【AI智能体】QClaw 整合Skills 高效协同实战操作详解

小码农叔叔2026-06-01 8:46

目录

一、前言

[二、Skills 介绍](#二、Skills 介绍)

[2.1 Skills 是什么](#2.1 Skills 是什么)

[2.2 为什么需要 Skills？它能解决什么问题？](#2.2 为什么需要 Skills？它能解决什么问题？)

[2.3 Skills 工作原理](#2.3 Skills 工作原理)

[2.4 Skills 与其他能力协作关系](#2.4 Skills 与其他能力协作关系)

[2.5 QClaw 安装使用Skills 优势](#2.5 QClaw 安装使用Skills 优势)

[三、Skills 本地使用的方法](#三、Skills 本地使用的方法)

[3.1 直接放置](#3.1 直接放置)

[3.2 指令调用](#3.2 指令调用)

[3.3 对话激活](#3.3 对话激活)

[3.4 专用工具/CLI](#3.4 专用工具/CLI)

[四、基于QClaw 安装并使用Skills 操作示例](#四、基于QClaw 安装并使用Skills 操作示例)

[4.1 手动创建 Skills](#4.1 手动创建 Skills)

[4.1.1 Skills 结构组成](#4.1.1 Skills 结构组成)

[4.1.2 手动创建Skills 详细过程](#4.1.2 手动创建Skills 详细过程)

[4.1.3 加载并安装到QClaw](#4.1.3 加载并安装到QClaw)

[4.1.4 效果验证](#4.1.4 效果验证)

[4.2 基于魔法创建](#4.2 基于魔法创建)

[4.2.1 获取skills模板集合](#4.2.1 获取skills模板集合)

[4.2.2 加载到QClaw中](#4.2.2 加载到QClaw中)

[4.2.3 创建新技能](#4.2.3 创建新技能)

[4.2.4 加载新技能](#4.2.4 加载新技能)

[4.2.5 效果验证](#4.2.5 效果验证)

[4.3 三方SKill 社区模板](#4.3 三方SKill 社区模板)

[4.3.1 SKill 模板集合](#4.3.1 SKill 模板集合)

[4.3.2 获取Skill技能包](#4.3.2 获取Skill技能包)

[4.3.3 加载到QClaw中](#4.3.3 加载到QClaw中)

[4.3.4 效果验证](#4.3.4 效果验证)

[4.4 基于Coze在线创建并使用SKill](#4.4 基于Coze在线创建并使用SKill)

[4.4.1 输入需求提示词](#4.4.1 输入需求提示词)

[4.4.2 部署skill](#4.4.2 部署skill)

[4.4.3 效果体验](#4.4.3 效果体验)

[4.4.4 加载到QClaw 中使用](#4.4.4 加载到QClaw 中使用)

五、写在文末

一、前言

最近一段时间OpenClaw在AI界掀起了一股热浪，很多使用过OpenClaw的人被其魅力所折服，基于此，为降低普通人学习OpenClaw成本，众多云厂商开始推出简单快捷的接入OpenClaw方式，让普通非IT人员也能快速享受到OpenClaw带来的极致体验。

随着技术的持续向前发展，为了让越来越多的人低成本的使用OpenClaw，从而让普通人也能享受到龙虾带来的福利，近期，很多厂商开始持续推出一站式的个人龙虾助手，比如腾讯阿里登均相继推出了桌面版的龙虾助手，本篇将详细介绍腾讯的QClaw 这款基于 OpenClaw 开源生态打造的本地化 AI Agent 助手。

二、Skills 介绍

2.1 Skills 是什么

Skills 是将人类在某个领域的"专业方法论 + 执行流程 + 工具资源"打包成一个可复用、可调用、可共享的标准化能力模块，供 AI 智能体（Agent）自动执行。可以把它理解为：

  • 给 AI 的 "岗位培训手册"

  • 或者 "数字员工入职包"

  • 甚至是 "AI 能力胶囊"

举个生活的例子：我会打网球，当球飞过来，我拿起球拍跑位，在合适的时机、用合适的力度击球，让球准确落在对方场地不出界，这一整套操作逻辑，就叫打网球"技能"。

2.2 为什么需要 Skills？它能解决什么问题？

下表出多个维度介绍了Skills的能力模型

|----------------------------|---------------------------------------------|
| 传统方式的问题 | Skills 如何解决 |
| 提示词不稳定：每次都要重写，效果波动大 | ✅ 将最佳实践固化为 SKILL.md，确保一致性 |
| Token 浪费严重：每次对话都塞入长 prompt | ✅ 渐进式披露（Progressive Disclosure）：只在触发时加载完整指令 |
| 无法执行复杂操作：如读写文件、调 API、跑脚本 | ✅ 支持绑定 Python/Bash 脚本、工具调用 |
| 重复劳动无法自动化 | ✅ 一次创建，无限次调用，支持共享/变现 |
| 幻觉率高：纯文本推理易出错 | ✅ 关键逻辑由脚本在沙盒中执行，结果更可靠 |

2.3 Skills 工作原理

Skills 最大的设计亮点，是采用了渐进式披露机制。它不会一次性加载所有内容，而是分层、按需调用：

1）Level 1：元数据层（启动时加载）

• 只读取 name 和 description

• 每个 Skill 大约 100 tokens

• 让系统知道「具备哪些可用能力」

2）Level 2：核心指令层（任务触发时加载）

• 当任务匹配时，读取 SKILL.md 正文

• 通常不超过 5000 tokens

• 描述主要流程、操作要点和约束条件

3）Level 3：资源层（按需加载）

• 脚本、模板、参考文档等

• 仅在执行阶段读取，不进入上下文

• 理论上没有 token 限制

可以理解为：系统只在需要时打开相应的「技能模块」，让上下文始终保持最轻量、最高效，对比传统 Prompt ，Skills 则是模块化 Prompt + 上下文调度系统。

通过这种机制，Skills 解决了众多实际问题：

• 上下文窗口的成本问题：在复杂任务中可降低 40%-60% 的上下文占用

• 知识的可复用性：Skills 文件可一次创建、共享、复用、更新

• 执行的确定性：提供 SOP 工作流模板，减少理解偏差

下面这张图，形象描述了Skills 在执行时的核心流程

2.4 Skills 与其他能力协作关系

在使用Skills 过程中，通常还会涉及到很多与其他AI能力的交互，如下：

  • Skills 和 Agent 的关系

    • Agent 从架构层面可以归为基于模型和资源层之上的应用层。在 Agent 之上可以定义 System Prompt、引用外部知识库、MCP 等外部工具。但如何引用、能够进行标准化的给到 Agent，实际过程我们更好关注的是问题解决。因此将其组合，利用 Skills 的方式进行包装为一个技能。Agent 协助做拆解、规划、执行与反思，而 Skills 能更好的帮我们在拆解和执行上做更细粒度的标准化拆解，可定义为提供能力与服务中间层。

  • Skills 和 MCP 的关系

    • 实际技能模板纳入了解决特定场景问题需要的工具和外部能力，这些能力可以是通过 MCP 的方式接入。我们可以理解为通过 Skills 定义对 MCP 能力进行组装和编排。

  • Skills 和 Rules 的关系

    • 在 Skills 中通过引用 Rules，给 AI 行为提供约束和指导，确保 AI 能够按照既定的风格规则进行规范化输出。

  • Skills 和 RAG 的关系

    • 在 Skills 定义中会更加清楚地说明具体知识库的应用规则，给出更加准确的知识库检索流程与应用规范。让 AI 是有目的的查询。

2.5 QClaw 安装使用Skills 优势

基于QClaw使用Skills的优势主要体现在以下几个方面：

  • 零门槛开箱即用 （无需任何配置，安装即可使用）

    • QClaw预置了超过5000个Skills，涵盖办公、创作、数据、自动化等全场景

    • 你不需要知道有哪些Skill，只需用自然语言说出需求（如"帮我把这个PDF转成Word"），QClaw会自动匹配并调用最合适的Skill执行

    • 相比OpenClaw需要命令行配置、编辑YAML文件，QClaw双击安装包即可完成，安装时间从2小时压缩到3分钟

  • 微信远程操控（最大差异化优势）

    • 这是OpenClaw完全没有的功能------QClaw打通了微信入口，你可以在手机微信上向QClaw发送指令，它会在你的电脑上执行操作并回传结果

    • 实测场景：远程清理电脑桌面文件、编辑文档并发送到手机、抓取网页信息等，都能通过微信完成

    • 新版本进一步升级为小程序入口，可直接通过小程序接收电脑端文件

  • Skills自动调度与组合

    • QClaw的大模型会自动分析任务需求，调用对应的Skills完成执行，你不需要像传统插件那样手动选择和配置

    • 支持多Skill串联形成工作流，例如：每天8点自动抓取新闻 → 生成摘要 → 发送到团队邮箱，全部自动化完成

  • 持续记忆，越用越懂你

    • QClaw会记住你的偏好、工作习惯、常用格式和历史任务，随着使用时间推移不断进化

    • 例如：第一次整理周报需要你详细描述格式，到第三周只需说"整理本周周报"，它就知道用什么模板、汇总哪些数据

  • 安全与易用性兼顾

    • QClaw采用本地部署模式，数据不离开设备，保障隐私安全

    • 官方技能市场的Skills都经过安全审核和质量检测，避免安装来源不明的技能带来的风险

三、Skills 本地使用的方法

Skills 本地使用有很多方法，下面介绍几种可以在本地快速开始使用Skills 模板的方式。

  • 这里所说的Skills 模板，是基于你从其他地方获取到的Skills模板。

3.1 直接放置

这种方式最简单，适用于所有用户，方便个人快速测试、使用，只需把下载好的 skill-template/ 文件夹放到指定目录，AI 下次启动时就能识别。

  • 即插即用，AI自动发现

比如当你在本地安装了OpenClaw之后，只需要在C盘的OpenClaw文件目录下，将你下载的skill模板放进去即可被安装使用，如下：

3.2 指令调用

这也是一种比较简单的使用方式，比如Claude Code用户，需要精确控制某个业务操作的时候，在聊天框键入 /skill-name 强制调用，适合测试或需要避免AI自动误判的场景。

  • 在其他的一些客户端工具，比如Trae ， Cursor 等聊天窗口中，也提供了类似下面的做法

3.3 对话激活

这是一种使用所有用户非常简单的方式，也是日常使用过程中最自然的方式，就像和人聊天一样，直接提需求（例如"处理这个PDF"），AI会自动判断并调用最合适的技能，你甚至感觉不到它的存在。

3.4 专用工具/CLI

这种方式操作起来相对复杂一点，需要本地配置一些使用环境，主要适合开发者、多模型用户，需要批量管理、跨工具同步或自动化集成。通过 goskills、openskills 等CLI工具查看、执行和管理所有技能。

四、基于QClaw 安装并使用Skills 操作示例

接下来通过实际案例操作介绍下如何在QClaw 中安装并使用Skills， QClaw 快速入口：https://qclaw.qq.com/

4.1 手动创建 Skills

如果对Skills 的执行要求、细节控制比较高，手动创建Skills 是比较好的模式，但也是比较花费时间的，因为Skills的编写具有一定的学习成本。

4.1.1 Skills 结构组成

在 AI 界，Skills 就是让大模型按照特定的方法论去行动的机制，你可以理解为"超级进化版的提示词"，通常由三部分组成：

  • 元数据 (Metadata)： 包含对这个技能的简短描述。它保存在全局上下文中，因为体积小，所以非常节省 Tokens（省钱又省心）。

  • 行动指南 (Action Guide)： 这部分才是真正的提示词，规定了 AI 每一步该怎么做。

  • 资源文件 (Resources)： 这是最厉害的地方！它可能包含 Python 代码 或其他执行程序，保证程序在调用 Skill 时能完成复杂的动作。

下面是一个标准的 Skill 目录结构：

复制代码 
my-skill/
├── SKILL.md               ← 唯一必需文件（全大写）
├── scripts/
│   └── generate_ui.py     ← 可执行脚本（Python/Bash等）
├── refs/
│   ├── template.md        ← 参考模板
│   └── examples/          ← 示例输出
└── README.md              ← 人类可读说明（非必需）

4.1.2 手动创建Skills 详细过程

下面给出一个参考示例，介绍了如何手动在本地创建一个Skills

1、Skill场景分析

创建一个文档整理 Skill 的完整过程。这个 Skill 能自动将杂乱无章的文档（如会议记录、零散笔记、聊天记录等）整理成结构清晰、易于阅读的标准文档。

2、明确需求与设计 Skill 功能

首先，明确这个 Skill 要解决什么问题：

痛点场景：

  • 你有各种来源的文本：会议录音转文字、零散的随手记、聊天记录、邮件往来

  • 这些内容格式混乱，缺乏结构

  • 需要人工花大量时间重新整理成周报、会议纪要或知识库文章

Skill 核心功能：

  1. 自动识别文档类型（会议纪要、周报、技术方案、日常笔记等）

  2. 根据类型采用不同的整理模板

  3. 提取关键信息：时间、参与人、待办事项、决策点

  4. 统一格式输出为标准 Markdown 文档

3、创建 Skill 文件夹结构

在你的项目或全局 Skills 目录下创建以下结构：

bash 复制代码 
doc-organizer-skill/
├── SKILL.md              # 核心指令文件（必需）
├── references/           # 参考文档
│   ├── meeting_template.md    # 会议纪要模板
│   ├── weekly_report_template.md
│   └── tech_doc_template.md
├── scripts/              # 辅助脚本（可选）
│   └── extract_actions.py     # 提取待办事项的脚本
└── assets/               # 资源文件（可选）
    └── example_input.txt      # 示例输入

4、编写核心文件 SKILL.md

这是最关键的一步。以下是完整的 SKILL.md 内容：

bash 复制代码 
---
name: doc-organizer
description: 智能文档整理工具。自动识别文档类型(会议纪要/周报/技术方案/日常笔记)，按标准模板整理成结构化Markdown文档，提取待办事项、决策点和关键信息。
---

# 文档整理专家 Skill

你是一个专业的文档整理专家，能够将混乱的原始文本整理成清晰、专业、结构化的文档。

## 核心能力

1. **自动识别文档类型**：分析输入内容，判断属于以下哪种类型：
   - 会议纪要 (关键词：会议、讨论、决定、参会人)
   - 周报/月报 (关键词：本周、下周、进展、计划)
   - 技术方案 (关键词：架构、技术选型、实现方案)
   - 日常笔记/随笔 (其他情况)

2. **智能提取关键信息**：
   - 时间、地点、参与人
   - 讨论要点和决策
   - 待办事项及其负责人、截止时间
   - 问题和风险

3. **标准化输出**：根据文档类型套用对应模板，输出纯净的 Markdown 格式

## 工作流程

### 第一步：接收输入
用户会提供原始文本（可能是录音转文字、碎片化笔记、聊天记录等）。

### 第二步：分析文档类型
阅读全文，识别文档类型。如果无法确定，向用户提问："这看起来像是一份[建议类型]，对吗？"

### 第三步：结构化解构
根据识别的类型，提取对应信息：

**如果是会议纪要**：
- 提取会议主题、时间、参会人
- 识别讨论要点（按逻辑分组）
- 标记明确的决定和后续行动

**如果是周报**：
- 区分本周完成和下周计划
- 识别风险和需要的支持
- 量化成果（如有数据）

**如果是技术方案**：
- 提取背景和目标
- 识别技术栈选择理由
- 整理实施步骤

### 第四步：应用模板
使用 `references/` 目录下对应的模板进行格式化。如果模板不存在，使用内置通用模板(见下文)。

### 第五步：输出与验证
输出整理后的文档，并在末尾附加一个"整理摘要"，说明做了哪些处理。

## 输出格式要求

1. 使用标准 Markdown 语法
2. 层级清晰：`#` 一级标题、`##` 二级标题、`###` 三级标题
3. 列表使用 `-` 或数字 `1.`
4. 待办事项使用 `- [ ]` 格式
5. 重要信息使用 **加粗** 或 `代码块`

## 内置模板

### 会议纪要模板
```markdown
# [会议主题] 会议纪要

**时间**：YYYY-MM-DD HH:MM  
**地点**：[地点/线上]  
**参会人**：[姓名1, 姓名2, ...]  

## 会议目标
[一句话说明会议目的]

## 讨论要点
### 1. [议题名称]
- **讨论内容**：[核心讨论内容]
- **结论**：[达成的共识或决策]

### 2. [议题名称]
...

## 待办事项
- [ ] [任务描述] - 负责人：[姓名] 截止：[日期]
- [ ] [任务描述] - 负责人：[姓名] 截止：[日期]

## 遗留问题
- [问题描述] (需进一步讨论)

5、提供一个模板参考

在上述的references目录下，给出一个周报模板

bash 复制代码 
# [姓名] 周报 ([日期范围])

## 本周完成
- [ ] [成果1] - [详细说明]
- [ ] [成果2] - [详细说明]

**关键数据**：[如有数据，在此展示]

## 下周计划
- [ ] [计划1]
- [ ] [计划2]

## 风险与支持
- **风险**：[可能阻碍进度的因素]
- **需要支持**：[需要他人协助的事项]

## 备注
[其他补充信息]

4.1.3 加载并安装到QClaw

在QClaw 的对话输入框中，输入下面的提示词，将上面制作的这个Skills加载到龙虾中，输入之后，QClaw 可以自动调用相关的工具完成Skills的安装

  • 如果是其他地方弄过来的Skills，也可以按照这个方式进行加载安装

4.1.4 效果验证

这里的需求是，提供一篇飞书文档，然后使用这个技能对飞书文档中的核心要点进行总结

经过一段时间思考后，成功对飞书文档中的内容要点做了提取和输出

4.2 基于魔法创建

这是一种比较适合新手快速学习和创建Skills的方式，一般Skills网站都会提供这样一个魔法工具，基于这个技能可以快速创建出其他的Skills。

4.2.1 获取skills模板集合

登录到上面的git仓库，这个里面由anthropics提供了常用的一些skills模板，其中，如下图有一个叫skill-creator的技能，这个技能就是所谓的魔法技能，基于这个技能你可以用于创造其他你需要的技能，GitHub地址：https://github.com/anthropics/skills

4.2.2 加载到QClaw中

将上面下载的技能包里面的skill-creator加载到QClaw中

4.2.3 创建新技能

紧接着上一步，基于加载进来的这个魔法技能创建一个新的技能，给出如下提示词：

bash 复制代码 
基于这个 skill-creator 技能帮我创建一个新的技能，新技能的需求是，根据我提供的飞书文档链接，能够自动将飞书文档转为PDF文件，技能名称命名为：doc-convert-pdf

输入提示词，等待一会，可以看到技能已经创建完成

4.2.4 加载新技能

基于上面创建完成的新技能，将其加载到QClaw中，直接执行上一步提示出来的那个命令即可，看到下面的效果，说明技能成功加载到QClaw

4.2.5 效果验证

基于上面创建成功的这个飞书文档转PDF的技能我们做一下测试，如下：

等待一段时间响应后，可以看到已经成功完成飞书文档的转换

4.3 三方SKill 社区模板

目前，网上也有很多开源的社区提供了丰富的Skill，使用者可以直接下载下来进行使用，下面提供几个开源的Skill社区链接。

4.3.1 SKill 模板集合

Anthropic官方Skills市场

https://github.com/anthropics/skills

一句话总结：由Anthropic官方维护，提供超50,000+标准化技能包，覆盖PDF处理、代码生成等高频场景，支持一键安装与跨平台兼容。

GitHub社区生态市场

https://learn.github.com/skills

一句话总结： 开发者主导的开源Skills集合地，集成GitHub Actions实现交互式学习，主打灵活自定义与技术创新（如持续集成、CLI开发等）。

ObraSuperpowers社区市场

https://mcpmarket.cn/skills/

一句话总结： 极客向第三方技能库，专注轻量化、高精度工作流（如Linear问题解析），以"自我反思指令集"降低上下文开销。

awesome-claude-skills 社区市场

https://github.com/ComposioHQ/awesome-claude-skills

一句话总结 ：开发者社区主导的 开源 Skills 资源库，汇集 500+ 高质量技能包，覆盖文档处理、数据分析、商业自动化等 9 大高频场景，支持模块化调用与分层加载机制，显著提升 Claude 的垂直领域执行力

下面以某个skills市场提供的技能为例，演示如何在QClaw中使用这些skills。

4.3.2 获取Skill技能包

以上面提供的某个社区的技能网站为例，下载里面的 pptx 这个技能包到本地

点击下载

4.3.3 加载到QClaw中

将上面下载的这个技能包加载到QClaw中

4.3.4 效果验证

基于上面这个技能包，使用它为我们生成一个PPT文件

bash 复制代码 
基于这个 pptx 的技能，为我生成一个PTT，一共6个P，主题为：2026年AI编程的趋势分析，风格简约且不失科技感

生成完成后，可以打开看下效果，整体还是很不错的

4.4 基于Coze在线创建并使用SKill

随着SKill 的盛行，很多社区和一些平台站点支持在线创建Skill，根据用户的需求提示词描述，即可快速生成一个SKill，比如coze编程，入口：https://code.coze.cn/home

接下来基于coze编程这个在线创建技能的入口，来快速创建一个Skill

4.4.1 输入需求提示词

我这里希望通过coze编程得到一个用户生成图片的技能，给出下面的提示词

bash 复制代码 
我想做一个技能，用这个技能可以生成一些简笔画风格的图片，只需要我输入自然语言的提示，就能得到2张符合要求的简笔画风格图片

输入框给出提示词

中间会展示技能详细的场景过程

4.4.2 部署skill

基于上面创建出来的Skill，coze平台提供了在线部署的方式，实现一键部署，即可开箱使用

4.4.3 效果体验

点击立即体验，跳转到一个新的对话框，在这个对话框，直接引用了上面创建好的这个自定义技能

我输入一句提示词，等待其生成我需要的简笔画风格图片

4.4.4 加载到QClaw 中使用

也可以将这个技能下载到本地，点击下面的下载按钮，将其下载到本地，然后按照上面的方式完成在QClaw中的安装流程

五、写在文末

本文通过较大的篇幅详细介绍了如何在QClaw中加载并使用外部的Skills，基于这种方式，对普通用户来说，可以快速实现对各类Skills的使用，可以说是非常低成本的使用，基于上面的研究和使用，有兴趣的同学还可以继续深入研究，本篇到此结束，感谢观看。

热门推荐
01GitHub 镜像站点02【AI】2026 年具身智能模型和世界模型总结032026 年 AI 编程工具终极横评：Cursor vs Claude Code vs Copilot vs Windsurf04【踩坑记录 | 第一篇】微软商店无法使用时，如何手动安装 OpenAI Codex？附`.msix`文件系统错误解决方法05Codex 接入 DeepSeek API 完整配置文档06DeepSeek V4 + Claude Code thinking mode 400 错误修复方案07裂开！ChatGPT 居然开始要手机号验证，附详细解决方法08CC-Switch & Claude 基于 Linux 服务器安装使用指南09几个好用的ip纯净度检测网站10API Key 登录 Codex 也能用插件了，还支持会话删除和导出