OpenClaw Skills 安装与实战：构建 AI 技能工具箱

OpenClaw Skills 安装与实战：构建 AI 技能工具箱

本文介绍如何使用 ClawHub 安装和管理 OpenClaw 技能包，并通过实战案例演示多个技能的协同使用。

前言

OpenClaw 是一个强大的 AI 助手框架，而 Skills（技能包）则是扩展其能力的核心方式。通过安装不同的技能包，你可以让 AI 助手具备搜索、总结、开发指导、自我学习等能力。

本文将带你完成：

• ClawHub CLI 的安装与使用
• 多个实用技能包的安装
• Self-Improving 记忆系统的初始化
• 一个综合实战案例演示

---

一、ClawHub：技能包管理器

1.1 什么是 ClawHub

ClawHub 是 OpenClaw 的官方技能包市场，提供了丰富的技能包供用户安装使用。

安装 ClawHub CLI：

npm install -g clawhub

1.2 常用命令

命令	说明
clawhub search <关键词>	搜索技能包
clawhub install <包名>	安装技能包
clawhub list	查看已安装技能
clawhub update <包名>	更新技能包
clawhub update --all	更新所有技能

---

二、搜索与安装技能包

2.1 搜索技能

使用 search 命令查找需要的技能：

clawhub search self-improving

输出结果示例：

- Searching xiucheng-self-improving-agent Self Improving Agent (3.689) ...

2.2 安装技能

clawhub install self-improving

2.3 批量安装

建议安装以下实用技能包：

# 搜索技能
clawhub install tavily-search
# 文章总结
clawhub install summarize
# React 开发指导
clawhub install react
# GitHub 操作
clawhub install github
# 自我学习
clawhub install self-improving
# 理财建议
clawhub install wealth
# 主动代理
clawhub install proactive-agent-lite

2.4 查看已安装技能

clawhub list

或者直接查看目录：

dir ~/.openclaw/workspace/skills

---

三、技能包详解

3.1 Self-Improving：自我学习系统

功能： 让 AI 能够记住你的偏好、纠正和工作模式，实现持续改进。

核心特点：

• 分层记忆存储（HOT/WARM/COLD）
• 自动从用户反馈中学习
• 支持项目级和领域级记忆隔离

目录结构：

~/self-improving/
├── memory.md          # HOT: 总是加载的核心记忆
├── corrections.md     # 修正记录日志
├── index.md           # 主题索引
├── projects/          # 项目专属记忆
├── domains/           # 领域知识（编程、写作等）
└── archive/           # 归档的记忆

3.2 Tavily Search：智能搜索

功能： AI 优化的网络搜索，返回简洁、相关的结果。

使用方式：

// 基础搜索
node skills/tavily-search-1.0.0/scripts/search.mjs "React 19 新特性"

// 指定结果数量
node skills/tavily-search-1.0.0/scripts/search.mjs "查询内容" -n 10

// 深度搜索
node skills/tavily-search-1.0.0/scripts/search.mjs "查询内容" --deep

// 新闻搜索
node skills/tavily-search-1.0.0/scripts/search.mjs "查询内容" --topic news

配置： 需要设置 TAVILY_API_KEY 环境变量。

3.3 Summarize：文章总结

功能： 快速总结 URL、PDF、图片、音频、YouTube 视频。

使用方式：

# 总结网页
summarize "https://example.com/article" --length medium

# 总结 PDF
summarize "/path/to/file.pdf" --length short

# 总结 YouTube 视频
summarize "https://youtu.be/xxxxx" --youtube auto

3.4 React：开发指导

功能： 提供生产级 React 开发指导，涵盖架构、状态管理、性能优化等。

核心规则：

• 服务端状态 ≠ 客户端状态
• 只使用命名导出
• 组件 JSX 不超过 50 行
• 启用 TypeScript strict 模式

3.5 GitHub：仓库操作

功能： 通过 gh CLI 与 GitHub 交互。

# 查看仓库信息
gh repo view owner/repo

# 查看最近 PR
gh pr list --repo owner/repo --state merged --limit 5

# 查看 CI 状态
gh pr checks 55 --repo owner/repo

3.6 Wealth：投资理财

功能： 提供全面的财富管理建议，包括财务基础建设、投资组合建议、税务优化策略、退休规划及资产保护。

---

四、Self-Improving 初始化配置

4.1 创建目录结构

# Windows PowerShell
mkdir -p $env:USERPROFILE\self-improving\projects
mkdir -p $env:USERPROFILE\self-improving\domains
mkdir -p $env:USERPROFILE\self-improving\archive

# Linux/macOS
mkdir -p ~/self-improving/{projects,domains,archive}

4.2 创建核心文件

memory.md（核心记忆）：

# Memory (HOT Tier)
> 总是加载的记忆，存储最重要的偏好和规则

## Preferences
<!-- 用户偏好 -->

## Patterns
<!-- 已验证的工作模式 -->

## Rules
<!-- 经过确认的规则 -->

corrections.md（修正记录）：

# Corrections Log
> 记录用户的修正反馈

| Date | Context | What I Got Wrong | Correct Answer | Learned |
|------|---------|------------------|----------------|---------|

domains/programming.md（领域记忆）：

# Domain: Programming
## Language Preferences
- TypeScript > JavaScript
- Python 用于数据分析

## Framework Preferences
- 前端：React + Next.js
- 状态管理：Zustand
- 样式：Tailwind CSS

4.3 验证安装

对 AI 说 'memory stats'，应返回：

📊 Self-Improving Memory
🔥 HOT (always loaded): memory.md: 0 entries
🌡️ WARM (load on demand): projects/: 0 files
❄️ COLD (archived): archive/: 0 files

---

五、API Key 配置

5.1 Tavily API

1. 访问 Tavily 注册账号
2. 获取 API Key
3. 设置环境变量：

# Windows（永久）
[System.Environment]::SetEnvironmentVariable("TAVILY_API_KEY", "your-api-key", "User")

# Linux/macOS
echo 'export TAVILY_API_KEY="your-api-key"' >> ~/.bashrc
source ~/.bashrc

5.2 其他 API Keys

服务	环境变量	用途
OpenAI	OPENAI_API_KEY	summarize
Anthropic	ANTHROPIC_API_KEY	summarize
Google	GEMINI_API_KEY	summarize

---

六、综合实战案例

6.1 案例：技术趋势研究助手

场景： 作为开发者，需要跟踪技术动态、快速理解新文章、构建知识库。

工作流：

1. tavily-search → 搜索技术动态
2. summarize → 提取文章要点
3. react → 构建知识展示界面
4. self-improving → 记住偏好

6.2 实战演示

步骤一：搜索技术动态

node skills/tavily-search-1.0.0/scripts/search.mjs "React 19 new features" -n 5

返回结果示例：

## Answer
React 19 introduces concurrent rendering, React Server Components...

## Sources
- Exploring the New Features of React 19
- What's New in React 19

步骤二：深入阅读文章

summarize "https://www.telerik.com/blogs/whats-new-react-19" --length medium

步骤三：创建知识卡片组件

根据 react skill 指导：

// TechCard.tsx
interface TechCardProps {
  title: string
  summary: string
  source: string
  tags: string[]
}

export function TechCard({ title, summary, source, tags }: TechCardProps) {
  const isSaved = useUIStore((s) => s.savedItems.has(title))
  const toggleSave = useUIStore((s) => s.toggleSave)

  return (
    <article className="rounded-lg border p-4 shadow-sm">
      <header className="mb-2 flex items-start justify-between">
        <h3 className="font-semibold">{title}</h3>
        <button onClick={() => toggleSave(title)}>
          {isSaved ? '★' : '☆'}
        </button>
      </header>
      <p className="text-gray-600 text-sm">{summary}</p>
      <footer className="mt-3 flex gap-2">
        {tags.map(tag => (
          <span key={tag} className="bg-gray-100 px-2 py-0.5 rounded text-xs">
            {tag}
          </span>
        ))}
      </footer>
    </article>
  )
}

步骤四：AI 自动学习偏好

当你告诉 AI：

'我更喜欢 TypeScript，不喜欢 JavaScript'

AI 会自动记录到 ~/self-improving/domains/programming.md：

## Language Preferences
- 首选：TypeScript
- 避免：纯 JavaScript
- 原因：类型安全，更好的 IDE 支持

---

七、技能协同优势

技能	贡献	使用频率
tavily-search	快速获取高质量搜索结果	需要时
summarize	压缩长文为精华	阅读时
react	构建可复用的知识展示界面	开发时
self-improving	持续学习你的偏好	每次会话
github	查看项目最新动态	开发时
wealth	理财建议	规划时

---

八、最佳实践

8.1 记忆管理

• HOT 层 只放最重要的偏好，不超过 100 行
• WARM 层 按项目和领域分类
• COLD 层 定期归档不再使用的模式

8.2 技能使用原则

1. 按需安装 - 只安装真正需要的技能
2. 配置优先 - 先配置好 API Key 再使用
3. 持续学习 - 让 self-improving 自然积累偏好

8.3 工作流建议

日常对话 → AI 自然学习偏好 → 自动记录
↓
需要搜索 → tavily-search → summarize 总结
↓
需要开发 → react/github 指导 → 项目记忆记录

---

九、总结

通过 ClawHub 安装和管理技能包，可以快速扩展 OpenClaw 的能力：

1. ClawHub 提供了便捷的技能包管理
2. Self-Improving 实现了 AI 的持续学习
3. 各技能协同 形成完整的工作流

随着使用时间的增加，AI 会越来越了解你的偏好和工作方式，成为一个真正懂你的智能助手。