技能开发

技能开发

本章深入讲解 OpenClaw 的技能（Skill）开发体系。从技能的基本结构、设计原则、开发流程，到 Skill 与 MCP 两种扩展路径的对比选择，再到 AI 辅助技能生成和 ACP 任务分发的进阶用法，帮你全面掌握为 OpenClaw 打造专属 AI 能力的方法。

本节导读

完成本章学习后，你将能够：

1. 理解技能在 OpenClaw 生态中的定位和作用
2. 独立创建一个完整的技能（从需求分析到打包发布）
3. 掌握渐进式披露等技能设计原则
4. 根据具体需求判断应该使用 Skill 还是 MCP
5. 利用 AI 辅助工具加速技能开发
6. 通过 ACP 协议将编码任务分发给专业工具

概念概述

在 OpenClaw 的体系中，"技能"是给 AI 的操作手册。AI 模型本身很聪明，但它不了解你的业务流程、不知道你的文件命名规范、不清楚你们公司的代码风格。技能就是把这些专业知识打包喂给 AI 的载体。

一个技能的核心是一个 SKILL.md 文件，用 YAML 元数据描述"这个技能是干什么的"，用 Markdown 正文描述"遇到相关任务该怎么做"。除此之外，技能目录还可以包含可执行脚本、参考文档、资源模板等辅助文件。

OpenClaw 的技能生态有两条扩展路径：

• Skill（技能）：把知识直接嵌入 AI 的上下文，适合传递静态知识、工作流程、操作规范
• MCP（模型上下文协议）：通过标准协议连接外部系统，适合访问动态数据、调用远程 API

两者不冲突，实际项目中往往是组合使用的。

图：技能生态分类图谱

子章节导航

本章包含以下三节内容，建议按顺序阅读：

逻辑关系图

三节内容的递进关系：

• 第一节打基础——搞清楚技能长什么样、怎么写、怎么部署，走完从零到一的完整流程。
• 第二节做选择——技能系统不是唯一扩展方式，MCP 提供了另一条路径。搞清楚什么时候用 Skill、什么时候用 MCP，才能做出合理的技术决策。
• 第三节提效率——掌握了基础之后，用 AI 辅助工具加速开发，用 ACP 把编码任务分发给专业工具，让整体工作流更高效。

前置知识

开始本章之前，建议你具备以下基础：

💡 提示：如果你还没读过第一章，建议先完成第一章的学习。技能开发建立在对 OpenClaw 整体架构理解的基础上，跳过基础直接学技能开发可能会在后续遇到理解障碍。

⚠️ 注意：本章涉及代码编写和命令行操作。建议你准备一个可以实际运行 OpenClaw 的环境，边学边练效果最好。如果暂时没有环境，至少准备一个文本编辑器和终端。

本章要点回顾

• 技能是 OpenClaw 给 AI 的"操作手册"，通过 SKILL.md 文件描述专业知识和工作流程，让 AI 适应具体业务场景
• Skill 和 MCP 是两条互补的扩展路径：Skill 适合传递静态知识和规范，MCP 适合访问动态数据和远程 API
• 技能开发遵循"创建目录 → 编写 SKILL.md → 测试验证 → 打包分发"的完整流程
• 渐进式披露（三层加载机制）是技能设计的核心原则，能有效控制上下文消耗

💡 提示：渐进式披露是技能设计的关键原则——把核心指令放在第一层、详细步骤放在第二层、参考资料放在第三层，避免一次性加载全部内容撑爆上下文窗口。

⚠️ 注意：编写技能时务必在真实环境中测试。SKILL.md 中的指令如果有歧义或遗漏，AI 执行时会产生不可预期的结果，测试环节不能省略。

完成本章后，请确认你已经能够回答以下问题：

• 一个标准的技能目录包含哪些文件？
• SKILL.md 的元数据中，description 字段应该包含什么信息？
• 渐进式披露的三层加载机制分别是什么？
• 什么场景应该用 Skill，什么场景应该用 MCP？
• ACP 解决了传统 AI 编程助手的什么痛点？