先把机制讲清楚，否则你会一直误以为 装了 skill 就会自动生效 。
在 OpenClaw 里，skill 的调用逻辑其实是 LLM Function Calling / Tool Calling 的一层封装。
核心流程是这样的：
用户问题
↓
Agent Prompt
↓
LLM 判断是否需要调用 Tool
↓
OpenClaw 执行 Skill
↓
Skill 返回结果
↓
LLM 根据结果生成最终回答也就是说：
Skill 是被模型"决策调用"的，不是 UI 直接调用。
1 Skill 的本质
在 OpenClaw 里，skill 实际上就是一个 tool/function。
典型结构：
skill
├─ manifest.json
├─ schema.json
└─ handler (python/js/http)关键是 schema，它告诉模型：
这个工具能做什么
参数是什么
什么时候用例如 OCR skill：
json
{
"name": "paddleocr",
"description": "识别图片中的文字",
"parameters": {
"image_url": {
"type": "string"
}
}
}模型看到描述后才可能调用。
2 Agent 如何决定调用 skill
OpenClaw 会把 skill schema 注入到模型 prompt：
You can use the following tools:
1. paddleocr
- 用于识别图片文字
- 参数 image_url然后模型在回答时可能返回：
json
{
"tool_call": {
"name": "paddleocr",
"arguments": {
"image_url": "xxx"
}
}
}OpenClaw 捕获这个调用。
3 OpenClaw 执行 skill
执行流程：
LLM tool_call
↓
OpenClaw gateway
↓
skill handler
↓
返回结果例如：
图片 → OCR skill → 文本返回：
json
{
"text": "合同编号 2024-001"
}4 再次交给模型
OpenClaw 会把结果再喂回模型：
tool_result
↓
LLM
↓
最终回答例如：
识别结果：合同编号 2024-0015 Skill 不会触发的常见原因
很多人装了 skill 但 永远不会被调用，原因通常是：
1 agent 没绑定 skill
配置缺：
agents.defaults.skills2 skill description 写得太差
模型不知道什么时候用。
例如：
description: OCR这种基本不会触发。
正确：
description: 识别图片中的中文或英文文字3 模型不支持 tool calling
有些模型不支持：
function calling
tool calling例如某些基础模型。
4 prompt 没提示
生产系统通常会加规则：
当用户上传图片时，优先调用 OCR skill否则模型可能直接瞎猜。
6 完整调用流程（真实运行）
用户：识别图片文字
↓
Agent Prompt
↓
LLM
↓
tool_call(paddleocr)
↓
OpenClaw
↓
OCR skill
↓
识别文本
↓
LLM
↓
最终回答7 一个很多人不知道的关键点
OpenClaw 的 skill 不是 deterministic 调用。
意思是：
同一个问题
有时会调用 skill
有时不会因为是 模型决策。
生产系统通常会加一层：
Rule Engine
↓
强制调用 skill否则稳定性很差。
下面给你一张 OpenClaw Skill 调用架构图（实际运行逻辑） 。
很多人误以为 UI 直接调用 skill，但在 OpenClaw 里其实是 Agent + LLM 决策调用工具。
OpenClaw Skill 调用架构
┌──────────────────────────────┐
│ Chat UI │
│ http://127.0.0.1:18789/chat │
└──────────────┬───────────────┘
│ 用户输入 / 上传图片
▼
┌──────────────────────────────┐
│ OpenClaw Gateway │
│ (会话管理 / Agent 路由) │
└──────────────┬───────────────┘
│
▼
┌──────────────────────────────┐
│ Agent │
│ │
│ • system prompt │
│ • memory / session │
│ • skills list │
└──────────────┬───────────────┘
│
▼
┌──────────────────────────────┐
│ LLM │
│ 例如: │
│ • :contentReference[oaicite:1]{index=1} │
│ • :contentReference[oaicite:2]{index=2} │
│ │
│ 决策是否调用 tool │
└──────────────┬───────────────┘
│ tool_call
▼
┌──────────────────────────────┐
│ Skill Dispatcher │
│ (OpenClaw Tool Runtime) │
└──────────────┬───────────────┘
│
▼
┌───────────────┐
│ Skill │
│ │
│ OCR Skill │
│ WebSearch │
│ Database │
│ Filesystem │
└──────┬────────┘
│
▼
┌──────────────────────────────┐
│ Skill Result │
│ (JSON / text / data) │
└──────────────┬───────────────┘
│
▼
┌──────────────────────────────┐
│ LLM │
│ 结合结果生成最终回答 │
└──────────────┬───────────────┘
│
▼
┌──────────────────────────────┐
│ Chat UI │
│ 返回最终回复 │
└──────────────────────────────┘Skill 在系统中的真实位置
User
↓
Chat UI
↓
Agent
↓
LLM
↓
Tool Call
↓
Skill
↓
Tool Result
↓
LLM
↓
Answer关键点：
- skill 不是 UI 调用
- skill 是 LLM 通过 tool_call 触发
Skill 的三个核心组件
一个 skill 通常包含：
skill/
├─ manifest.json (描述)
├─ schema.json (参数定义)
└─ handler (执行逻辑)作用：
manifest → 告诉模型这个工具做什么
schema → 告诉模型参数
handler → 真正执行代码为什么很多 skill 不会被调用
常见原因：
1️⃣ agent 没绑定 skill
agents.defaults.skills2️⃣ skill 描述太差
description: OCR模型不知道什么时候用。
3️⃣ 模型不支持 tool calling
例如一些基础模型。
一个很多人不知道的设计
在真实生产系统里，很多团队不会完全依赖 LLM 决策 skill，而是：
User
↓
Rule Engine
↓
强制调用 Skill
↓
LLM 总结结果原因很简单：
LLM 的 tool decision 不稳定。
下面这张是 完整层级的 OpenClaw 系统架构图 。
如果你理解了这张图，基本就不会再混淆 agent / model / skill / plugin 在 OpenClaw 里的关系。
OpenClaw 完整系统架构
id="p2l4p9"
┌─────────────────────────────┐
│ Client │
│ │
│ Web UI / API / IDE插件 │
│ http://127.0.0.1:18789 │
└──────────────┬──────────────┘
│
▼
┌────────────────────────────────┐
│ OpenClaw Gateway │
│ │
│ • API入口 │
│ • Session管理 │
│ • Agent路由 │
│ • Tool调用调度 │
└──────────────┬─────────────────┘
│
▼
┌────────────────────────────────┐
│ Agent Layer │
│ │
│ • System Prompt │
│ • Memory / Session │
│ • Skill列表 │
│ • Tool使用策略 │
└──────────────┬─────────────────┘
│
▼
┌────────────────────────────────┐
│ LLM Layer │
│ │
│ 决策是否调用 Tool │
│ │
│ 例如： │
│ • :contentReference[oaicite:1]{index=1} │
│ • :contentReference[oaicite:2]{index=2} │
│ • :contentReference[oaicite:3]{index=3} │
└──────────────┬─────────────────┘
│ tool_call
▼
┌────────────────────────────────┐
│ Tool / Skill Runtime │
│ │
│ Skill调度执行 │
│ │
│ 例如： │
│ • OCR │
│ • WebSearch │
│ • Database Query │
│ • Filesystem │
└──────────────┬─────────────────┘
│
▼
┌───────────────────────────────────┐
│ Skill / Plugin │
│ │
│ 本地或远程工具 │
│ │
│ 例如： │
│ • :contentReference[oaicite:4]{index=4} │
│ • :contentReference[oaicite:5]{index=5} │
│ • Web API │
│ • Python Script │
└──────────────┬────────────────────┘
│
▼
┌───────────────────────────┐
│ Tool Result │
│ JSON / Text / Data │
└──────────────┬────────────┘
│
▼
┌─────────────────┐
│ LLM │
│ 生成最终回答 │
└────────┬────────┘
│
▼
┌───────────────┐
│ Client UI │
│ 返回结果 │
└───────────────┘系统核心层级（简化理解）
可以把 OpenClaw 看成 5 层：
id="7xk0gb"
Client
↓
Gateway
↓
Agent
↓
Model
↓
Skill作用分别是：
| 层 | 作用 |
|---|---|
| Client | UI / API / IDE |
| Gateway | 请求入口、路由 |
| Agent | prompt + memory |
| Model | LLM推理 |
| Skill | 执行工具 |
Skill / Plugin / Tool 的区别（很多人搞混）
在 OpenClaw 里：
id="7d27tf"
Tool = 模型可调用的函数
Skill = Tool 的封装包
Plugin = 一组 Skill结构类似：
id="0bh1he"
plugin
├─ skill A
├─ skill B
└─ skill C一个很多人忽略的关键
OpenClaw 的 智能并不在 skill。
真正的智能在：
id="gqgq52"
Agent Prompt
+
LLM Tool Decisionskill 只是 执行器。
真实生产架构（很多团队这样做）
大部分生产系统会在 OpenClaw 前再加一层：
id="tw6fd1"
User
↓
API Gateway
↓
Rule Engine
↓
OpenClaw
↓
LLM
↓
Skill原因：
让某些 skill 必须被调用，而不是让模型决定。
否则稳定性很差。
如果你愿意，我可以再给你一张 OpenClaw 内部调用时序图（Sequence Diagram）。