1. 项目概述一个专为技能使用复盘而生的分析工具如果你和我一样深度使用 OpenClaw 这类 AI 助手并且通过skill-logger插件在 Obsidian 里记录每一次技能调用的反馈那你一定遇到过这样的困惑我最近到底最依赖哪些技能哪些技能用起来体验不佳又有哪些曾经好用的技能被我遗忘在角落了面对skill_usage_log.jsonl里一行行增长的 JSONL 日志手动分析几乎是不可能的。这正是Yidoll/skill-analyzer这个轻量级技能诞生的初衷——它不是一个泛泛的数据分析工具而是一个精准的“技能使用复盘助手”。简单来说skill-analyzer是一个专门用来“消化”skill-logger产生的日志的 OpenClaw 技能。它的核心工作就是读取你 Obsidian 知识库中特定路径下的 JSONL 文件然后按照你指定的时间窗口比如“最近7天”、“过去一个月”生成一份结构清晰、一目了然的使用报告。这份报告不是冰冷的数据堆砌而是直接服务于你的效率优化告诉你哪些是高频核心技能值得重点维护哪些是低分体验技能需要优化或弃用以及哪些是“沉睡技能”提醒你重新评估其价值。这个项目特别适合两类人一是追求工作流极致效率的 Obsidian 和 OpenClaw 深度用户希望通过量化分析来优化自己的技能集二是技能开发者可以通过分析自己技能的被使用情况和用户满意度来指导后续的迭代方向。它剥离了所有花哨和不相关的功能只聚焦于“技能使用分析”这一件事因此显得格外轻量和高效。2. 核心设计思路为什么选择“重写”而非“复用”在 GitHub 上其实已经存在一个原始的skill-analyzer项目那么Yidoll的这个版本价值何在答案就藏在“重写”二字背后的设计哲学里。原始的版本更像一个通用的脚本而重写版则是针对 OpenClaw 生产环境的一次深度定制和加固。这种从“能用”到“好用且可靠”的转变主要体现在以下几个关键的设计决策上。2.1 环境依赖的显式化与强校验原始版本在处理 Obsidian 仓库路径时可能会尝试一个默认路径或者在找不到时静默失败这在实际使用中极易导致分析结果为空或指向错误数据而用户却浑然不知。重写版第一个重大改进就是强制要求OBSIDIAN_VAULT环境变量。脚本启动时会首先检查这个变量是否存在且有效。如果未设置它会直接报错退出而不是“将就着”运行。这种“快速失败”的原则虽然看似增加了使用门槛实则极大地提升了工具的可靠性和可预测性。它迫使使用者明确配置数据源从根本上避免了因路径混淆导致的数据分析事故。实操心得在实际部署时我建议将export OBSIDIAN_VAULT你的路径这行命令写入你的 Shell 配置文件如~/.zshrc或~/.bashrc中。这样每次打开终端环境变量都会自动加载一劳永逸。否则每次使用前都需要手动设置非常容易忘记。2.2 时间窗口过滤的精确化日志分析的核心之一是时间范围。原始版本可能只做了简单的字符串匹配或时间戳对比。重写版引入了以“天”为粒度的精确窗口过滤。这意味着当你请求“分析最近7天”时脚本会精确计算从今天零点往回推7天的日期范围并只筛选出落在这个范围内的日志条目。这种处理方式比简单比较时间戳更符合人类的“自然日”认知使得周报、月报的分析结果更加准确和直观。2.3 对数据脏读的强容忍度任何长期运行的日志系统都难免会遇到格式问题可能是早期版本日志格式不同可能是写入过程中意外中断导致半截 JSON也可能是用户手动编辑引入了错误。一个健壮的分析工具必须能处理这些“坏数据”。重写版增强了对畸形 JSON 行和旧格式日志的耐受性。在解析每一行日志时它会使用try-except块包裹如果某一行无法被解析为合法的 JSON 或不符合预期的字段结构这条记录会被单独计数并跳过而不会导致整个分析进程崩溃。同时分析结果中会明确报告“被跳过的坏数据行数”让用户知晓数据的完整度。2.4 输出结果的结构化与可编程性原始版本的输出可能主要是为了方便人类阅读的文本。重写版在此基础上原生支持了结构化的 JSON 输出。这带来了两个巨大的好处第一对于 OpenClaw 这类 AI 助手JSON 格式的输出可以被其轻松解析和理解从而能够进行更深度的推理和总结例如自动生成分析评语或建议。第二对于希望集成此工具到更自动化工作流如定期生成报告并发送通知的用户JSON 格式是脚本间传递数据的理想媒介极大地扩展了该技能的用途边界。3. 核心功能解析与实操要点了解了设计思路我们深入看看skill-analyzer具体能产出哪些分析维度以及在实际操作中需要注意什么。它的输出可以概括为七大板块每一块都直指技能管理的一个核心关切点。3.1 核心指标概览这是报告的“仪表盘”让你快速把握整体使用情况。总使用次数在选定时间窗口内所有技能被成功调用的总次数。这个数字直接反映了你使用 OpenClaw 进行任务处理的活跃度。覆盖的技能数量在选定时间窗口内你实际使用过的不同技能的数量。它反映了你技能集的“活跃广度”。如果这个数字长期远低于你安装的技能总数可能意味着很多技能未被充分利用。平均满意度所有日志记录中satisfaction字段的平均值。这是衡量你整体使用体验的核心主观指标。3.2 高频技能排行榜这部分会列出使用次数最多的前 N 个技能通常默认是前10。这是你工作流中的“王牌部队”。定期观察这个榜单非常有用识别核心依赖排名靠前且满意度高的技能是你的效率基石应确保其稳定性和文档完善。发现潜在问题如果一个技能使用频率很高但满意度很低这就是一个强烈的优化信号。你需要思考是技能本身设计有问题还是你的使用方式不当。工作流洞察榜单的变化能反映你工作重心的迁移。例如突然某个“代码生成”技能使用激增可能意味着你正在密集开发一个新项目。3.3 低评分技能清单这里会列出所有满意度评分低于某个阈值例如3分假设满分是5分的技能及其具体评分。这是你的“待改进清单”。对待这些技能可以采取几种策略反馈与迭代如果这是你自己开发的技能这些数据是宝贵的用户反馈你自己就是用户应据此进行优化。寻找替代品如果是第三方技能可以考虑寻找同类替代品或者在社区中查看是否有更新版本解决了相关问题。重新评估需求思考这个技能是否真的必要或许你的需求已经变化可以直接弃用。3.4 历史活跃但近期闲置的技能这是重写版重点实现的一个非常有价值的特性。它需要对比全量历史日志和当前时间窗口日志。系统会找出那些在全部历史记录中出现过说明你曾经使用并可能觉得有用但在当前分析的时间窗口内一次都未被使用的技能。这些是你的“沉睡资产”。定期检查这个列表能有效防止技能浪费记忆唤醒你可能只是暂时忘记了某个好用的技能这个列表能提醒你重新启用它。技能库清理如果一个技能长期比如连续出现在多个周期的“闲置清单”中不被使用可以考虑将其卸载以保持技能列表的整洁。3.5 数据质量报告如前所述工具会报告“被跳过的坏数据行数”。这是一个重要的数据健康度指标。如果这个数字不为零且持续增长你需要检查skill-logger的日志写入过程是否被异常中断。是否有其他进程或手动编辑破坏了 JSONL 文件的格式。日志文件是否出现了编码问题。3.6 实操配置与调用理解了功能我们来看如何让它跑起来。整个过程可以分为三步环境准备、技能安装、分析调用。第一步环境准备确保你的 Obsidian 仓库路径已设置为环境变量。这是最关键的一步。# 在终端中执行将 /path/to/your/obsidian/vault 替换为你的实际路径 export OBSIDIAN_VAULT/path/to/your/obsidian/vault为了永久生效请将上面这行使用你的真实路径添加到~/.zshrc(Mac) 或~/.bashrc(Linux) 文件的末尾然后执行source ~/.zshrc。第二步技能安装从项目的 Release 页面下载skill-analyzer.skill文件然后通过 OpenClaw 的管理界面将其导入。通常流程是在 OpenClaw 设置中找到“技能管理”或类似选项选择“导入技能”然后指向你下载的.skill文件。第三步进行分析安装成功后你就可以在 OpenClaw 的对话中直接使用自然语言指令来调用分析。核心的指令模式是“分析最近 [N] 天的 skill 使用情况”。例如分析一下我过去一周的技能使用情况。看看最近30天哪些技能用得最多满意度怎么样。给我生成一份技能使用周报。工具会根据你的指令解析出时间窗口如“最近 7 天”然后自动运行分析脚本并将结果以清晰格式同时包含友好文本和结构化 JSON返回给你。注意事项日志文件的默认路径是$OBSIDIAN_VAULT/06 计划/skill_usage_log.jsonl。请确保你的skill-logger插件确实将日志写入这个位置。如果你的“06 计划”文件夹名称不同或者你想自定义路径需要同时修改skill-logger的配置和skill-analyzer脚本中的路径定义。4. 与 skill-logger 的协同工作流解析skill-analyzer并非孤立存在它与skill-logger构成了一个完美的“记录-分析”闭环。理解这个工作流才能最大化这两个工具的价值。4.1 记录端skill-logger 的职责skill-logger是一个 OpenClaw 技能它的工作是在每次技能成功执行后自动或通过提示记录一条日志。一条典型的日志条目可能包含以下字段{ timestamp: 2023-10-27T14:30:00Z, skill_name: quick_note_summarizer, satisfaction: 4, feedback: 总结得很到位节省了我大量时间。 }timestamp: 执行时间ISO 格式。skill_name: 被调用的技能名称。satisfaction: 用户满意度评分例如1-5分。feedback: 用户可选的文字反馈。它的核心价值在于无感化数据收集。理想情况下你只需要在每次技能完成后花一秒打个分甚至可以通过预设快捷键所有数据就会自动沉淀下来为后续分析提供丰富的原料。4.2 分析端skill-analyzer 的职责当数据积累一段时间比如一周或一个月后skill-analyzer登场。它不需要你干预记录过程只在你明确需要洞察时被调用。它的工作流程如下接收指令解析用户自然语言中的时间窗口意图。读取数据定位并读取skill_usage_log.jsonl文件。清洗过滤按日期过滤日志并跳过格式错误的行。多维统计从总次数、技能数、平均分、高频、低分、闲置等多个维度进行计算。格式化输出生成便于阅读的文本报告和便于程序处理的 JSON 数据。4.3 推荐的实践节奏我个人的实践是建立一个“每周复盘”的习惯每周五下午我会对 OpenClaw 说“分析一下本周的技能使用情况并给出建议。”基于skill-analyzer生成的报告特别是高频榜、低分榜和闲置榜我可以表彰高效技能对高频高满意度的技能心里有数知道它们是可靠的生产力伙伴。处理问题技能针对低分技能我会查看当时的反馈决定是去 GitHub 提 Issue、自己修改还是寻找替代品。唤醒沉睡技能看看闲置列表里有没有本周任务可以用上的主动尝试使用一次。清理技能库对于连续数周出现在闲置榜且确实不再需要的技能果断卸载。这个每周一次的、数据驱动的复盘循环能确保我的 OpenClaw 技能生态始终保持健康、高效和精简。5. 高级技巧与自定义扩展虽然开箱即用已经很强大了但作为一个开源工具skill-analyzer也为我们留下了自定义和扩展的空间。如果你懂一点 Python可以让它更贴合你的个人需求。5.1 修改分析时间窗口的默认行为脚本中解析时间窗口的逻辑如“最近7天”如何计算是可以修改的。你可以打开scripts/analyze_skill_usage.py文件找到解析用户输入字符串的部分。例如你可以修改逻辑让“本周”自动计算为从本周一到今天或者让“本月”计算为本月1号到今天。5.2 增加新的分析维度现有的七个维度已经覆盖了主要方面但你完全可以添加更多。例如技能使用时段分析统计哪些技能在白天用得多哪些在晚上用得多。满意度趋势分析计算某个技能满意度的周环比变化看出它是越用越顺手还是越用越差。技能关联分析分析在同一个会话中哪些技能经常被连续调用从而发现常见的技能组合工作流。要实现这些你需要修改脚本的数据处理部分在读取日志后按照新的逻辑进行统计并将结果添加到最终的输出字典中。5.3 集成到自动化流水线利用其 JSON 输出你可以轻松地将skill-analyzer集成到自动化系统中。定期邮件报告写一个简单的 Shell 脚本或 Python 脚本每周一自动运行skill-analyzer通过命令行直接调用其底层 Python 脚本传入--days 7参数解析其 JSON 输出然后用邮件库如smtplib生成一份精美的 HTML 周报发送给自己。Obsidian 周报笔记同样通过脚本将分析结果按照特定的模板如 Dataview 查询语法写入一篇新的 Obsidian 笔记这样你就能在 Obsidian 里有一个持续积累的技能使用历史看板。告警机制监控“平均满意度”指标如果连续几天低于阈值可以自动发送一条提醒消息如到 Slack 或 Telegram让你及时检查是否出现了系统性体验问题。5.4 处理多仓库或移动日志位置如果你有多个 Obsidian 仓库或者希望将日志文件放在其他位置你需要修改脚本中硬编码的日志文件路径。找到log_file_path相关的代码行将其改为从配置文件读取或者修改为你的新路径。同时也要确保skill-logger的配置指向同一个新位置。避坑指南在进行任何自定义修改前务必先备份原文件。另外建议在修改后运行项目提供的校验命令shasum -a 256 -c SHA256SUMS.txt来确保分发包的完整性当然修改后校验必然会失败这是正常的。更好的做法是不要直接修改分发包里的脚本而是克隆项目源码在源码上进行修改和测试然后再考虑重新打包或直接以源码形式运行。6. 常见问题与排查技巧实录在实际部署和使用过程中你可能会遇到一些问题。下面是我在多次使用和帮助他人部署中总结的一些常见情况及解决方法。6.1 技能安装后无法调用或报错问题现象在 OpenClaw 中输入指令后没有反应或者返回一个错误信息。检查1环境变量是否生效。在终端输入echo $OBSIDIAN_VAULT查看输出是否是你的正确路径。如果为空说明环境变量未设置成功。请确认你是否正确修改了 Shell 配置文件并执行了source命令。如果路径不对请修正。检查2OpenClaw 的运行环境。OpenClaw 可能运行在一个独立的、没有继承你终端环境变量的进程中。你需要确保 OpenClaw 的启动方式能读取到OBSIDIAN_VAULT变量。对于桌面应用有时需要将环境变量设置在启动器如.desktop文件或系统级配置中。对于命令行启动确保在启动 OpenClaw 的同一个终端会话中已经设置了环境变量。检查3日志文件是否存在。手动检查路径$OBSIDIAN_VAULT/06 计划/skill_usage_log.jsonl下的文件是否存在。注意中文文件夹名在终端中的正确编码。如果文件不存在说明skill-logger可能没有成功记录或者路径不一致。你需要先确保skill-logger正常工作。6.2 分析结果为空或数据不全问题现象技能运行了但报告显示总使用次数为0或者数据明显比感觉的少。原因1时间窗口不匹配。你要求分析“最近1天”但你的日志都是昨天的。脚本按日期过滤可能把时间边界搞错了。尝试扩大时间窗口如“最近3天”。检查日志中的timestamp字段格式是否为标准的 ISO 格式如2023-10-27T14:30:00Z时区是否正确。原因2日志格式错误导致大量行被跳过。查看分析输出中的“被跳过的坏数据行数”。如果这个数字很大说明日志文件可能已损坏。可以尝试用tail -n 50 skill_usage_log.jsonl命令查看文件末尾的几行肉眼检查 JSON 格式是否正确例如括号是否匹配是否有多余逗号。也可以使用python -m json.tool skill_usage_log.jsonl来验证每一行但这命令会对整个文件操作可能因某行错误而中断。原因3skill-logger 记录不成功。确认skill-logger技能是否已正确安装并启用。测试手动触发一个技能完成后检查日志文件是否新增了一行。6.3 性能问题日志文件过大时分析缓慢问题现象当日志文件积累了数月甚至数年的数据后可能达到几十MB分析脚本运行变慢。优化技巧1使用更精确的时间窗口。尽量避免使用“分析所有历史数据”这样的指令。明确指定范围如“分析最近30天”脚本就只需要处理一小部分数据。优化技巧2定期归档旧日志。可以写一个每月执行的计划任务cron job将上个月之前的日志移动到一个归档文件如skill_usage_log_2023-09.jsonl中。然后让skill-logger始终写入主文件。这样主文件的大小就始终可控。需要分析历史数据时可以临时将归档文件合并或指定脚本读取归档文件。优化技巧3检查脚本实现。原脚本是逐行读取for line in file:这对于文本文件是内存友好的。但如果统计逻辑复杂也可能成为瓶颈。通常这不是主要问题除非日志文件极其巨大1GB。6.4 满意度评分标准不一致问题现象评分有时打1-5分有时打0-10分导致平均分计算失真。解决方案这本质上是数据规范问题。需要在源头skill-logger进行约束。确保skill-logger的反馈界面固定使用同一种评分尺度如1-5分整数。如果历史数据已经存在不一致可以在skill-analyzer的脚本中添加一个数据清洗步骤将不同尺度的分数归一化到同一个标准例如将0-10分的除以2转换为0-5分。但这需要你修改分析脚本的逻辑。6.5 如何验证分发包的完整性从网上下载任何可执行文件或脚本校验其完整性是一个好习惯。项目提供的SHA256SUMS.txt文件就是用于此目的。确保你下载了skill-analyzer.skill和SHA256SUMS.txt到同一目录。在终端中进入该目录运行shasum -a 256 -c SHA256SUMS.txt。如果输出显示skill-analyzer.skill: OK则说明文件下载完整未被篡改。如果显示FAILED则必须重新下载文件切勿使用。最后我想分享一点个人体会工具的价值不在于其本身有多复杂而在于它能否精准地嵌入你的工作流并形成正向循环。skill-analyzer和skill-logger这对组合正是通过“无感记录-定期复盘”的简单循环将原本模糊的技能使用感受变成了清晰可操作的数据。坚持每周花五分钟看看那份报告你会对自己如何与 AI 协作产生前所未有的洞察并持续优化你的数字工具箱。