OpenClaw Skill 实战指南让 AI Agent 学会新技能Skill 不是代码库不是插件框架而是一份给 AI 的上岗手册。如果你用 OpenClaw 做过稍微复杂的事一定会遇到这个场景某些任务 Agent 总做不好不是漏步骤就是选错工具。每次纠正下次又忘。Skill 就是解决这个问题的。它把你的经验和规范打包成结构化指令Agent 遇到对应场景时自动激活按规矩干活。本文从原理到实战带你搞清楚 Skill 的运作机制并亲手创建一个「一键发布 CSDN 博客」的 Skill。一、Skill 的本质一份结构化的上岗手册想象你雇了一个实习生。你不会丢给他一整个代码库让他自己悟而是给他一份操作手册——什么时候该做什么、怎么做、注意什么。Skill 就是这份手册。它告诉 AI Agent 三件事1.什么时候用我触发条件2.怎么做执行指令3.需要什么工具脚本和资源仅此而已。没有运行时没有沙箱没有依赖注入。纯粹的信息传递。二、Skill 的目录结构极简主义skill-name/ ├── SKILL.md # 唯一必需文件元数据 指令 ├── scripts/ # 可执行脚本Python / Bash 等 ├── references/ # 参考文档按需加载不常驻内存 └── assets/ # 模板、图片等静态资源只有SKILL.md是必需的。其余目录按需添加没有的不用创建。这意味着一个 Skill 可以简单到只有一个.md文件——只要描述清楚Agent 就能按图索骥。三、SKILL.md 的结构触发器 指令体---name:my-skilldescription:当用户想要……时使用此Skill。核心触发逻辑写在这里。---# 具体指令只有触发后才会被加载到上下文...关键在于description字段——它是触发器。Agent 每次收到用户请求时会扫描所有 Skill 的 description语义匹配成功则激活对应 Skill。正文内容只有触发后才加载不会长期占用上下文窗口。四、三级加载机制省 Token 的核心设计Skill 的加载不是一股脑全塞进来而是分三层渐进式加载层级内容加载时机占用上下文L1name description始终常驻极小仅两行L2SKILL.md 正文触发 Skill 时中等L3scripts / references按需延迟读取按需这个设计的核心目标就一个省 Token。假设你装了 20 个 Skill如果每个的完整指令都常驻上下文光是 Skill 描述就要吃掉几千 Token。三级加载让大部分 Skill 只以一行 description 的代价存在触发时才按需展开。五、Skill 的工作流程用户请求 → Agent 扫描 description → 匹配成功 → 加载 SKILL.md 正文 → 按指令执行调用脚本 / 读取参考 / 引用资源→ 完成任务5.1 触发匹配Agent 收到用户请求后会扫描所有已安装 Skill 的description字段。语义匹配成功则自动激活无需用户手动指定。这意味着description 的质量直接决定 Skill 能否被正确触发。写得太模糊会被忽略写得太窄会错过相关场景。5.2 指令执行与自由度设计Skill 加载后Agent 按文档指令执行。根据任务的容错空间指令可以设计成三种自由度自由度适用场景呈现形式例子高灵活场景多方案可行自然语言指引帮用户总结文档要点中有规范流程允许小幅变通伪代码 / 参数化指令先查天气再根据温度建议穿搭低步骤严格易报错固定脚本 限定参数执行 Python 脚本传入 -t 和 -f 参数设计原则桥窄加栏杆路宽少限制。操作浏览器、调 API 这类容易翻车的事 → 低自由度写死脚本分析总结、创意写作这类灵活任务 → 高自由度给方向就行5.3 渐进加载策略Agent 不会一次性读取 Skill 下的所有文件。典型加载路径匹配到 description → 加载 SKILL.md 正文正文提到脚本路径 → 读取 scripts/ 下的文件脚本需要参考文档 → 读取 references/ 下的文件每一步都是按需触发有效控制上下文长度降低消耗、提升响应速度。5.4 四条核心设计原则description 是门面写清楚触发条件这是 Skill 被发现的关键指令要具体但不冗余Agent 需要「做什么」和「怎么做」不需要「为什么」脚本处理脆弱操作浏览器自动化、API 调用等容易出错的步骤封装成脚本而非自然语言资源按需提供参考文档和模板不要塞进正文放在 references/ 和 assets/ 下按需加载六、实战用 skill-creator 创建 CSDN 自动发博 Skill说了这么多原理来点实际的。目标创建一个 Skill实现 Markdown 文档一键转为 CSDN 草稿支持图片自动上传、标签分类、原创声明。Step 1明确需求需求项具体内容输入Markdown 文件或内联内容 标题输出CSDN 草稿箱中的文章附加能力本地图片自动上传、设置标签和文章类型首次使用需要登录 CSDN 保存会话Step 2规划目录结构csdn-blog/ ├── SKILL.md # 触发描述 使用指引 └── scripts/ └── csdn_publish.py # Playwright 自动化核心脚本流程简单直接不需要额外的参考文档和模板精简结构减少冗余。Step 3核心脚本设计脚本的核心逻辑拆解① 启动持久化浏览器ctxplaywright.chromium.launch_persistent_context( USER_DATA_DIR, headlessFalse,# CSDN 屏蔽无头浏览器必须可视化viewport{width:1280,height:720}, localezh-CN, )Cookie 保存在本地目录下次启动自动复用不用每次重新登录。② 检测登录状态page.goto(https://mp.csdn.net/mp_blog/creation/editor)ifhas_login_iframe: wait_for_login(page)# 阻塞等待用户手动扫码登录CSDN 会检测无头浏览器所以只能用有头模式。首次登录后 Cookie 持久化后续无需重复。③ 图片预处理contentprocess_images(page, content, base_dir)扫描 Markdown 中的本地图片引用逐个上传到 CSDN CDN替换为远程 URL。远程图片链接保持不变。④ 写入标题与内容page.fill(#txtTitle, title) page.evaluate((c) CKEDITOR.instances.editor.setData(c), content)CSDN 使用 CKEditor 富文本编辑器直接通过 JavaScript API 注入 HTML 内容绕过 Markdown/富文本切换的不稳定性。⑤ 设置类型与标签page.click(input.el_mcm-radio__original[valueoriginal])# 标签输入点击展开 → 键盘输入 → 回车确认tag_area.click() page.keyboard.type(tag, delay50) page.keyboard.press(Enter)标签输入框是自定义组件fill()方法会因为只读状态失败需用keyboard.type()模拟键盘输入。⑥ 保存草稿page.click(button:has-text(保存草稿))Step 4编写 SKILL.md---name:csdn-blogdescription:PublishblogdraftstoCSDNviabrowserautomation(Playwright).Usewhen:userwantstopost/publish/writeablogtoCSDN,createCSDNdraft.NOTfor:readingCSDNarticlesornon-CSDNplatforms.---# CSDN Blog Publisher## First-Time Setuppython {baseDir}/scripts/csdn_publish.py --login ## Usage python {baseDir}/scripts/csdn_publish.py -t 标题 -f article.md python {baseDir}/scripts/csdn_publish.py -t 标题 -c 内容 --tags Python AI ## Image Handling 本地图片自动上传到 CSDN CDN远程图片链接保持不变。 ## Troubleshooting - 登录会话过期重新执行 --login 缓存账号 - 内容写入失败CSDN 前端 UI 更新需微调选择器注意{baseDir}占位符——Agent 在执行时会自动替换为 Skill 的实际路径无需硬编码。Step 5让 skill-creator 生成上面是手动拆解的设计过程实际操作中可以直接告诉 OpenClaw帮我创建一个 CSDN 自动发博客的 Skill用 Playwright 自动化支持 Markdown 输入、图片上传、标签设置首次需要 --login 登录。skill-creator 会根据需求生成完整目录结构和代码然后你测试、微调、定稿。七、小结核心要点关键说明Skill 本质轻量化结构化指令包低侵入扩展 Agent 能力核心文件SKILL.mddescription 触发 正文指令加载设计三级懒加载机制极致节省 Token脚本定位处理浏览器自动化、API 调用等脆弱操作自由度设计桥窄加栏杆路宽少限制写 Skill 的本质将业务规则、操作流程、专属约束压缩为 AI Agent 可精准识别、高效执行的标准化指令。规则越精简运行越稳定。Skill 适用于工程化场景——重复操作、固定流程、需要可靠性的任务。对于需要创意和灵活性的场景自然语言指引就够了不必过度工程化。