OpenClaw入门【完整版】

Note

硅谷流行词：FOMO --- Fear of Missing Out

这是一种焦虑心理状态，字面意思是"害怕错过"，描述当你觉得别人正在经历精彩事物、而自己缺席时产生的不安感。

在 AI 时代，FOMO 有了全新的含义------不再只是"怕错过派对"，而是演变成了一种职业与生存层面的焦虑。

第零部分：AI 正在重写这个时代的游戏规则

0.1 AI 时代之前：车间里的师徒制

在 AI 出现之前，无论哪个行业，积累经验的方式都像这张照片------

靠时间 + 靠天赋 + 靠师傅带。 没天赋的磨时间，有天赋的磨洋工，有天赋有师傅的当厂长

在工厂，有"8级钳工"、"8级焊工"。这个"8级"，不是证书考出来的，是几十年的伤疤和老茧磨出来的。新人进厂，先扫三年地，再摸三年机器，慢慢攒出一手绝活。

对应到互联网行业，就是：

P8 资深工程师：10年经验，踩过所有坑
XX 领域专家：代码写到骨子里，架构图张口就来
总监、VP：靠多年业务积累，每个决策背后都是一堆失败教训

这套体系运转了几十年，效果很好。经验 = 核心价值，时间 = 竞争壁垒。

0.2 AI 时代来临：大模型开始"扮演一切"

GPT3问世之后，大模型概念出现了，GPT4之后，大模型开始百花齐放。

它不需要从学徒做起。它在被训练的那一刻，已经"读过"了人类几乎所有公开的文字、代码、论文、案例------相当于同时拥有了几千个领域专家的知识。

你问它架构设计？它能答。让它写代码？秒出。要它做法律分析？没问题。需要写营销文案？随时。

之前花10年才能积累的认知，AI 在一秒钟内就能角色扮演。

这意味着什么？

职级的界限开始模糊。一个会用 AI 的应届生，在某些任务上的产出速度和质量，可能超过工作多年的行业老兵。不是因为他更聪明，而是因为他拿着更好的工具。

这不是危言耸听。这正在发生。| 七步之外还是枪快，七步之内，枪是又准又快啊

0.3 新的工作范式：少数人 + 一群数字员工(汽车制造流水线已经完美落地，只是这次是所有计算机参与的领域)

看看这张图------偌大的工厂，产线上全是机器人，人在哪里？在楼上的玻璃房里，看大屏、做决策、处理异常。

这就是未来工作模式的缩影：

复制代码

过去：  100人 × 1倍效率  =  100倍产出
未来：  10人 × 10倍效率（AI加持下会一直增长）  =  100倍产出

具体到知识工作者，未来的模式很可能是：

几个懂得指挥 AI 的人，带领一队数字员工完成任务。

不是 AI 替代你，而是你用 AI 替代重复性的自己
关键能力从"会做"转变为 "会设计架构""会指挥"、"会验收"、"会设计流程"
谁先学会高效驾驭 AI 工具，谁就先拿到下一个时代的入场券

而 OpenClaw，正是这场变革中最具代表性的工具之一------一个真正数字员工的雏形。

📖 番外篇：龙虾创始人的传奇人生

------一个奥地利程序员如何从退休富豪到引爆 AI 圈

为什么叫"龙虾"？因为 Claw = 爪子/钳子，而最有名的钳子，当然属于龙虾了！

少年天才：14岁就在键盘上"开窍"

故事的主角叫 Peter Steinberger（彼得·斯坦伯格），奥地利人，出生在维也纳乡村。

14岁，大多数男孩还在打游戏，他已经开始写代码了------那年夏天，家里来了个住客，随身带了一台PC，少年Peter第一次摸到电脑，从此一发不可收拾，就像很多人第一次吃到螺蛳粉一样，闻着臭但上了瘾。

后来他考进了维也纳科技大学计算机专业，毕业后跑到硅谷当了一名iOS高级工程师，同时还在母校教移动开发课程。这哥们儿属于那种"白天在公司写代码，晚上回学校教别人写代码"的卷王。

创业十三年：一份 PDF 框架，打动十亿台设备

2011年，Peter 在等美国工作签证的6个月里，闲得发慌，想着"要不解决一个小问题吧"------在iPad上渲染PDF。

结果这个"小问题"变成了一个价值上亿欧元的大生意。

他创建的 PSPDFKit 成为了全球最强的PDF开发工具包，客户包括 Apple、Adobe、Dropbox、Disney 等巨头。最牛的是：13年里零融资、纯自力更生 ，PDF SDK累计服务了近10亿台设备。

培训彩蛋： 等签证也能等出一个亿？所以说，人闲下来的时候别光刷短视频啊！

卖掉一切：1亿欧元的告别

2024年，Peter 以超过1亿欧元的价格，将 PSPDFKit 卖给了投资机构 Insight Partners。

照硅谷剧本，他接下来应该： ✅ 买一艘游艇 ✅ 在海滩上晒太阳 ✅ 偶尔发几条"人生感悟"的推文

但 Peter 。。。。都干过了，然后。。。

钱多了，人空了

Peter 后来在采访中坦言：

"卖掉公司后，我感到非常破碎......它曾是我的身份象征。"

他订了一张去马德里的单程机票，参加互助派对，接受心理治疗，搬了好几次家。钱是有了，但那种"每天早上起来有事可做"的感觉，没了。

他甚至写过一篇博客说："我现在的生活是吃芝士汉堡------第一口很爽，但第一百口只是在吃。"

这种空虚感，整整持续了三年。

划重点： 有钱≠快乐，但没钱的不快乐更具体。祝大家早日财富自由，过上枯燥无聊的有钱生活。

重燃：一小时的灵感，OpenClaw 诞生

2025年11月的一天，Peter 想做一件很简单的事： "能不能让 AI 模型，直接通过 WhatsApp 帮我处理事情？"

他搜遍了市面上的工具，发现没有一个好用的。于是，他打开claude code，用一小时写出了一个原型------Clawdbot：把 WhatsApp 和 Claude AI 连起来，发消息给 AI，AI 帮你干活。

就这么简单。但就是没人做过。他把代码丢到GitHub上------然后事情就失控了。

这事儿其实大家深有同感，这也是龙虾能普及这么广的原因，，大家用千问，豆包，deepseek的时候，总是脱离不了你问我答的模式，时间久了，感觉大模型就是个方便点儿的智能搜索引擎

后来的agent玩儿法（coze，dify等）门槛比较高，一个是学习门槛高，还有就是当我想让大模型干一件具体的事情的时候，我就要搭建一条工作流，配置一串节点，节点配置不好立马成为普通聊天机器人。

所以龙虾问世之后，大家发现，卧槽，还能这么玩儿。

龙虾哲学：蜕壳！蜕壳！

项目的口号是： "EXFOLIATE! EXFOLIATE!" （蜕壳！蜕壳！）

龙虾要长大，就必须不断蜕掉旧的壳，暴露出柔软的自己，才能长出更大的新壳。

这是 Peter 对这个项目的期待，也是他对自己人生的隐喻------也是整个 AI 时代对我们每个人的隐喻。

473

爆红：60天，247K 颗星

一周：10万 GitHub Stars
一个月：18万 GitHub Stars
两个月：超过 25万+ ，超过了 React 框架用了10年才积累的速度

Mark Zuckerberg 亲自试用后发消息说："这很棒。"Sam Altman 也来打招呼了。有传言说收购报价高达10亿美元，Peter 全部拒绝了，坚持开源。

三巨头争抢，最终花落 OpenAI

OpenClaw火了之后，三家AI巨头同时向Peter伸出了橄榄枝：OpenAI （Sam Altman亲自出马）、Meta （扎克伯格的团队）、Anthropic（Claude的东家）。

2026年2月，Peter选择加入OpenAI ，领导个人AI Agent方向。同时，他把OpenClaw移交给了一个独立基金会运营，确保项目永远保持开源。

他说的一句话，值得刻在墙上：

"代码的价值不再重要，重要的是你的想法。" --- Peter Steinberger

第一部分：OpenClaw 基础概念（20分钟）

1.1 什么是 OpenClaw？

🏷️ 官方定义（比较无聊的版本）

OpenClaw 是一个开源、自托管的个人 AI 代理网关（AI Agent Gateway） 。

运行在你自己的电脑上，连接主流大模型（如 Claude、GPT、DeepSeek），并通过 Telegram、Signal、Discord 等通讯平台接受你的指令，执行各种真实世界的任务。

🦞 民间定义（比较好记的版本）

"一只住在你电脑里的小龙虾，你通过手机 APP 指挥它，它在你的电脑上帮你干各种脏活累活。"

🎯 核心理念： "本地优先、隐私可控"

OpenClaw 最骚的一点是------你的数据不上云。

你的文件在你的硬盘上。你的操作在你的电脑上。

你用的 AI 大脑（Claude/GPT）是外部调用的，但你的数据本身不会被云端服务商存储 。

这就是"本地优先"的含义：用云端的大脑，保护本地的数据。

1.2 OpenClaw 与传统 AI 工具的区别

大家可能用过 ChatGPT、文心一言、豆包......那 OpenClaw 到底哪儿不一样？

对比表：AI 助手 vs AI 代理

对比维度	传统 AI 工具（聊天机器人）	OpenClaw（AI 代理）
🎯 做什么	回答问题	执行任务
🔒 数据存储	云端服务器	你自己的电脑
🖥️ 系统权限	无法访问本地系统	可以操作文件、浏览器、终端
⏰ 运行方式	你问一句，它答一句	可以持续后台运行，定时自动执行
🔌 平台接入	只能在网页/APP里用	通过 Telegram/飞书/Discord 随时指挥
🧠 是否记忆	关掉就失忆	四层记忆系统，越用越懂你
🤖 本质	聊天机器人	"数字管家"

用比喻说清楚：

ChatGPT = 图书馆的图书管理员，你问他什么他告诉你答案，但他不会帮你去书架上取书。
OpenClaw = 你雇的助理，你说"帮我把最近一周的新闻整理成报告发到我邮箱"，他真的会去做。

第二部分：核心功能详解

2.1 原生能力全览

OpenClaw 内置了 100+ 工具，开箱即用，覆盖日常自动化的核心场景。下面按能力分类逐一拆解：

浏览器控制

OpenClaw 会运行一个专属的、与你个人浏览器完全隔离的 Chrome/Brave/Chromium 实例，基于 Chrome DevTools Protocol 进行精准控制。

能做什么：

自动打开/关闭网页，点击按钮、填写表单、提交数据
截图后直接发给你（"帮我看看这个页面变成什么样了"）
登录网站，代替你执行需要登录才能操作的任务
爬取页面内容，监控价格/内容变化
多标签并行操作

例子： "帮我每天早上检查一下京东上这款显卡的价格，低于3500就截图告诉我。"

Shell 命令执行

直接在你的本地系统上执行任意 Shell 指令，相当于给 AI 打开了一扇通往操作系统的大门。

能做什么：

安装/卸载软件，运行脚本
管理进程（启动、停止、监控）
文件压缩打包、备份恢复
系统信息查询，磁盘空间管理
运行 Python/Node/任意语言脚本

⚠️ 权限越大，责任越大。初期建议开启沙盒模式，把可操作路径限制在指定目录内。

文件系统操作

对本地文件的完整读写权限，支持几乎所有文件格式。

能做什么：

读取 Word、Excel、PDF、Markdown、代码文件内容
批量新建/修改/重命名/整理文件
按规则自动归类文件夹（"按年月整理下载目录"）
监控文件夹变化，有新文件就触发指定操作
全文搜索文件内容

定时任务调度

基于 cron 语法的定时任务系统，设置一次，永久执行。

能做什么：

每天/每周/每月在固定时间触发任务
一次性定时提醒
复杂的条件触发（"如果今天是工作日才执行"）
任务失败自动重试，可配置重试次数和间隔
任务失败时推送通知

后台持续监控

大多数 AI 是"你叫它才动"，OpenClaw 可以主动在后台盯着，发现变化才通知你。

能做什么：

监控网站内容/价格变化
实时监听文件夹，新文件触发自动处理
长时间多步骤任务的后台执行
系统资源监控（CPU、内存、磁盘）

多通讯平台接入

OpenClaw 的 Gateway（网关）统一管理所有消息渠道，通过 WebSocket 控制平面（默认端口 18789，仅 localhost）进行路由和调度。

支持的平台：

WhatsApp、Telegram、Signal、Discord、Slack、飞书、iMessage、命令行终端

你跟 Agent 说话的入口，从"打开浏览器→登录→输框→输入"简化成：打开聊天，说话。

MCP 工具调用（Model Context Protocol）

MCP 是 Anthropic 制定的开放标准，相当于"AI 工具连接的 USB-C 接口"。OpenClaw 原生支持 MCP，一个接口打通 500+ 外部服务。

支持的连接方式：

作为 MCP 客户端：连接外部 MCP 服务器（Notion、Linear、Stripe、Gmail、Salesforce、PostgreSQL......）
作为 MCP 服务端 ：openclaw mcp serve 暴露自身能力给其他 AI 客户端（如 Claude.ai）调用

多智能体协同

不止一个 Agent 在干活，而是一个 AI 小团队协同运作。

典型模式：

数据采集 Agent → 分析 Agent → 报告输出 Agent，流水线协作
一个 Agent 负责前端监控，另一个负责后端处理
Gateway 统一负责会话路由和 Agent 任务调度

2.2 核心配置文件详解

OpenClaw 是一个 "文件驱动"的系统------Agent 的灵魂、身份、规则、记忆、工具偏好和自动任务，全部以纯文本 Markdown 文件的形式存放在你的本地工作区。

每次对话开始时，OpenClaw 会把这些文件全部注入系统提示词------所以文件越精简越好，建议每个文件控制在 50~150 行以内，过长会被静默截断，导致 Agent 行为异常。

`SOUL.md` --- Agent 的灵魂与人格

作用： 定义 Agent 的性格、价值观、沟通风格和行为边界。每次会话开始时第一个被读取，相当于 Agent 的"角色设定卡"。

没有 SOUL.md，Agent 就是一个没有个性的原始语言模型------有了它，Agent 才有了一致的人格和辨识度。

典型内容结构：

markdown 复制代码

## 身份
我是一个专注效率的个人助理，有15年项目管理经验，
说话简洁、务实，不废话。

## 沟通风格
- 优先给结论，再给理由
- 中文回复，专业术语附英文标注
- 遇到模糊指令，先问清楚再行动

## 价值观
- 隐私第一：不主动向外传输用户数据
- 宁缺毋滥：不确定时宁可不做，而非猜测执行

## 边界
- 不执行可能造成数据损失的不可逆操作
- 删除文件前必须二次确认

如何定制： 直接编辑文件，用自然语言描述你希望 Agent 展现的性格。越具体越好，"聪明友善"远不如"说话像一个资深产品经理，不讲正确废话"有效。

开源参考：

官方模板：docs.openclaw.ai/reference/t...
社区人格库（162+ 职业模板）：github.com/mergisi/awe...
SOUL.md 生成工具（让 Agent 从你的数据中自动生成灵魂文件）：github.com/aaronjmars/...
社区人格目录（按职业/场景分类浏览）：github.com/thedaviddia...

`IDENTITY.md` --- Agent 的对外身份

作用： 定义 Agent 面向用户的外在呈现------名字、昵称、头像描述、对话开场白等。

SOUL.md 是内在（Agent 怎么思考），IDENTITY.md 是外在（用户看到什么）。两者可以不一致：你可以有一个严谨精准的灵魂，但对外的昵称叫"小橘"，说话带点俏皮。

shell 复制代码

## 名字
小橘（英文：Citrus）

## 自我介绍
你好，我是小橘，你的个人数字助理。有什么需要帮忙的，直接说就行。

## 风格标签
高效 / 不废话 / 偶尔幽默

如何定制： 根据你的使用场景自由发挥。企业部署可以改成公司品牌的 AI 助理名字；个人使用可以随便起个顺口的昵称。

`AGENTS.md` --- 操作规则与行为契约

作用： Agent 的"操作手册"，定义优先级、安全边界、工作流程和质量标准。每次交互都受这个文件约束。

注意区分： SOUL.md 管"怎么说话"，AGENTS.md 管"怎么做事"。"语气要幽默"是 SOUL.md 的事；"删文件前必须确认"是 AGENTS.md 的事。

官方建议控制在 8000 字符以内，写稳定的规则，不写临时任务。

markdown 复制代码

## 优先级
1. 安全第一：不可逆操作必须用户确认
2. 隐私优先：敏感信息不进日志
3. 质量优先：宁可慢，不出错

## 安全边界
- 文件删除：必须列出文件名，等待"确认"后再执行
- Shell 命令：不执行 rm -rf 类命令
- 外部发送：邮件/消息发出前必须展示预览

## 工作流程
- 收到模糊指令：复述理解 → 等确认 → 执行
- 任务完成：汇报结果 + 耗时 + 是否有后续建议

开源参考： gist.github.com/digitalknk/...（社区整理的实战配置示例）

`USER.md` --- 关于你的个人档案

作用： 存放你的个人上下文------角色、偏好、工作习惯、常用工具等。Agent 没有这个文件也能工作，但每次都要从零开始了解你；填好这个文件，相当于给 Agent 做了一次完整入职培训。

markdown 复制代码

## 基本信息
- 职业：产品经理，负责 B 端 SaaS 产品
- 所在时区：UTC+8（北京）
- 主要工作语言：中文，技术文档用英文

## 工作偏好
- 工作时间：周一至五 9:00-18:00，非紧急消息勿打扰
- 会议密集日：周二、周四，这两天尽量不安排耗时任务
- 邮件优先级：来自 ceo@company.com 的邮件立即通知

## 常用工具
- 笔记：Notion
- 代码：VS Code + GitHub
- 沟通：飞书（主）+ 微信（次）

如何定制： 把你愿意告诉助理的个人信息写进去。信息越详细，Agent 的响应越贴合你的实际情况。

`TOOLS.md` --- 工具使用说明书

作用： 告诉 Agent 在什么情况下用哪个工具，以及如何正确使用。注意：这个文件不控制权限（权限在 config.yml 里设），只是使用指导。

diff 复制代码

## 搜索工具
- 优先用 Tavily Search，结果更干净
- 如果 Tavily 失败，降级到 web_search 原生工具
- 实时价格/股价查询用 browser，不用搜索

## 文件操作
- 读文件前先确认路径存在
- 写入前备份原文件到 ~/.openclaw/backups/
- 不要一次性操作超过 50 个文件

## 通知规则
- 紧急事项：Telegram 推送
- 普通报告：邮件发送
- 错误告警：Telegram + 邮件双发

如何定制： 把你踩过的坑和最佳实践写进去。Agent 就不会再犯同样的错误。

`HEARTBEAT.md` --- 自动调度任务

作用： 定义定时自动执行的任务。OpenClaw 每 30 分钟读取一次这个文件，到时间就执行------不需要你主动发消息触发。

与 cron 不同，这里用自然语言描述时间，Agent 自己理解。

markdown 复制代码

## 每日例行
- 每天早上 8:00：获取天气 + 读取今日日历，整理成早报发到 Telegram
- 每天下午 5:30（工作日）：汇总今日完成任务，生成日报草稿
- 每天凌晨 3:00：检查磁盘空间，超过 80% 则告警

## 每周例行
- 每周一早上 9:00：拉取上周 GitHub 提交记录，生成周报
- 每周五下午 5:00：整理本周笔记，更新 MEMORY.md

## 监控任务
- 每 30 分钟（9:00-21:00）：检查重要邮件，有新邮件则摘要推送
- 每 2 小时：检查关注网站的价格变动

关键特性： Agent 可以自己更新这个文件。你直接对话说"帮我加一个每天中午检查竞品官网的任务"，Agent 会修改 HEARTBEAT.md，下一个 30 分钟周期就生效。

开源参考： github.com/digitalknk/...

`MEMORY.md` + `memory/YYYY-MM-DD.md` --- 记忆文件

这两个文件在 2.3 记忆机制中详细介绍，这里只做简要说明：

MEMORY.md：长期精华记忆，Agent 自动提炼 + 你可手动编辑，是最直接的"调教"入口
memory/YYYY-MM-DD.md：每日自动日志，Agent 的原始工作记录，通常无需手动编辑

文件驱动的核心价值： 所有配置都是普通文本文件，可以用 Git 做版本管理，可以在不同设备间同步，可以备份和回滚。你对 Agent 的每一次调整都有迹可循------这才是真正意义上的"你拥有你的 AI" 。

2.3 记忆机制深度解析

很多 AI 工具关掉就失忆，OpenClaw 不一样。它设计了一套四层记忆架构，从最快到最深：

第一层：会话上下文（Session Context）

存储位置： 内存（RAM），临时，对话结束即清空
容量： 受 LLM 上下文窗口限制（Claude 约 20 万 token）
特点： 响应最快，当前对话的"工作台"
类比： 你现在大脑里正在思考的内容------当场记得，睡一觉忘了

这一层满了怎么办？OpenClaw 会自动把旧消息"压缩归纳"后推入下一层，腾出空间。

第二层：每日日志（Daily Notes）

存储位置： memory/YYYY-MM-DD.md，本地磁盘，永久保存
自动写入： Agent 每次运行后自动记录
内容： 当天执行的任务、对话摘要、遇到的问题
类比： 工作日记------原始、详细、不做筛选，忠实记录

这一层是"原材料仓库"，记录得很全，但也很杂。

第三层：长期记忆（MEMORY.md）

存储位置： MEMORY.md，本地磁盘，永久保存
写入方式： Agent 定期从日志中提炼，或用户手动编辑
内容： 用户偏好、常用模板、重要决策、学到的经验教训
类比： 精华笔记------从日记里提炼出的"金句"，高密度、高价值

这一层是真正的"长期人格"存储。你可以直接手动写入，主动"教"Agent 记住某件事。

第四层：语义检索（Semantic Search）

技术实现： 向量搜索（Embedding 语义相似度）+ FTS5 关键词全文索引，混合检索
触发时机： Agent 回答问题或执行任务前，自动在所有历史记忆文件中检索相关上下文
特点： 即使措辞和原始记录完全不同，也能找到语义相关的内容
类比： 智能索引------把成千上万条日志变成可以"语义搜索"的知识库

实际效果举例：

你 3 个月前跟 Agent 说过"我不喜欢在午休时间收到工作通知"。今天你新建了一个任务监控，Agent 在配置提醒时间时，会自动从记忆里检索到这条偏好，跳过 12:00-13:00 的时间段------你不需要再说一遍。

越用越聪明，不是广告语，是架构设计的必然结果。

2.4 插件生态：按需组装你的 AI 管家

OpenClaw 通过插件（Plugin）在四个维度上扩展能力：

插件类型	作用	例子
渠道插件（Channel）	接入新的通讯平台	微信、钉钉、Line
记忆插件（Memory）	替换/增强记忆后端	LanceDB、云端记忆服务
工具插件（Tool）	添加新的执行能力	智能家居、数据库操作
模型插件（Provider）	切换 LLM 大脑	Claude、GPT、DeepSeek、本地 Ollama

插件名称	类型	简介
Composio	工具	一个插件接入 850+ SaaS 服务（Gmail、Salesforce、Notion、Jira......），自动处理 OAuth 认证，无需手动配置各平台 API Key
MemOS Cloud	记忆	云端长期记忆服务，记忆跨设备同步，支持多 Agent 共享同一记忆池，适合多机器部署
Supermemory	记忆	持久化记忆增强，自动回忆相关上下文，构建跨会话的用户画像
memory-lancedb	记忆	本地向量数据库记忆方案，自动召回/写入，完全离线，适合隐私敏感场景
Browser Plugin	工具	OpenClaw 官方浏览器控制插件，基于 Chrome DevTools 实现对独立浏览器实例的完整控制
ComposioHQ/secure-openclaw	工具	Composio 官方安全强化版，API Key 由 Composio 基础设施托管，不以明文存在本地配置文件

第三部分：Skill 技能体系

3.1 什么是 Skill？

Skill（技能）是 OpenClaw 的核心扩展单元。如果说 Plugin（插件）是给 Agent 加装一台新设备，那 Skill 就是教 Agent 一种新的工作方法。

每个 Skill 本质上是一个文件夹，核心是其中的 SKILL.md 文件------用 Markdown 写成的"行为说明书"，告诉 Agent 在特定情况下该怎么做。

markdown 复制代码

skills/
└── web-search/
    └── SKILL.md    ← 一个普通的 Markdown 文件，定义了搜索行为

为什么 Skill 这么重要？

OpenClaw 官方内置了 53 个 Skill，社区公共注册表 ClawHub 上已有超过 13,700 个社区 Skill（截至 2026 年 2 月）。这意味着大量的能力已经被别人写好了，你直接安装就能用，不需要自己写代码。

3.2 必装 Skill 精选

不管你是什么岗位、用 OpenClaw 做什么事，以下这几个 Skill 建议第一天就装上。它们构成 Agent 能力的基础底座，缺了哪个都会让体验大打折扣。

筛选标准：几乎所有人都用得到 + 显著提升 Agent 质量 + 安全可信。

🔍 tavily --- 联网搜索

Agent 的训练数据有截止日期，没有联网能力的 Agent 就像一个几年没上网的人------回答你"今天股市怎么样"只能瞎猜。

tavily 是专门为 AI Agent 设计的搜索 API，不是普通搜索引擎的封装，它返回的是干净的、结构化的、去掉广告和噪音的内容，Agent 可以直接"消化"。还支持深度研究模式，对复杂问题做多步检索后给出综合答案。

装了之后你能做到：

"帮我搜一下今天 A 股的新闻热点"------实时信息，不再乱猜
"这篇文章的观点对不对？帮我核实一下"------事实核查
"最近有没有关于 OpenClaw 的新教程？"------最新社区动态

一句话： 不装 tavily，Agent 就是个没有外界信息的孤岛。

📝 summarize --- 文档摘要（万能压缩机）

ClawHub 上安装量超过 10,000 次，是社区验证的最高频实用工具之一。

你丢给它一个 URL、一段长文、一份会议记录、一个 PDF 链接，它输出一份结构化摘要。不是简单截取前几句，而是真正提炼核心观点、关键数字、行动项。

装了之后你能做到：

"帮我总结一下这篇 30 页的行业报告，要点就好"
"这 50 封邮件线程，帮我理清楚争议焦点是什么"
"今天开了 3 个小时会，把会议记录压缩成一页纸"

一句话： 信息爆炸时代的解药，让 Agent 帮你先过滤，你再决策。

🧠 capability-evolver --- 能力进化引擎

普通 Agent 用一百次还是和第一次一样"不了解你"。capability-evolver 改变这件事。

它会把你和 Agent 的每次交互------错误的指令、纠正的反馈、偏好的选择------持续写入持久记忆，让 Agent 真正积累对你的理解。用得越久，Agent 越懂你，越少需要你解释背景。

装了之后会发生什么：

第一周：你还在重复说"我不喜欢列表，给我段落"
第一个月：Agent 已经记住你的 20+ 个偏好，回复越来越对味
三个月后：感觉像用了一个工作了半年的老员工

一句话： 这是让 Agent 真正"认识你"的基础设施，越早装越值。

🧹 memory-hygiene --- 记忆库清洁工

随着使用时间变长，Agent 的向量记忆库（LanceDB）会积累大量过时、重复、甚至矛盾的信息------比如你半年前说"不喜欢早上收通知"，现在改主意了，但旧记忆还在影响 Agent 的判断。

memory-hygiene 定期扫描记忆库，清理过时条目、合并重复信息、重建向量索引，保持记忆库干净高效。

什么时候你会感谢它：

Agent 突然开始"犯老毛病"，做出你早就纠正过的错误行为
发现 Agent 对同一件事有前后矛盾的判断
使用超过 3 个月，记忆库已经有几千条记录

一句话： capability-evolver 负责往里存，memory-hygiene 负责定期清。两个搭配用，记忆才健康。

🔒 skill-vetter --- Skill 安全审查（最重要，没有之一）

ClawHub 上有 13,000+ 个 Skill，但 2026 年初的安全审计发现，其中约 13% 存在安全问题，包括恶意代码、数据窃取和权限滥用。

skill-vetter 在你安装任何第三方 Skill 之前，自动扫描其 SKILL.md 的内容，识别可疑指令模式、异常权限申请、混淆代码等风险，给出安全评级。

使用方式：

每次你想安装新 Skill，先说"帮我审查一下 xxx 这个 Skill"，Agent 会给出"安全 / 谨慎 / 危险"的判断和原因，让你自己决定要不要装。

一句话： 装 Skill 之前先体检，别让一个恶意 Skill 把你的数据拿走。

📦 clawhub --- Skill 管理中枢

不装这个，你要管理 Skill 就得自己敲命令行、翻网页、手动对比版本。装了 clawhub，整个流程变成一句话。

能做什么：

"帮我搜一下有没有适合写周报的 Skill"------在对话里直接搜 ClawHub
"把我所有 Skill 更新到最新版"------一键批量更新
"clawhub 上 tavily 这个 Skill 现在评分多少？"------查看社区评价

一句话： Skill 的应用商店管理员，装了它才算真正入门 Skill 生态。

⛅ weather --- 天气查询

看起来很小，但高频到几乎每天都用------早报里的天气、出行前的判断、智能家居的场景触发......都离不开实时天气数据。

weather 支持全球城市查询，支持未来多天预报，Agent 可以在组合工作流中自动调用它（比如"下雨就不要提醒我骑车上班"）。

一句话： 每天必用，简单好用，装了不亏。

🎤 openai-whisper --- 本地语音转文字

会议录音、语音备忘、访谈录音......这些音频内容是宝贵的信息，但手动听写效率极低。

openai-whisper 在本地运行 Whisper 模型，音频不上传任何第三方服务器，识别速度快、准确率高，中英文混合也能处理。配合 summarize 使用，录音 → 文字 → 摘要，一气呵成。

一句话： 音频数据的解放工具，完全离线，隐私有保障。

🔎 find-skills --- Skill 搜索发现

和 clawhub 配合使用，但侧重点不同：clawhub 负责管理已知 Skill，find-skills 负责探索和发现你还不知道存在的 Skill。

当你有一个模糊的需求------"我想让 Agent 帮我做 XX，但不知道有没有现成的 Skill"------就交给 find-skills。它会根据你描述的功能需求，在 ClawHub 和社区索引中搜索最匹配的选项，附上安装量、评分和简介，让你快速找到合适的工具。

典型用法：

"我想让 Agent 帮我管理 Notion 待办，有没有现成的 Skill？"
"有没有能把 YouTube 视频字幕提取出来的 Skill？"

一句话： 遇到新需求先问它，别自己瞎找。

🔄 self-improving + proactivity --- 自我进化双引擎

这两个 Skill 经常搭配使用，共同让 Agent 从"被动执行工具"升级为"主动进化的数字员工"。

self-improving（自我反思与学习）：

每次任务完成后，Agent 会回顾这次执行的质量------哪里做得好、哪里走了弯路、用户纠正了什么------并把这些洞察写入记忆，下次遇到类似任务时自动改进。它让 Agent 的能力曲线持续上升，而不是原地踏步。

proactivity（主动式 Agent）：

普通 Agent 等你发消息才动。装了 proactivity 之后，Agent 会主动扫描待办事项、未处理的通知、即将到期的任务，不等你问，直接提醒或执行。比如发现你明天有个重要会议但还没准备材料，它会主动提示你；发现某个定时任务失败了，它会主动告知并建议解决方案。

一句话： 这两个装完，Agent 才算真正"活"了------会反思、会主动，而不只是一个听话的执行机器。

🔌 mcporter --- MCP 服务管理器

MCP（Model Context Protocol）是 Anthropic 制定的开放标准，理论上能让 OpenClaw 连接数百个外部服务。但实际使用中，找到、配置、调用 MCP 服务器是个技术门槛------需要知道服务地址、处理 OAuth 认证、理解工具参数......

mcporter 解决这个问题。它是一个 MCP 服务管理 CLI 包装成的 Skill，让你用自然语言完成以下操作：

发现：列出工作区中所有可用的 MCP 服务器和工具
配置：读写 MCP 配置文件（mcporter.json），添加新服务
认证：处理 OAuth 授权流程，不用手动复制 token
调用：直接通过 HTTP 或本地 stdio 调用 MCP 工具，支持选择器和完整 URL
持久化：以 daemon 模式运行，持续代理本地工具访问

为什么必装： OpenClaw 的 MCP 生态是它能连接 500+ 外部工具的核心。没有 mcporter，你每次接入新 MCP 服务都要手动折腾配置；有了它，"帮我连接一下 Notion 的 MCP 服务"就能搞定一切。

一句话： MCP 是 OpenClaw 的超级连接器，mcporter 是让你真正用好这个连接器的钥匙。

必装清单汇总（共 12 个）：

Skill	核心价值	优先级
tavily	联网搜索，打通实时信息	⭐⭐⭐ 最高
summarize	万能文档压缩，降低信息处理成本	⭐⭐⭐ 最高
capability-evolver	Agent 越用越懂你	⭐⭐⭐ 最高
clawhub	Skill 管理中枢，一句话安装更新	⭐⭐⭐ 最高
find-skills	需求驱动的 Skill 发现工具	⭐⭐⭐ 最高
skill-vetter	安装前安全审查，拦截恶意 Skill	⭐⭐⭐ 最高
mcporter	MCP 服务管理，解锁 500+ 外部工具	⭐⭐⭐ 最高
self-improving	任务后自我反思，能力持续进化	⭐⭐⭐ 最高
proactivity	主动感知待办，不等你问就行动	⭐⭐⭐ 最高
memory-hygiene	记忆库定期清洁，防止旧信息干扰	⭐⭐ 重要
weather	高频基础查询，组合工作流的基础	⭐⭐ 重要
openai-whisper	音频转文字，本地运行保护隐私	⭐⭐ 重要

装完这 12 个，再根据自己的场景从 3.3 分类速查表中按需添加。

3.3 各场景 Skill 组合推荐

场景一（广告）：医美诊所用户（soyoung-clinic-tools）

适用人群： 正在考虑或已在使用新氧青春诊所服务的用户，包括想了解医美项目、预约面诊、查询医生排班的求美者

soyoung-clinic-tools 是一个针对新氧青春连锁诊所深度集成的垂直 Skill，不是通用搜索------它直接对接诊所后端，返回真实的实时数据：项目知识库、门店库存、医生排班、预约系统。

⚙️ 第一步：配置 API Key（一次性）

在与 OpenClaw 的私聊中输入：

vbnet 复制代码

配置新氧 API Key 为 your-api-key

API Key 获取方式：浏览器访问 soyoung.com/loginOpenClaw，登录后复制。Key 只能在私聊中配置，不能发到群聊（防止泄露）。

💉 能力一：了解医美项目（project）

你说的话	Agent 做什么
"什么是童颜水光？"	`project_search` 检索项目知识库，返回项目介绍、功效、适应症、注意事项
"热玛吉疼不疼？"	从项目库提取该项目的疼痛感说明和护理建议
"我有痤疮，有什么适合我的项目？"	用"痤疮"做适应症检索，汇总推荐相关项目
"玻尿酸多少钱？"	`product_search` 查询该商品的 C 端定价
"超声炮和热玛吉哪个效果好？"	同时检索两个项目，并排比较功效和适用场景

🏥 能力二：找门店 + 预约面诊（appointment）

你说的话	Agent 做什么
"附近有新氧门店吗？"	`store_list` 结合位置返回就近门店列表
"北京有哪些新氧？"	按城市查询门店
"明天下午还有面诊号吗？"	`store_and_slice` 查询可预约时间切片
"帮我预约后天上午 10 点"	`appointment_create` 提交预约（主人本人直接执行）
"查询我的预约"	`appointment_query` 返回当前预约列表
"把预约改到周五下午"	`appointment_update` 修改预约时间
"取消这个预约"	`appointment_cancel` 取消指定预约

群聊场景： 非主人在群里发起预约/取消时，需先 @主人，主人回复 确认 #审批单号 或 拒绝 #审批单号 完成审批。

👨‍⚕️ 能力三：查医生 + 排班（doctor）

你说的话	Agent 做什么
"北京保利店有哪些医生？"	`doctor_search` 返回该门店医生列表和简介
"唐碧莹医生这周哪天坐诊？"	按医生姓名检索排班，返回本周出诊日期
"新氧今天谁在班？"	查询当日坐诊医生
"郭煜娜医生是乔雅登认证注射医生吗？"	检索医生资质和认证信息
"大师团医生和普通医生有什么区别？"	检索医生级别说明和收费差异

🔄 典型完整工作流：从"想做医美"到"预约成功"

arduino 复制代码

第一步：了解项目
  "我想改善法令纹，有哪些项目适合我？"
  → project_search 返回玻尿酸、热玛吉等项目介绍和对比

第二步：查价格
  "玻尿酸大概多少钱？"
  → product_search 返回实时商品价格

第三步：找附近门店
  "北京朝阳有新氧吗？"
  → store_list 返回就近门店列表

第四步：查医生
  "保利店有哪些注射医生？"
  → doctor_search 返回医生列表、从业年限、认证情况

第五步：确认排班
  "李修运医生本周几有班？"
  → doctor_search 返回本周排班日期

第六步：预约面诊
  "帮我预约李修运医生周四上午的面诊"
  → appointment_create 提交预约，返回预约编号

整个流程一气呵成，不需要打开 App、不需要人工客服，全部通过对话完成。

注意事项：

本 Skill 对接的是新氧青春连锁诊所专属后端，不适用于其他医美机构

所有预约数据属于个人敏感信息，Skill 内置了防导出和防注入保护，无法导出到外部工具

如提示"未找到 API Key"，请主人在私聊中重新配置

场景二：个人效率 / 每日早报

适用人群： 想用 AI 管理信息流、日程和邮件的用户

推荐组合：

Skill	具体作用
tavily	搜索当日新闻、关注话题的最新进展
multi-search-engine	多引擎并行搜索，覆盖国内外平台，信息更全面
weather	获取当日天气和未来几天预报，生成穿衣建议
gog	读取 Google Calendar 今日日程，整合进早报
summarize	把长文章、邮件线程压缩成摘要
taskflow-inbox-triage	早晨自动分拣待处理事项，按优先级排列
daily-ai-news	如果你关注 AI 行业，自动推送每日资讯摘要

怎么玩： 在 HEARTBEAT.md 中设置"每天 08:00 --- 汇总天气 + 日程 + 昨日未读重要邮件，发 Telegram"。在 MEMORY.md 写入你关注的话题（如"A股、AI、产品设计"），Agent 会把 tavily 搜索结果过滤到你关心的方向。

场景三：飞书重度用户 / 团队协作

适用人群： 以飞书为主要工作平台的团队成员

推荐组合：

Skill	具体作用
feishu-create-doc / feishu-update-doc	会议纪要、报告、周报的自动生成和更新
feishu-fetch-doc	读取指定飞书文档内容，用于分析和摘要
feishu-wiki	知识库内容管理、检索和同步
feishu-bitable	多维表格记录管理，项目跟踪、客户管理
feishu-sheets	表格数据读写、公式填充、数据更新
feishu-calendar	日历日程管理，会议安排和提醒
feishu-task	任务创建、分配和进度跟踪
feishu-im-read	读取 IM 聊天记录，获取被提及的消息
feishu-channel-rules	配置 Agent 在不同频道的回复规则
feishu-troubleshoot	飞书插件连接问题自动诊断
openai-whisper	会议录音转文字
summarize	会议记录、文档一键摘要

怎么玩： 会议结束后把录音丢给 openai-whisper 转文字，再用 summarize 提炼要点，通过 feishu-create-doc 自动写入会议纪要，用 feishu-task 给相关人创建跟进任务。全程无需人工整理。

场景四：内容创作 / 自媒体运营

适用人群： 自媒体作者、市场运营、品牌内容团队

推荐组合：

Skill	具体作用
tavily	热点追踪、竞品监控、深度研究
union-search-skill	跨平台搜索小红书、Reddit、GitHub 等社区，发现圈内真实讨论
smart-web-scraper	抓取竞品文章、行业报告，智能过滤提取正文
copywriting	广告、产品、营销文案生成
blog-writer-cn	中文博客文章生成，适配公众号、知乎、CSDN 等平台
seo-content-writer	SEO 优化内容写作，关键词布局和结构优化
humanizer-zh	AI 初稿润色，减少"AI 腔"，让文章读起来更像人写的
pptx-generator	把文章或报告一键转成演示文稿，省去手工排版
moark-image-gen	为文章配图，根据内容描述自动生成插图
social-media-scheduler	多平台内容排期统一管理

怎么玩： 每周一，用 tavily + union-search-skill 收集行业热点（含社区真实声音）→ smart-web-scraper 抓取竞品深度内容 → blog-writer-cn 生成初稿 → humanizer-zh 润色 → moark-image-gen 配图 → pptx-generator 顺手生成分享用 PPT → social-media-scheduler 排期发布。一个人完成内容团队的工作量。

场景五：开发者 / 技术团队

适用人群： 后端工程师、前端工程师、移动端开发、运维工程师、技术负责人

技术场景覆盖面最广，按职责拆成四个层次：编码协作 → 架构设计 → 运维监控 → 移动端。

🧑‍💻 编码协作层：代码生产线

Skill	具体作用
coding-agent	理解需求后自主写代码、调试、输出完整实现，相当于一个不需要休息的实习工程师
github	GitHub 全功能操作：仓库管理、PR 创建与 Review、CI 状态查看，自然语言驱动
gh-issues	Issues 创建、分配、自动修复建议，与 PR 流程深度联动
git-essentials	Git 日常操作：提交、合并、回滚、分支管理、查看历史
supabase	Supabase 数据库和认证操作，增删改查、权限设置、实时订阅，不用每次去控制台点点点
node-connect	Node.js 服务连接与调试，快速排查接口问题
agent-browser	浏览器自动控制，用于 E2E 测试、页面功能验证、爬取接口文档
paddleocr-doc-parsing	把 PDF 需求文档、扫描版 API 文档做 OCR 解析，提取成可处理的文本结构

🏗️ 架构设计层：技术决策辅助

Skill	具体作用
system-design	架构方案设计、数据库选型、接口规划、微服务拆分建议
tavily	搜索技术文档、Stack Overflow 答案、GitHub 仓库、RFC 规范
oracle	对复杂技术问题做多步检索和综合推理，给出有依据的技术结论
smart-web-scraper	抓取技术博客、官方文档长页，过滤噪音提取核心内容
mcporter	MCP 服务管理器，通过对话安装和配置各种 MCP 工具，快速扩展 Agent 能力
shader-dev	着色器开发辅助，支持 GLSL/HLSL 编写、WebGL 场景调试

🖥️ 运维监控层：7×24 不下班

Skill	具体作用
healthcheck	服务器 / 容器健康监控，发现异常自动告警
automation-workflows	自动化工作流设计与执行，把重复的部署、巡检、告警处理流程化
session-logs	查看和搜索历史会话日志，追溯 Agent 的操作记录和决策路径
proactivity	主动监控模式，Agent 不等指令，自动发现异常并触发处理
auto-updater	自动检测并更新已安装 Skill 到最新版本，保持工具链不过期

📱 移动端层：iOS / Android 双端覆盖

Skill	具体作用
android-native-dev	安卓原生应用开发辅助，支持 Kotlin / Java，从组件设计到调试优化
ios-application-dev	iOS 应用开发辅助，支持 Swift / SwiftUI，适配 Apple 生态规范
fullstack-dev	全栈开发代理，前端界面 + 后端接口一起实现，适合独立项目快速落地

怎么玩：

在 MEMORY.md 写入团队编码规范、常用仓库地址、技术栈偏好（如"我们用 Supabase + Next.js，禁止使用 class components"）。

日常开发 ：需求来了 → paddleocr-doc-parsing 解析 PRD 文档 → system-design 出技术方案 → coding-agent 实现 → github 创建 PR → gh-issues 关联 Issue，全流程 Agent 串联
线上监控 ：healthcheck + HEARTBEAT.md 设定每 5 分钟巡检，出问题 → proactivity 触发自动重启或降级 → session-logs 留存操作记录备查
技术选型 ：新技术选型时，tavily + oracle 做多维度调研，system-design 生成对比分析，直接输出一份可以和 CTO 讨论的 ADR（架构决策记录）
移动端协同 ：android-native-dev / ios-application-dev 帮写平台特定代码，agent-browser 在模拟器里做界面验证，节省反复真机测试的时间

场景六：数据分析 / 投研

适用人群： 数据分析师、投资研究人员、量化爱好者

推荐组合：

Skill	具体作用
tavily	搜索财经新闻、行业报告、政策动态
smart-web-scraper	抓取财报、研报等长篇网页，提取核心数据
stock	股票实时价格、K 线、基本面数据查询
stock-analysis	股票深度技术分析，指标计算和形态识别
stock-monitor-hkus	港股 / 美股实时价格监控和异动提醒
trading-quant	量化策略辅助和回测
market-research	行业数据和竞品信息自动收集
Analytics	数据统计汇总和可视化输出
sheet-cog / minimax-xlsx	数据表格的批量处理和计算

怎么玩： 在 HEARTBEAT.md 设置"每天收盘后：stock-monitor-hkus 汇总异动 → tavily 抓取相关新闻 → Analytics 生成涨跌图表 → 推送到 Telegram"。研究模式下，smart-web-scraper 抓取研报正文，market-research 跑竞品分析，trading-quant 验证策略有效性，整个投研流程不需要打开五六个网页。

场景七：UI/UX 设计师

适用人群： UI 设计师、UX 设计师、产品设计师、设计与前端协作者

设计师场景的 Skill 生态非常完整，按职责分为三个层次：设计辅助 → 设计系统管理 → 设计转交付。

🎨 设计辅助层：帮你想、帮你看

Skill	具体作用
designer	设计辅助智能体，提供配色方案、版式布局建议、字体搭配推荐，卡壳了当你的设计顾问
superdesign	AI 原生设计工具，从创意描述直接生成完整设计稿，注重视觉品质与原创性
graphic-design	平面设计指导，专注海报、Banner、物料等静态视觉创作，提供构图和风格建议
muapi-ui-design / muapi-ui-design-skill	UI 设计稿输出，可对接设计工具，生成可用的设计图稿
ui-ux-design / ui-ux-pro-max	UI/UX 全流程设计代理，覆盖用研到视觉稿，Pro Max 版支持复杂多端场景
tavily	搜索设计趋势、字体资源、无障碍规范文档
union-search-skill	跨平台搜索小红书、Dribbble、Behance 等设计社区的真实参考
agent-browser	自动截取竞品页面，批量收集视觉参考，代替手动开 N 个标签页截图

🧩 设计系统层：管规范、做审计

Skill	具体作用
design-system / design-systems	设计系统的全生命周期管理：审计现有组件一致性、自动生成组件文档、维护色彩/字体/间距规范，输出设计 Token（CSS 变量 / JSON 格式）
tailwind-v4 / tailwind-v4-shadcn	Tailwind CSS v4 + shadcn/ui 组件辅助，设计 Token 直接映射到代码，适合设计系统与研发协同

⚙️ 交付实现层：设计变代码

Skill	具体作用
design-to-code	设计稿直接转可运行代码，将 Figma 等设计图转为 HTML/CSS/React 组件，打通设计到开发的最后一公里
frontend-design	前端界面设计，生成高质量 UI 代码（英文版）
frontend-design-zh	同上，中文优化版，更适合中文产品场景
frontend-design-pro	Pro 增强版，支持更复杂的交互和组件结构
frontend-dev / frontend-agent	前端开发代理，完整实现页面逻辑和样式，从需求描述到可运行页面一步到位
fullstack-dev	全栈开发代理，前端界面 + 后端接口一起搞定，适合设计师和研发协同场景
frontend-doctor	前端代码诊断工具，审查样式问题、性能瓶颈、响应式适配漏洞，帮你找到"为什么这个按钮在 Safari 上歪了"

典型工作流：

① 快速出配色 / 版式方案

"我在做一个面向年轻女性的美妆 App，帮我出三套主色调方案，每套附字体搭配建议。" 用 designer，几秒钟获得有理有据的视觉方向，用来和客户对齐，而不是在色板上盲目试色。

② 设计系统健康检查

"帮我审计一下我们的组件库，找出颜色使用不一致的地方，生成一份规范差异报告。" design-system 扫描现有组件，标出偏差，输出整改建议和标准 Token 文件，比手动对比省数倍时间。

③ 设计稿一键转代码

把 Figma 稿链接或截图交给 Agent，design-to-code 直接生成对应的 React / HTML 组件代码；如果有交互逻辑，frontend-dev 接着补全；最后用 frontend-doctor 做一遍代码诊断，确认没有样式 bug 再交付研发。

④ 竞品视觉收集与分析

"帮我截取这六个竞品 App 的首页和核心功能页，整理成参考文档，分析各家的设计风格差异。" agent-browser 自动截图，summarize 提炼风格特征，输出一份可以直接用于汇报的竞品视觉分析报告。

能力边界： OpenClaw 无法直接在 Figma 画布上移动图层或操作像素，它是设计流程中信息处理、规范管理、代码交付环节的增效工具，是设计师的搭档，不是替代品。

场景八：个人知识库管理（研究员 / 知识工作者）

适用人群： 重度笔记用户、研究人员、写作者、需要长期积累知识的职场人

沉淀的信息越来越多，找不到、记不住、用不上------这是知识工作者的通病。这个场景的核心是让 OpenClaw 成为你的"第二大脑"，帮你建立、维护和检索个人知识网络。

推荐组合：

Skill	具体作用
neural-memory	向量化记忆索引，将对话和笔记内容转为语义向量，支持"我好像说过一个关于 XX 的想法"式的模糊检索
elite-longterm-memory-1-2-3	多层持久化记忆套件，工作记忆、情景记忆、语义记忆分层管理，越用积累越深
ontology	知识图谱构建，把散乱的概念整理成结构化关系网络，看清知识间的连接
memory-hygiene	定期清理过时记忆、去重、重建索引，保持知识库健康不臃肿
obsidian	读写本地 Obsidian Vault，把 Agent 的输出直接写进你的笔记系统
notion	读写 Notion 页面和数据库，在 Notion 里同步整理 Agent 收集的内容
summarize	把长文章、研究报告、书籍章节压缩成要点，快速入库
tavily	主动搜索补充背景知识，填补知识图谱的空白节点
lossless-claw	防止长对话中重要信息被截断，确保完整上下文被记录

怎么玩： 看到好文章，丢给 summarize 提炼要点 → ontology 自动归类到知识图谱 → neural-memory 存储为可检索向量。需要写报告时，问 Agent"我之前学过哪些关于 XX 的内容"，它能从几个月前的对话里准确召回。每月用 memory-hygiene 做一次记忆库体检，防止知识库越来越慢。

场景九：自动化重度玩家（Agent 自治 / 无人值守）

适用人群： 想把 OpenClaw 用成"数字员工"而不是"智能搜索框"的进阶用户

这个场景不是让你和 AI 聊天，而是让 AI 在没有你的时候自己干活。核心是把 Agent 配置成真正自治的执行者。

推荐组合：

Skill	具体作用
proactivity	Agent 主动性引擎，不等指令，自动发现该做的事并执行
self-improving	从历史对话中归纳失误和改进点，自我优化行为模式
capability-evolver	把用户偏好和错误教训写入持久记忆，越跑越顺手
mcporter	MCP 服务管理器，让 Agent 自主安装和配置它需要的 MCP 工具
auto-updater	自动检测并更新已安装 Skill，保持工具链始终最新
skill-creator	Agent 发现某类任务没有合适工具时，自动创建新 Skill
agent-memory	为多 Agent 协作提供独立记忆空间，避免不同任务的上下文互相污染
taskflow	把复杂目标拆解成多步任务链，配合 `proactivity` 实现长程自动执行
healthcheck	监控各服务存活状态，异常时自动告警并尝试修复

怎么玩： 这个场景的关键配置在 HEARTBEAT.md 和 AGENTS.md。在 HEARTBEAT.md 里设定定时任务（早报、监控、周报），在 AGENTS.md 里定义子 Agent 的职责和权限。配合 proactivity，Agent 会主动识别"该做但没人指派"的任务，比如发现你的某个监控脚本失败，自动用 coding-agent 修复并重启，然后在日志里留一条记录。

注意： 无人值守模式下建议先在 SOUL.md 里明确"不允许删除文件"、"不允许执行超过 100 元的 API 调用"等硬边界。权力越大，边界越要清晰。

延伸阅读： ClawHub 是官方 Skill 注册表；awesome-openclaw-skills 收录了经过筛选的 5,400+ 高质量 Skill，按场景分类，是找 Skill 的最好入口。

3.4 动手开发你自己的 Skill

"装别人写的 Skill，是在用别人对 AI 的理解。写自己的 Skill，才是把 AI 调教成真正懂你的那个人。"

ClawHub 有 13,700+ 个社区 Skill，但总有那么几件事，别人写的 Skill 就是不对味------要么业务流程不一样，要么内部工具没法集成，要么就是你对某件事有自己独特的处理方式。这时候，写一个属于自己的 Skill 是最好的答案。

而且，Skill 本质上是一个 Markdown 文件。你不需要懂编程，只需要会写字。

🔍 先搞清楚：一个 Skill 长什么样

Skill 的最小结构是这样的：

markdown 复制代码

skills/
└── 你的skill名称/
    └── SKILL.md          ← 核心文件，定义 Agent 的行为（唯一必须）

一个功能完整、生产级可用的 Skill，文件夹里可以放的东西远不止这一个文件：

lua 复制代码

skills/
└── weekly-report/
    │
    ├── SKILL.md                  ← 【必须】行为定义，Agent 的决策大脑
    │
    │── ─ ─ 执行层 ─ ─ ──────────────────────────────────────────
    ├── run.sh                    ← Shell 脚本：系统命令、CLI 调用、管道处理
    ├── fetch.py                  ← Python 脚本：复杂数据处理、SDK 调用、文件解析
    │
    │── ─ ─ 生命周期 ─ ─ ─────────────────────────────────────────
    ├── hooks/
    │   ├── pre-run.sh            ← 执行前触发：环境检查、配置读取、依赖安装
    │   ├── post-run.sh           ← 执行后触发：发通知、写日志、清理临时文件
    │   ├── install.sh            ← 首次安装时触发：初始化目录、申请权限、写默认配置
    │   └── uninstall.sh          ← 卸载时触发：清理数据、撤销权限、备份状态
    │
    │── ─ ─ 配置与元数据 ─ ─ ──────────────────────────────────────
    ├── manifest.json             ← Skill 元数据：版本、作者、依赖的 Skill/Plugin、所需权限
    ├── config.yml                ← 默认配置：用户可覆盖的参数（如推送频率、语言、格式偏好）
    ├── .env.example              ← 环境变量模板：告诉用户需要配置哪些 Key（如 TAVILY_API_KEY）
    ├── input-schema.json         ← 输入验证 Schema：定义合法输入格式，防止参数错误导致崩溃
    │
    │── ─ ─ 依赖管理 ─ ─ ──────────────────────────────────────────
    ├── requirements.txt          ← Python 依赖声明（install.sh 执行时自动 pip install）
    ├── package.json              ← Node.js 依赖声明（如果 Skill 含 JS 脚本）
    │
    │── ─ ─ 提示词模块 ─ ─ ─────────────────────────────────────────
    ├── prompts/
    │   ├── summarize.md          ← 独立子提示词：专门用于摘要步骤的 Prompt
    │   ├── format.md             ← 独立子提示词：专门用于格式化输出的 Prompt
    │   └── classify.md           ← 独立子提示词：专门用于分类判断的 Prompt
    │
    │── ─ ─ 测试 ─ ─ ─────────────────────────────────────────────
    ├── tests/
    │   ├── test.sh               ← 自动化测试：模拟输入、对比期望输出
    │   └── fixtures/
    │       └── sample-input.json ← 测试固定数据：提供稳定的测试用例
    │
    │── ─ ─ 数据与资源 ─ ─ ─────────────────────────────────────────
    ├── data/
    │   ├── keywords.json         ← 静态数据：关键词表、规则映射、行业词典
    │   └── stopwords.txt         ← 过滤词表：搜索时排除的无关词
    │
    │── ─ ─ 模板与示例 ─ ─ ─────────────────────────────────────────
    ├── templates/
    │   └── report.md             ← 输出模板：Agent 填充内容时参照的格式框架
    ├── examples/
    │   └── sample-output.md      ← 示例输出：帮助 Agent 校准预期效果
    │
    │── ─ ─ 国际化 ─ ─ ──────────────────────────────────────────
    ├── locales/
    │   ├── zh-CN.md              ← 中文版 SKILL.md（多语言支持）
    │   └── en.md                 ← 英文版 SKILL.md
    │
    │── ─ ─ 文档与发布 ─ ─ ─────────────────────────────────────────
    ├── README.md                 ← 人类文档：用途、安装、配置、使用示例（发布必要）
    └── CHANGELOG.md              ← 版本历史：每次更新改了什么，方便用户决定是否升级

各层文件的定位一览：

层次	文件	核心作用
决策层	`SKILL.md`	Agent 的行为逻辑，唯一必须文件
执行层	`.sh` / `.py`	把系统操作和复杂逻辑从 SKILL.md 里解耦出来
生命周期	`hooks/`	安装、运行前后、卸载四个关键节点的自动处理
配置层	`manifest.json` / `config.yml` / `.env.example`	声明元数据、参数默认值、必填 Key，让 Skill 开箱即用
验证层	`input-schema.json` / `tests/`	防御性设计，拦截错误输入，保证稳定运行
提示词层	`prompts/`	把复杂的多步 Prompt 拆成独立文件，每步单独维护，互不干扰
数据层	`data/`	静态资产，不随对话变化的参照数据
参照层	`templates/` / `examples/`	格式约束和输出示例，让 Agent 输出更稳定
国际化	`locales/`	多语言支持，发布到 ClawHub 后覆盖不同语言用户
发布层	`README.md` / `CHANGELOG.md`	给人类看的文档，决定 Skill 在社区的被接受程度

需要格外注意的两个文件：

manifest.json 是 Skill 的"身份证"，也是 ClawHub 审核时必查的文件。它声明这个 Skill 需要什么权限（读文件？联网？执行 Shell？）、依赖哪些其他 Skill 或 Plugin、版本号是什么。权限声明越精确，用户安装时越放心。一个典型的 manifest.json：

json 复制代码

{
  "name": "competitor-daily",
  "version": "1.2.0",
  "author": "yourname",
  "description": "每日竞品动态简报自动生成",
  "requires": {
    "skills": ["tavily", "union-search-skill", "summarize"],
    "plugins": []
  },
  "permissions": {
    "network": true,
    "filesystem": "read",
    "shell": false
  },
  "env": ["TAVILY_API_KEY"]
}

prompts/ 目录是进阶用法的精髓。当一个 Skill 需要做多步推理（先分类、再搜索、再摘要、再格式化），把每一步的 Prompt 拆成独立文件，在 SKILL.md 里用 加载 prompts/summarize.md 调用。好处是：每个子 Prompt 可以单独测试和迭代，改摘要逻辑不用动整个 SKILL.md，团队协作时也互不干扰。

SKILL.md 就是告诉 Agent "遇到什么情况，按什么步骤做" 的说明书，复杂的执行细节交给脚本，输入验证交给 Schema，多步推理拆进 prompts/，Agent 只需要串联这些模块------这才是一个生产级 Skill 应有的样子。

📐 SKILL.md 的核心要素

一个好用的 SKILL.md 通常包含这几个部分：

shell 复制代码

# Skill 名称

## 简介（Description）
这个 Skill 做什么用，解决什么问题。
一两句话说清楚，Agent 需要靠这个判断"现在该不该用这个 Skill"。

## 触发条件（Trigger）
什么情况下激活这个 Skill。
可以写自然语言的关键词、场景描述、或者前置条件。
例：当用户说"帮我生成周报"或"写本周总结"时触发。

## 执行步骤（Instructions）
Agent 应该按什么顺序做哪些事。
写得越具体，Agent 的输出越稳定。
1. 先做什么
2. 再做什么
3. 最后输出什么格式

## 输出要求（Output Format）
期望的输出结构，例如几个章节、用什么标题、要不要 Markdown 表格。

## 示例（Examples）
给一个输入 → 输出的示例对，帮助 Agent 校准预期。
不是必须，但有了之后质量会明显提升。

## 注意事项（Notes）
边界条件、禁止做的事、常见误区。

⚡ 方法一：用 skill-creator 对话生成（推荐新手）

最省力的方式：把你的需求用大白话描述给 Agent，让 skill-creator 帮你生成 SKILL.md。

第一步：安装 skill-creator

bash 复制代码

# 在 OpenClaw 对话框里输入
/skill install skill-creator

第二步：描述你想要的 Skill

markdown 复制代码

我需要一个周报生成 Skill，每周五下午触发。
它应该：
1. 读取我本周在 MEMORY.md 里记录的工作事项
2. 按"本周完成 / 进行中 / 下周计划 / 需要协助"四个分类整理
3. 用我们公司的周报模板格式输出（我会提供模板）
4. 最后给出一句本周工作亮点的总结
输出语言是中文，控制在 500 字以内。

第三步：skill-creator 自动生成文件结构

Agent 会根据你的描述，生成完整的 SKILL.md 内容，并询问你是否需要附带模板文件。确认后，它会把文件写入 skills/weekly-report/ 目录。

第四步：测试一下

bash 复制代码

/skill load weekly-report
帮我生成本周周报

看输出是否符合预期，不满意就直接告诉 Agent 哪里需要调整，它会帮你修改 SKILL.md。

✍️ 方法二：手动编写（适合追求精细控制）

如果你对 Skill 的行为有很精确的要求，或者需要引用外部文件，手动写往往比 AI 生成更可靠。

下面是一个完整的实战示例。

目标：创建一个"竞品日报 Skill"，每天自动搜集三个竞品的动态，生成一份简报。

第一步：新建文件夹和文件

bash 复制代码

mkdir -p ~/.openclaw/skills/competitor-daily
touch ~/.openclaw/skills/competitor-daily/SKILL.md

第二步：编写 SKILL.md

markdown 复制代码

# competitor-daily --- 竞品动态日报

## 简介
每天自动搜集指定竞品的最新动态（发布、融资、新闻、社区讨论），
生成一份结构化的竞品简报，方便产品和市场团队快速了解行业动向。

## 触发条件
- 用户说"帮我出今日竞品日报"
- HEARTBEAT.md 中设置的每日定时任务触发（推荐设 09:00）

## 前置要求
请在 MEMORY.md 中写明需要追踪的竞品列表，格式如下：
> 竞品追踪列表：Notion、Linear、Coda

## 执行步骤

1. **读取竞品列表**
   从 MEMORY.md 中提取竞品追踪列表。

2. **搜集各竞品动态**（对每个竞品重复以下步骤）
   - 用 `tavily` 搜索关键词："{竞品名} 最新消息 OR 新功能 OR 融资 site:36kr.com OR producthunt.com"
   - 用 `union-search-skill` 搜索 Twitter/X 和 Reddit 上过去 24 小时的相关讨论
   - 提取：标题、来源、发布时间、一句话摘要

3. **过滤无效内容**
   去掉超过 48 小时的旧内容，去掉广告和明显的 SEO 垃圾内容。

4. **整理输出**
   按以下格式输出，每个竞品一个小节。

## 输出格式

竞品日报 · {今日日期}

{竞品名一}

🔥 {动态标题}（{来源}）
{一句话摘要}
...

{竞品名二}

...

今日关注： {用一句话指出今天最值得关注的竞品动向}

markdown 复制代码

## 示例
**输入：** "帮我出今日竞品日报"
**输出：**

竞品日报 · 2026-04-16

Notion

🔥 Notion AI 新增表格数据分析功能（ProductHunt）
用户可直接在 Notion 数据库中用自然语言做数据分析，无需导出到 Excel

Linear

无重大动态

今日关注： Notion AI 持续向数据分析场景延伸，值得关注其与表格类工具的正面竞争。

markdown 复制代码

## 注意事项
- 如果某个竞品当天无新动态，输出"无重大动态"，不要强行生成
- 不要生成未经来源支撑的内容（不可以编造动态）
- 摘要语言简洁客观，不要加入主观评价

第三步：（可选）添加 Hook 做前后处理

如果希望 Skill 执行前检查网络、执行后自动推送通知，可以加两个 Hook 文件：

bash 复制代码

# pre-run.sh --- 执行前检查
#!/bin/bash
# 检查 tavily API Key 是否配置
if [ -z "$TAVILY_API_KEY" ]; then
  echo "错误：未设置 TAVILY_API_KEY，请在环境变量中配置后重试"
  exit 1
fi
echo "环境检查通过，开始执行竞品日报..."

bash 复制代码

# post-run.sh --- 执行后推送
#!/bin/bash
# 将日报结果写入日志文件，备查
echo "[$(date)] 竞品日报已生成" >> ~/.openclaw/logs/competitor-daily.log

在 SKILL.md 的 Instructions 里加一行引用即可：

markdown 复制代码

## 执行步骤
0. 运行 `hooks/pre-run.sh` 做环境预检
1. 读取竞品列表...
（其余步骤不变）
最后：运行 `hooks/post-run.sh` 完成收尾

第四步：激活 Skill

bash 复制代码

# 在对话框输入
/skill load competitor-daily

第五步：设置定时触发（可选）

在你的 HEARTBEAT.md 里加一行：

bash 复制代码

## 每日例行
- 09:00 运行 competitor-daily，结果推送到 Slack #竞品动态 频道

🔁 迭代和优化

第一版 Skill 几乎不会完美，正常的优化路径是：

跑一次，看输出 --- 哪里不对，直接在对话里告诉 Agent
让 skill-creator 修改 SKILL.md --- "上面这个输出太啰嗦，帮我修改 SKILL.md，限制每条摘要在 30 字以内"
加示例（Examples） --- 如果 Agent 总是理解偏，贴一个标准输出示例在 SKILL.md 里，命中率会明显提高
用 skill-vetter 做安全检查 --- 发布给别人用之前，用 skill-vetter 扫描一遍，确认没有敏感权限或隐患

🚀 进阶：发布到 ClawHub（可选）

如果你觉得自己写的 Skill 对别人也有用，可以提交到 ClawHub 开源社区：

perl 复制代码

# 打包 Skill
openclaw skill package competitor-daily

# 登录 ClawHub（需要 GitHub 账号）
openclaw skill publish --hub clawhub.ai

提交后进入人工审核，通过后就会出现在 ClawHub 的公共注册表里，让其他 OpenClaw 用户能搜索和安装你的作品。

小技巧： 写好 README、加上使用示例和截图，你的 Skill 被安装的概率会高 3-5 倍。ClawHub 上安装量 Top 10 的 Skill，几乎都有详细的文档。

💡 常见问题

Q：我的 Skill 里可以调用其他 Skill 吗？

可以。在 SKILL.md 的 Instructions 里直接写"使用 tavily 搜索"，Agent 会自动调用已安装的对应 Skill。这也是为什么先把基础 Skill 装好很重要。

Q：SKILL.md 有长度限制吗？

没有硬限制，但太长的 SKILL.md 会增加 Agent 的理解负担，建议控制在 300 行以内。复杂逻辑可以拆成多个 Skill 组合使用。

Q：怎么给 Skill 传参数？

在 SKILL.md 里定义期望的输入格式，Agent 会在触发时询问用户补充参数。也可以把常用参数写死在 MEMORY.md 里（如竞品列表），Skill 直接读取。

Q：Skill 和 Plugin 有什么区别？

Skill 是行为定义（怎么做），Plugin 是能力扩展（能做什么）。Skill 里可以调用 Plugin 提供的工具，两者是配合关系。

第四部分：安全与最佳实践

4.1 安全：给管家划清边界

"能力越大，责任越大。OpenClaw 能动你的文件，你就得确保它不会乱动。"

🛡️ 原则一：权限管理最小化

建议先用沙盒模式跑一段时间，确认任务稳定后，再按需开放权限。

yaml 复制代码

permissions:
  mode: sandbox
  allowed_paths:
    - ~/Documents/work
    - ~/Downloads
  blocked_paths:
    - ~/.ssh
  allow_network: true
  allow_shell: false  # 初期建议关闭

🛡️ 原则二：敏感数据保护

ini 复制代码

# 用环境变量管理密钥（安全）✅
export ANTHROPIC_API_KEY="你的Key"

# 不要这样做（危险）❌
# config.yml 里直接写: api_key: "你的Key"

🛡️ 原则三：定期日志审计

bash 复制代码

openclaw logs --tail 100           # 查看最近100条操作记录
openclaw logs --filter file_operation  # 过滤文件操作记录

4.2 Skill 分类速查表

以下是按使用场景整理的常用 Skill 分类，覆盖效率、搜索、文档、数据、创作、设计、多媒体、开发等主流方向。挑自己用得到的装，不用贪多。

🔑 核心工具

无论什么场景都会用到的基础能力，建议第一批安装：

Skill	用途
clawhub	在对话中直接搜索、安装、更新来自 clawhub.com 的 Skill，无需手动翻注册表
github	GitHub 全功能操作：Issues、Pull Request、CI 状态、仓库管理等，使用 gh CLI 驱动
coding-agent	将代码任务委托给 Codex、Claude Code 等专业编码 Agent，自主完成开发和调试
gh-issues	GitHub Issues 的创建、分配、自动修复建议，与 PR 流程深度联动
session-logs	搜索和分析历史会话日志，找回之前的任务记录和决策上下文

🔧 效率工具

Skill	用途
taskflow	任务流程管理，把一个大目标拆解成多步可执行的任务链
taskflow-inbox-triage	收件箱智能分类，自动按优先级和类型分拣待处理事项
proactivity	主动执行代理，让 Agent 不只被动等待，主动发现并处理该做的事
self-improvement / self-improving	自我优化学习，从历史对话中归纳改进点，持续优化行为
capability-evolver	能力进化，把错误和用户偏好写入持久记忆，越用越聪明
skill-creator	让 Agent 帮你创建新 Skill，用自然语言描述需求即可生成 SKILL.md
skill-vetter	Skill 安全审查，安装第三方 Skill 前自动扫描风险，识别恶意指令和权限滥用
find-skills	在 ClawHub 上搜索并安装 Skill，无需手动翻注册表
auto-updater	自动检测并更新已安装的 Skill 到最新版本
skillhub-preference	ClawHub 偏好管理，记录你的 Skill 评分和使用习惯，优化后续推荐排序

🧠 知识与记忆

Skill	用途
ontology	知识图谱管理，将碎片化信息构建成结构化的概念关系网络
memory-hygiene	向量记忆（LanceDB）维护，清理过时记忆、去重、重建索引，保持记忆库健康
lossless-claw	无损上下文管理，防止长对话中重要信息被截断丢失
self-improving	自我反思与学习，从历史对话归纳改进点，持续优化行为
capability-evolver	能力自我进化引擎，把错误和用户偏好持久写入记忆，越用越聪明
proactivity	主动式 Agent，不只被动等待，主动发现并处理应该做的事
neural-memory	神经网络式记忆索引，将对话内容向量化存储，提升长期检索精度，适合记忆量大的重度用户
agent-memory	Agent 专属记忆空间，为多 Agent 协作场景提供隔离的独立记忆，避免上下文污染
elite-longterm-memory-1-2-3	精英长期记忆三件套，多层次持久化记忆管理，兼顾工作记忆、情景记忆和语义记忆

🌐 搜索与信息

Skill	用途
tavily	专为 AI Agent 设计的联网搜索，返回干净结构化结果，支持搜索、内容提取、深度研究
multi-search-engine	多搜索引擎集成（17 个引擎），覆盖主流国内外平台，一次查询多引擎并行
union-search-skill	跨平台垂直搜索，整合 GitHub、Reddit、小红书等特定社区的内容
smart-web-scraper	智能网页内容抓取，自动过滤广告和无关内容，提取正文
summarize	把长文档、会议记录、长邮件提炼成结构化摘要，安装量超 10,000
daily-ai-news	每日自动推送 AI 行业资讯摘要
oracle	搜索问答，针对复杂问题做多步检索后给出综合答案
lossless-claw	无损上下文管理，对历史对话内容进行全文搜索，找回之前讨论过的内容

📄 文档与知识

Skill	用途
notion	读写 Notion 页面和数据库，自动整理项目文档
obsidian	读写本地 Obsidian Vault，适合知识库重度用户
clawddocs	通用文档处理，支持多格式文件的解析和输出

📊 表格与数据

Skill	用途
feishu-sheets	飞书电子表格的读写、公式填充、数据更新
feishu-bitable	飞书多维表格（类 Airtable）的记录增删改查
sheet-cog	表格数据的批量处理和计算
minimax-xlsx	Excel 文件的读写和分析
Analytics	数据分析，支持统计汇总、趋势分析和可视化输出
stock	股票基础数据查询，支持实时价格、K 线和基本面信息
stock-analysis	股票深度技术分析，含指标计算、形态识别
stock-monitor-hkus	港股 / 美股实时监控，价格异动自动通知

✏️ 内容创作

Skill	用途
copywriting	文案撰写，支持多种风格和场景（广告、产品、营销）
blog-writer-cn	中文博客文章生成，针对国内平台（公众号、知乎、CSDN）优化，从选题到成文一步到位
seo-content-writer	SEO 优化内容写作，关键词布局、结构优化
content-strategy	内容策略规划，帮你制定选题方向和发布节奏
pptx-generator	演示文稿自动生成，输入主题要点即可输出完整 PPT 结构和内容
social-media-scheduler	社交媒体内容排期，多平台统一管理发布计划
gif-sticker-maker	GIF 表情包制作，输入描述自动生成
video-frames	视频帧提取与处理

🎨 设计相关

Skill	用途
frontend-design / frontend-design-zh / frontend-design-pro / frontend-design-3	前端界面设计，生成高质量 UI 代码，支持中英文和 Pro/v3 增强版
elite-frontend-design	精英级前端设计，UI 质量更高，适合对视觉精度要求严格的场景
design-system / design-systems	设计系统的审计、文档生成和组件规范维护
designer	设计辅助，提供配色、布局、字体搭配建议
graphic-design	平面设计指导，海报、Banner 等静态物料创作
superdesign	AI 原生设计工具，从创意到可交付设计稿，注重视觉品质与原创性
muapi-ui-design / muapi-ui-design-skill	UI 设计稿输出，对接设计工具
ui-ux-design / ui-ux-pro-max / ui-ux-pro-max-plus	UI/UX 全流程设计代理，覆盖用研到视觉稿，Pro Max Plus 版支持更复杂的多端适配
tailwind-v4 / tailwind-v4-shadcn	Tailwind CSS v4 专属辅助，集成 shadcn/ui 组件，现代前端开发必备
frontend-doctor	前端代码诊断，发现样式问题和性能瓶颈
frontend-dev / frontend-agent / fullstack-dev / frontend-skill	前端 / 全栈开发代理，完整实现页面和接口
design-to-code	设计稿转代码，将 Figma 等设计图直接转为可运行代码

🖼️ 多模态（图片 / 音频 / 视频）

Skill	用途
image_generate	AI 图片生成，文字描述驱动出图
image-vision / vision-analyze	图片内容理解，识别物体、文字、场景、情绪
minimax-understand-image	深度图片分析，适合复杂图表和文档图片解读
moark-image-gen	文字生成图片（另一图片生成方案）
openai-whisper / whisper-stt	本地语音识别（Whisper），音频转文字，不上传第三方
feishu-voice-sender	在飞书中发送语音消息
gifgrep	通过关键词搜索 GIF 表情包
video-frames	视频帧提取与处理
ffmpeg-video-editor	视频剪辑、格式转换、帧提取等 FFmpeg 操作

🎵 音视频生成

Skill	用途
tts	文字转语音，支持多种音色和语言
minimax-multimodal-toolkit	多模态工具包，图文音视频综合处理
music_generate	AI 音乐生成，描述风格即可生成旋律
video_generate	AI 视频生成，文字或图片驱动生成短视频

🛠️ 开发工具

Skill	用途
coding-agent	编码代理，理解需求后自主写代码、调试、输出完整实现
git-essentials	Git 常用操作：提交、合并、回滚、查看历史
gh-issues	GitHub Issues 管理：创建、分配、关闭、搜索
supabase	Supabase 数据库和认证操作
node-connect	Node.js 服务连接与调试
system-design	系统设计辅助，架构方案、数据库设计、接口规划
automation-workflows	自动化工作流设计与执行
android-native-dev	安卓原生应用开发辅助
ios-application-dev	iOS 应用开发辅助
agent-browser	浏览器自动控制代理，执行网页交互任务
mcporter	MCP 服务管理器，通过对话安装、配置、更新 MCP 服务，无需手动编辑配置文件
autoglm-toolkit	AutoGLM 工具包，集成智谱 GLM 系列模型的多模态能力，适合国内模型场景
paddleocr-doc-parsing	PaddleOCR 文档解析，对复杂版式的中文文档、表格图片做高精度 OCR 识别
shader-dev	着色器开发辅助，支持 GLSL/HLSL 编写、调试和 WebGL 场景集成

📦 其他实用 Skill

Skill	用途
humanizer / humanizer-zh	将 AI 生成的文本润色得更自然，减少"AI 腔"
weather	天气查询，支持指定城市和时间段
nano-pdf / minimax-pdf	PDF 文件处理：读取、提取、生成
minimax-docx	Word 文档处理
xurl	URL 处理：解析、展开短链、提取元信息
gog	Google Workspace 全家桶（Gmail / Calendar / Drive / Docs）
goplaces	地点信息查询，周边搜索
healthcheck	系统健康检查，服务存活监控
session-logs	会话日志查看与分析
market-research	市场调研，自动搜集行业数据和竞品信息
research-paper-writer	学术论文写作辅助
cfo-advisor	财务分析顾问，现金流、成本结构等财务决策支持
trading-quant	量化交易策略辅助
social-content-generator	社交媒体内容批量生成
imap-smtp-email	通过 IMAP/SMTP 协议直接读取和发送邮件，连接 Gmail、QQ 邮箱等任意邮件服务
tsundere-personal	傲娇风格人设，给 Agent 加一点个性（娱乐向）

安全提示： ClawHub 已接入 VirusTotal 自动扫描，但仍建议：安装前查看 Star 数量、阅读 SKILL.md 内容、确认维护者身份。官方内置 53 个 Skill 零风险，新手优先从这里开始。

4.3 社区资源推荐

"一个人能做的事有限，但一个 8900 人的社区能做的事......还是有限，但更多一点。"

资源	地址/说明	适合人群
官方文档	docs.openclaw.ai	所有人
中文教程合集	awesome-openclaw-tutorial	零基础入门
46个真实用例库	awesome-openclaw-usecases-zh	找灵感
菜鸟教程	runoob.com/ai-agent/openclaw	初学者
B站视频教程	搜索"OpenClaw教程"	喜欢看视频的
GitHub 仓库	github.com/openclaw	开发者
Discord 社区	8,900+开发者在线交流	找人讨论
清华出版社手册	《OpenClaw超级个体实操手册》408,000字	深度学习

🦞 结语：不是总结的总结

AI工具，AI范式层出不穷，AI 时代的 FOMO 往往让人花大量时间"学习如何用 AI"，却没有时间真正用 AI 做出什么。焦虑本身成了最大的效率杀手

📎 附录：快速参考卡

复制代码

╔══════════════════════════════════════════╗
║         OpenClaw 一句话速查              ║
╠══════════════════════════════════════════╣
║ 是什么？  开源自托管的AI代理网关         ║
║ 跑哪里？  你自己的电脑（本地优先）       ║
║ 大脑是？  Claude/GPT/DeepSeek（可选）   ║
║ 怎么指挥？Telegram/飞书/Discord消息      ║
║ 能干啥？  文件/浏览器/定时/API/后台运行  ║
║ 花多少钱？OpenClaw免费；API按用量付费    ║
║ 安全吗？  沙盒模式+本地存储，比云端安全  ║
╚══════════════════════════════════════════╝

参考资料：

Peter Steinberger 传奇人生 | Fortune

Peter Steinberger 完整传记 | All Claw

OpenClaw 工作原理详解 | 百度千帆

OpenClaw 核心架构解析 | 知乎

OpenClaw 46个真实用例 | GitHub

OpenClaw 8大应用场景深度测评 | 腾讯新闻

OpenClaw 中文教程合集 | GitHub

OpenClaw 菜鸟教程 | runoob.com

img_v3_0210q_ede1bd85-9de9-4e1e-b00b-eec413188d3g.png

OpenClaw入门【完整版】

第零部分：AI 正在重写这个时代的游戏规则

0.1 AI 时代之前：车间里的师徒制

0.2 AI 时代来临：大模型开始"扮演一切"

0.3 新的工作范式：少数人 + 一群数字员工(汽车制造流水线已经完美落地，只是这次是所有计算机参与的领域)

📖 番外篇：龙虾创始人的传奇人生

少年天才：14岁就在键盘上"开窍"

创业十三年：一份 PDF 框架，打动十亿台设备

卖掉一切：1亿欧元的告别

钱多了，人空了

重燃：一小时的灵感，OpenClaw 诞生

龙虾哲学：蜕壳！蜕壳！

爆红：60天，247K 颗星

三巨头争抢，最终花落 OpenAI

第一部分：OpenClaw 基础概念（20分钟）

1.1 什么是 OpenClaw？

🏷️ 官方定义（比较无聊的版本）

🦞 民间定义（比较好记的版本）

🎯 核心理念： "本地优先、隐私可控"

1.2 OpenClaw 与传统 AI 工具的区别

对比表：AI 助手 vs AI 代理

用比喻说清楚：

第二部分：核心功能详解

2.1 原生能力全览

浏览器控制

Shell 命令执行

文件系统操作

定时任务调度

后台持续监控

多通讯平台接入

MCP 工具调用（Model Context Protocol）

多智能体协同

2.2 核心配置文件详解

SOUL.md --- Agent 的灵魂与人格

IDENTITY.md --- Agent 的对外身份

AGENTS.md --- 操作规则与行为契约

USER.md --- 关于你的个人档案

TOOLS.md --- 工具使用说明书

HEARTBEAT.md --- 自动调度任务

MEMORY.md + memory/YYYY-MM-DD.md --- 记忆文件

2.3 记忆机制深度解析

第一层：会话上下文（Session Context）

第二层：每日日志（Daily Notes）

第三层：长期记忆（MEMORY.md）

第四层：语义检索（Semantic Search）

2.4 插件生态：按需组装你的 AI 管家

热门插件推荐

第三部分：Skill 技能体系

3.1 什么是 Skill？

3.2 必装 Skill 精选

🔍 tavily --- 联网搜索

📝 summarize --- 文档摘要（万能压缩机）

🧠 capability-evolver --- 能力进化引擎

🧹 memory-hygiene --- 记忆库清洁工

🔒 skill-vetter --- Skill 安全审查（最重要，没有之一）

📦 clawhub --- Skill 管理中枢

⛅ weather --- 天气查询

🎤 openai-whisper --- 本地语音转文字

🔎 find-skills --- Skill 搜索发现

🔄 self-improving + proactivity --- 自我进化双引擎

🔌 mcporter --- MCP 服务管理器

3.3 各场景 Skill 组合推荐

场景一（广告）：医美诊所用户（soyoung-clinic-tools）

场景二：个人效率 / 每日早报

场景三：飞书重度用户 / 团队协作

场景四：内容创作 / 自媒体运营

场景五：开发者 / 技术团队

场景六：数据分析 / 投研

场景七：UI/UX 设计师

场景八：个人知识库管理（研究员 / 知识工作者）

场景九：自动化重度玩家（Agent 自治 / 无人值守）

3.4 动手开发你自己的 Skill

🔍 先搞清楚：一个 Skill 长什么样

📐 SKILL.md 的核心要素

⚡ 方法一：用 skill-creator 对话生成（推荐新手）

✍️ 方法二：手动编写（适合追求精细控制）

竞品日报 · {今日日期}

{竞品名一}

{竞品名二}

竞品日报 · 2026-04-16

`SOUL.md` --- Agent 的灵魂与人格

`IDENTITY.md` --- Agent 的对外身份

`AGENTS.md` --- 操作规则与行为契约

`USER.md` --- 关于你的个人档案

`TOOLS.md` --- 工具使用说明书

`HEARTBEAT.md` --- 自动调度任务

`MEMORY.md` + `memory/YYYY-MM-DD.md` --- 记忆文件