很多人用 OpenClaw 只停留在基础对话层面：

1. 让它查资料，只会复述网页标题
2. 让它记需求，下次见面又从零开始
3. 让它操作网页，它说"这个我做不到"

⚠️ 核心问题：不会用 Skills，效率没有提升

一、Skills 到底是什么？

在开始深入探索之前，我们需要先统一认知：Skills 不仅仅是一个功能，它是 AI 从“聊天机器人”进化为“智能体（Agent）”的关键桥梁。 本章将从起源、核心机制、概念辨析以及实战推荐四个维度，带你彻底读懂 Skills。

1. 起源：从“对话”到“执行”的进化

Skills 的概念最早由 Anthropic 公司 提出，作为其大模型 Claude 能力扩展的核心机制。

• 背景痛点：传统的 AI 对话中，用户需要反复输入指令，且 AI 执行流程不稳定，常常“懂道理但不会做事”。
• 设计初衷：解决上述痛点，让 AI 从被动的“问答者”转变为主动的“执行者”。
• 演进意义：它的出现标志着 AI 应用开发从 Prompt Engineering（提示词工程） 向 Skill Engineering（技能工程） 的范式转移。通过封装标准化的技能包，让 AI 在特定领域从“通才”变成“专家”。

---

2. 核心功能：解构 Skills 的工作原理

📦 什么是 Skills？

简单来说，Skills 是一个打包好的“能力插件”。它通常以文件夹形式存在，包含三个核心要素，让 AI 知道何时以及如何调用能力：

组件	文件示例	作用
元数据	skill.yaml	技能的“名片”，包含名称、描述、触发关键词
说明书	SKILL.md	用自然语言描述使用场景、操作步骤、注意事项
执行体	script.py / ref.pdf	Agent 可执行的具体代码、参考文档或上下文文件

💡 一句话理解：如果把 Agent 比作大脑，Skills 就是一套套可复用的“武功秘籍”，让大脑在特定场景下能调用具体的招式。

⚙️ 工作原理：渐进式加载机制

为避免无效 Token 消耗，Skills 采用三层分级加载，按需分配注意力：

级别	加载时机	核心内容	Token 消耗
L1 元数据	始终加载	技能名片（名称 + 描述），用于意图匹配	极低 (~100)
L2 说明书	触发时加载	SKILL.md 操作指南，指导执行逻辑	中等 (<5k)
L3 执行体	按需加载	脚本/资源文件，真正执行任务	几乎为 0*

🔄 调用流程

一个典型的 Skills 调用过程如下：

1. 意图匹配：Agent 分析用户需求，匹配最相关的 Skill 元数据。
2. 读取手册：加载对应 SKILL.md，理解执行步骤。
3. 按需执行：调用脚本/工具完成具体操作（如运行 Python 脚本、读取文件）。
4. 反馈结果：返回最终输出或请求人工介入。

---

3. 与其他概念的对比

在 Agent 生态中，Skills 常与 MCP、Custom Instructions 等概念混淆。它们的核心区别如下：

概念	核心特点	适用场景	一句话区分
Skills	模型自动匹配 + 流程化封装 + 渐进加载	标准化任务、可复用工作流	解决“数据怎么用”
MCP (模型上下文协议)	连接外部数据源/工具的基础协议	让 AI 访问实时数据、数据库或 API	解决“数据怎么来”
Custom Instructions	全局/项目级静态偏好设置	通用沟通风格、项目背景上下文	解决“我是谁/偏好是什么”
Workflow (工作流)	固定节点顺序、高确定性	金融/医疗等强合规、固定流程场景	解决“步骤必须固定”

✅ 总结：MCP 是管道，Skills 是管道里的处理工厂，而 Workflow 是固定的流水线。Skills 更适合需要 AI 自主判断的灵活场景。

---

4. 🔥 3 个必装高下载量 Skill

社区生态是 Skills 最迷人的地方。你不需要从零开始编写指令，直接复用高手们验证过的技能包，就能瞬间提升 AI 的生产力。

以下是目前社区下载量最高、口碑最好的 3 个 Skills，建议优先安装：

1️⃣ self-improving-agent

• 核心作用：让 AI 记住错误，持续改进。
• 推荐理由：它赋予 AI“记忆能力”。当你纠正它的错误后，它会将经验写入技能包，下次不再犯同样的错。这是让 AI 越用越顺手的关键，解决了大模型“金鱼记忆”的痛点。

2️⃣ Summarize

• 核心作用：一键总结网页 / PDF / 视频 / 音频。
• 推荐理由：信息过载时代的“减负神器”。它不只是总结文本，还能处理多模态内容。无论是长篇报告还是会议录音，都能快速提取核心要点。

3️⃣ Agent Browser

• 核心作用：让 AI 真正操作浏览器。
• 推荐理由：赋予 AI“眼睛”和“手”。它能真正打开浏览器、搜索信息、点击按钮、抓取数据。这是实现真正自动化操作（如自动填表、数据抓取）的基础设施。

💡 博主建议：不要贪多。刚开始只需安装这 3 个核心技能，覆盖记忆、输入、操作三大维度，足以解决 80% 的日常自动化需求。

---

二、核心部分：3 个 Skill 详解

1. self-improving-agent

简介

这是一个自我改进系统，帮助 AI 助手记录错误、学习经验和用户反馈，实现持续改进。就像一个"错题本" + “成长日记”。

核心功能

• 记录错误：命令失败、API 错误、工具异常
• 记录更正：用户纠正时的正确做法
• 记录需求：用户想要但还没有的功能
• 知识沉淀：将经验提升为长期记忆

三个日志文件

文件名	用途
LEARNINGS.md	学习记录（更正、知识缺口、最佳实践）
ERRORS.md	错误记录（命令失败、异常）
FEATURE_REQUESTS.md	功能需求

如何安装?

非常简单，直接给把skill的链接发给OpenClaw让他安装即可，例如这样（所有skills安装都适用～）：

帮我安装这个skill: https://clawhub.ai/pskoett/self-improving-agent

如何使用?

1. 自动记录（推荐）

当以下情况发生时，系统会自动记录：

触发场景	记录位置
命令执行失败	ERRORS.md
你说"不对"、“错了”、“其实”	LEARNINGS.md (correction)
你发现知识过时	LEARNINGS.md (knowledge_gap)
发现更好的做法	LEARNINGS.md (best_practice)
想要某个功能	FEATURE_REQUESTS.md

2. 手动记录

你也可以直接要求记录：

“记录一下：以后处理 JSON 要先检查编码”

3. 查看记录

cat ~/.openclaw/workspace/.learnings/LEARNINGS.md

提升为长期记忆

当某个学习变得广泛适用时，可提升到 workspace 文件：

学习内容类型	提升目标文件
行为/沟通风格	SOUL.md
工作流程	AGENTS.md
工具使用技巧	TOOLS.md

启用 Hook

Hook 是一个自动提醒系统，在每次会话开始时触发。

启用方式：

cp -r ~/.openclaw/workspace/skills/self-improving-agent/hooks/openclaw ~/.openclaw/hooks/self-improvement
openclaw hooks enable self-improvement

启用后会发生什么：

• ✅ 自动检查：每次会话开始时提醒检查 .learnings/
• ✅ 上下文感知：根据当前任务查找相关历史记录
• ✅ 避免重复错误：之前犯过的错，下次会提前知道
• ✅ 持续进化：经验积累，表现越来越好

简单说：不启用 Hook = 每次见面都从零开始；启用 Hook = 每次见面都记得之前的教训。

实际例子

场景	用户输入	系统行为
你纠正我	“不对，应该用 git rebase 而不是 git merge”	记录到 LEARNINGS.md，下次遇到类似情况就知道用 rebase
命令失败	运行 docker ps，但 Docker 没启动	记录到 ERRORS.md，下次先检查 Docker 状态
功能需求	“希望以后能自动备份配置文件”	记录到 FEATURE_REQUESTS.md，后续可以考虑实现

---

2. Summarize

简介

summarize 是一个快速 CLI 工具，用于总结各种内容：

• 🌐 网页 — 任意 URL
• 📄 PDF 文件 — 本地文档
• 🖼️ 图片 — 带文字的图片
• 🎧 音频 — 播客、录音
• 📺 B站 — 视频内容

如何安装?

直接给把skill的链接发给OpenClaw让他安装即可：

帮我安装这个skill: https://clawhub.ai/steipete/summarize

基本用法

# 总结网页
summarize "https://example.com"

# 总结 PDF
summarize "/path/to/file.pdf"

# 总结视频
summarize "https://youtu.be/dQw4w9WgXcQ"

# 指定模型
summarize "https://example.com" --model openai/gpt-5.2

支持的模型

提供商	环境变量	模型示例
OpenAI	OPENAI_API_KEY	openai/gpt-5.2
Anthropic	ANTHROPIC_API_KEY	anthropic/claude-sonnet-4-20250514
xAI	XAI_API_KEY	xai/grok-3-beta
Google	GEMINI_API_KEY	google/gemini-3-flash-preview

默认模型：google/gemini-3-flash-preview

实用参数

参数	说明
--length short	简短总结 (其他: medium, long, xl, xxl)
--max-output-tokens 1000	限制输出长度
--extract-only	仅提取内容，不总结 (URL 专用)
--json	JSON 格式输出 (机器可读)
--firecrawl auto	使用 Firecrawl 处理被屏蔽的网站

可选配置

配置文件：~/.summarize/config.json

{
  "model": "openai/gpt-5.2"
}

实际应用场景

场景	命令示例
快速了解新闻文章	summarize "https://news.example.com/article"
总结技术文档	summarize "/path/to/api-docs.pdf"
提取会议录音要点	summarize "meeting.mp3"
看懂 B站 教程	`summarize “https://bilibili/xxx”
批量处理多个链接	summarize url1 url2 url3 --json

---

3. Agent Browser

这是什么？

Agent Browser 是一个快速的无头浏览器自动化 CLI 工具，基于 Rust 开发（带 Node.js 回退），让 AI 助手能够通过结构化命令控制浏览器：

• 🧭 导航网页 — 打开、后退、前进、刷新
• 🖱️ 模拟交互 — 点击、输入、滚动、拖拽
• 📸 截图录屏 — 页面快照、PDF、视频录制
• 📥 提取数据 — 文本、HTML、属性值

如何安装?

直接给把skill的链接发给OpenClaw让他安装即可：

帮我安装这个skill: https://clawhub.ai/TheSethRose/agent-browser

核心工作流程

# 1. 打开页面
agent-browser open https://example.com    

# 2. 获取交互元素（带引用标记 @e1, @e2...）
agent-browser snapshot -i

# 3. 使用引用进行交互
agent-browser click @e1
agent-browser fill @e2 "输入内容"

# 4. 关闭浏览器
agent-browser close

主要命令整理

🧭 导航类

命令	说明	示例
open	打开网页	agent-browser open https://example.com
back / forward	后退/前进	agent-browser back
reload	刷新页面	agent-browser reload
close	关闭浏览器	agent-browser close

📋 快照类（页面分析）

命令	说明	示例
snapshot	完整可访问性树	agent-browser snapshot
snapshot -i	仅交互元素（推荐）	agent-browser snapshot -i
snapshot -c	紧凑输出	agent-browser snapshot -c
snapshot -d <N>	限制深度为 N 层	agent-browser snapshot -d 3
snapshot -s <selector>	限定 CSS 选择器范围	agent-browser snapshot -s "#main"

🖱️ 交互类（使用 @refs）

命令	说明	示例
click	点击元素	agent-browser click @e1
fill	清空并输入	agent-browser fill @e2 "输入内容"
type	直接输入（不清空）	agent-browser type @e2 "追加内容"
press	按键	agent-browser press Enter
hover	悬停	agent-browser hover @e1
check / uncheck	勾选/取消复选框	agent-browser check @e1
select	下拉选择	agent-browser select @e1 "value"
scroll	滚动页面	agent-browser scroll down 500
upload	上传文件	agent-browser upload @e1 file.pdf
drag	拖拽	agent-browser drag @e1 @e2

🔍 获取信息类

命令	说明	示例
get text	获取元素文本	agent-browser get text @e1
get html	获取 innerHTML	agent-browser get html @e1
get value	获取输入值	agent-browser get value @e1
get attr	获取属性	agent-browser get attr @e1 href
get title / get url	获取标题/URL	agent-browser get title

📸 截图 & PDF 类

命令	说明	示例
screenshot	截图到 stdout	agent-browser screenshot
screenshot <path>	保存截图	agent-browser screenshot path.png
screenshot --full	整页截图	agent-browser screenshot --full
pdf	保存为 PDF	agent-browser pdf output.pdf

🎬 视频录制类

命令	说明	示例
record start	开始录制	agent-browser record start ./demo.webm
record stop	停止并保存	agent-browser record stop

⏱️ 等待类

命令	说明	示例
wait @<ref>	等待元素出现	agent-browser wait @e1
wait <ms>	等待毫秒	agent-browser wait 2000
wait --text	等待文本出现	agent-browser wait --text "Success"
wait --load	等待网络状态	agent-browser wait --load networkidle

高级功能

1. 语义定位器（无需 @refs）

agent-browser find role button click --name "Submit"
agent-browser find text "Sign In" click
agent-browser find label "Email" fill "user@test.com"

2. 状态管理（保存登录态）

# 登录一次，保存状态
agent-browser state save auth.json

# 后续会话直接加载
agent-browser state load auth.json

3. 多会话并行

agent-browser --session test1 open site-a.com
agent-browser --session test2 open site-b.com

4. 网络拦截

agent-browser network route <url> --abort      # 拦截请求
agent-browser network route <url> --body '{}'  # Mock 响应

5. JavaScript 执行

agent-browser eval "document.title"

实际应用场景

场景	用途
自动化登录	填充表单、点击登录、保存会话状态
数据抓取	导航到页面、提取结构化数据
表单提交	自动填写调查问卷、申请表
UI 测试	验证页面元素、截图对比
网站监控	定期检查页面状态、内容变化
演示录制	录制操作视频用于文档

与现有浏览器工具对比

功能	Agent Browser	Playwright	Puppeteer
CLI 优先设计	✅	❌	❌
AI 友好的结构化输出	✅	部分	部分
引用系统 (@refs)	✅	❌	❌
Rust 核心性能	✅	❌	❌
视频录制	✅	✅	部分
状态保存/加载	✅	✅	✅

---

结语

工具的价值，不在于"装了多少"，而在于"用出组合拳"。

这 3 个 Skill 分别解决：

1. 记忆进化：避免重复踩坑
2. 信息提纯：降低认知负荷
3. 动手执行：突破对话边界

装好 OpenClaw 只是起点，配上这些 Skill，才能真正让 AI 成为你的效率外脑。

💡 小建议：优先启用 self-improving-agent 的 Hook 功能，这是让其他两个 Skill 越用越顺的隐形加速器。