 持续迭代优化。

龙马注：我经常会翻开 awesome-openclaw-skills，不是为了找现成的东西，而是看他们的 SKILL.md 是怎么组织的。写得好的 SKILL.md，你一读就知道“这是真的在用的人写的”。不好的，读三遍仍然不知道它到底什么时候会被触发。

✏️ 即时自测：从案例一到案例三，哪个案例让你最有共鸣？在你的工作或学习领域里，可以拆解出类似的标准流程并封装为 Skill 吗？

🛠️ 实践任务（本节）：选择一个你熟悉的工作流程（例如写日报、整理数据、发送周报），按照“流程拆解→定义输入输出→封装为 Skill”的路径，手写一个 SKILL.md。不必追求完美，先让它在你的 Agent 里跑起来。

💭 本节总结（不看书写 3 行）：
1.
2.
3.

📊 用时记录：计划____min → 实际____min → 偏差原因：________

第4章参考资料与扩展阅读

OpenClaw Skills 官方文档 https://docs.openclaw.ai/zh-CN/tools/skills
创建 Skills —— OpenClaw 官方指南 https://docs.openclaw.ai/zh-CN/tools/creating-skills
ClawHub —— OpenClaw 公共 Skills 注册表 https://clawhub.ai
Awesome OpenClaw Skills GitHub 仓库 https://github.com/openclaw/awesome-openclaw-skills
开发SKILL并被OpenClaw使用 —— 阿里云 RPA 教程 https://help.aliyun.com/zh/rpa/getting-started/develop-skills-for-openclaw
10分钟造一个专属技能：OpenClaw自定义Skill开发+阿里云/本地部署及api配置实战手册 https://developer.aliyun.com/article/1717130
openclaw-skill-boilerplate —— Skill 开发脚手架 https://www.npmjs.com/package/openclaw-skill-boilerplate
OpenClaw Skills：托管与工作区、门控规则以及配置/环境变量连接 https://www.w3cschool.cn/openclawdocs/openclaw-tools-skills.html
从零造 “手脚”：OpenClaw 自定义 Skills 开发实战 https://grapecity.csdn.net/69a69a6654b52172bc5ebb82.html
OpenClaw 插件开发教程：Skill、Hook、Plugin 三层分工 https://developer.aliyun.com/article/1717317
自研第一个SKILL-openclaw入门（CSDN Agent社区） https://agent.csdn.net/69b37c077bbde9200ba0a0a8.html

本章综合实践

任务：完成以下所有检查项，并记录输出。

创建你的第一个 SKILL.md（无论多简单），放置到 ~/.openclaw/workspace/skills/ 目录。
从 ClawHub 安装一个社区 Skill，并完成安全审查，记录审查结论。
将安装的 Skill 集成到一个 Agent 中（全局或指定 Agent），测试它的运行效果。
阅读至少一个社区 Skill 的完整源代码，用你自己的话写一份“代码审查报告”。
选择一个你日常工作中最想自动化的流程，拆解为 3-5 个步骤，写成 SKILL.md。
如果 SKILL.md 中包含调用外部 API 的逻辑（如新闻摘要），尝试用 Python 或 Shell 脚本实现，并集成到 Skill 中。

完成后，打包你的 Skill 开发成果，命名为 chapter4_my_skills.zip。

龙马的评审：

“4.6节的社区 Skill 拆解是我最认真看的部分。很多教程都只说‘怎么写 SKILL.md’，但不告诉你‘好用的 SKILL.md 长什么样’。这三个案例我反复读了几遍，特别是案例二把 HR 经验固化成 Skill 的拆解思路，完全可以搬到量化场景——把沈飞的因子挖掘 SOP 写成 Skill，比直接让 AI 乱试靠谱一万倍。另外要提醒的是，ClawHub 中国镜像的安装体验确实比直接连海外源稳定得多，如果你的网络条件一般，建议先去国内镜像站点尝试安装。国内镜像的技能数量可能略少于官方源，但常用技能都在。”

沈飞的评审：

“关于4.5节安全审查清单，我在量化实盘里见过的 Skill 安全审查日志中，90% 的问题出现在脚本的网络请求上——有的 Skill 会向一个陌生的 IP 发送你的交易持仓数据，如果不是在生产环境发现了，后果不堪设想。所以希望读者真的花那 5 分钟逐条检查，不要走形式。关于4.6节，如果能在最后一个案例中增加‘量化因子分析 Skill’的拆解，对本书的第五篇会有更自然的前后呼应。读者在第五篇看到‘因子挖掘’Skill 时，会意识到原来这就是让研究员从重复劳动中解放出来的利器。”

下一章预告：第5章 Web UI：OpenClaw的图形化管理中心 —— 你将把第3章的 Agent 配置和第4章的 Skill 能力在 Web UI 中集中管理、调试和可视化。当你遇到 Skill 未被触发、Agent 行为异常时，打开 Web UI 看看调用栈，往往比看日志更直观高效。

文章版权归作者所有，未经允许请勿转载。

THE END