Skills 教程

Skills 本质上就是教 AI 按固定流程做事的操作说明书，一旦写好，就能像函数一样反复调用。

我们可以把 Skills 看成把 某类事情应该怎么专业做 这件事，封装成一个可复用、可自动触发的能力模块。

Skills 以 Markdown 文件形式存在，不执行功能，而是通过按需、渐进式加载，实现高效且可复用的经验传递。

Skills 和传统 Prompt 最大的区别是：按需加载 + 渐进式披露（只在需要时才把厚厚的 SOP 塞进上下文，极大节省 token）。

对比项	普通 Prompt	Skills 机制
每次都要重新描述	是	否（只描述一次）
上下文长度占用	每次全量塞入	渐进式加载（只在触发时才读完整内容）
一致性	依赖每次 prompt 质量	高（固定 SOP + 模板）
复用性	手动复制粘贴	自动匹配 / slash 命令 / 项目共享
维护方式	改一次 prompt 就要重新发	修改 SKILL.md 文件，全局/项目生效

比如我们平时写文章，在没有 Skills 之前，每次都要按以下步骤重复说：

帮我总结文章 → 翻译 → 改成公众号风格 → 加标题 → 输出 Markdown

有了 Skills 之后：

你只需要一句：

使用「技术文章转公众号」Skill

AI 会自动按你设定的步骤执行。

把 AI 想象成一个刚毕业的聪明但没经验的实习生：

• 普通Prompt = 你每次都要从头教他怎么做事（今天教一遍，明天还得重新教）
• Rule / 记忆 = 你给他贴一张"公司行为守则"在工位上（一直生效，但只能管态度和格式）
• MCP / Tools = 你给他电脑装了一堆软件和API（他能调用外部工具，但不知道什么时候该用、怎么组合用）
• Skills = 你直接给他一整套"岗位培训大礼包"（PDF+流程图+SOP+话术模板+常用脚本），告诉他："当老板让你做这类事情时，就按这个文件夹里的方法来做"

Skills 与 MCP 的区别： Skills 用于知识复用，MCP 用于能力扩展。

Skills

知识复用

• 知识分享：经验、最佳实践、工作流程
• 基于简单的 Markdown 文件，任何人都可以创建
• 渐进式加载，Token 使用效率高
• 无需服务器或后端设置
• 适用于 Web / Desktop / CLI

MCP

能力扩展

• 功能扩展：连接 API、数据库、外部工具
• 需要编码能力和服务器端配置
• 启动时加载全部工具定义
• 对外部系统集成能力强
• 更高的 Token 消耗与复杂度

---

Skill 的核心结构

Skills 的核心就是：一个文件夹 + 一个 SKILL.md 文件。

SKILL.md 文件包含：

• 元数据（至少要有名称和描述）
• 告诉 AI 如何完成某一特定任务的指令

一个 Skill 本质上就是一个 Markdown 文件（文件名固定为 SKILL.md）

my-skill/
└── SKILL.md   （唯一必需）

SKILL.md 基本模板:

---
name: pdf-processing
description: 从 PDF 中提取文本和表格，填写表单，并合并文档
---

# PDF 处理

## 使用场景
当需要对 PDF 文件进行操作时使用，例如：

- 提取 PDF 文本或表格数据
- 填写 PDF 表单
- 合并多个 PDF 文件

## 提取文本
- 使用 `pdfplumber` 提取文本型 PDF 内容  
- 扫描版 PDF 需配合 OCR 工具  

## 填写表单
- 读取 PDF 表单字段  
- 按输入数据填充并生成新文件  

最小必填示例:

---
name: skill-name
description: 说明该 Skill 的功能以及适用场景
---

含可选字段示例:

---
name: pdf-processing
description: 从 PDF 中提取文本和表格，填写表单，并合并文档
license: Apache-2.0
metadata:
  author: example-org
  version: "1.0"
---

字段	必需	说明
name	是	Skill 名称，最长 64 字符，只能使用小写字母、数字和 -，且不能以 - 开头或结尾
description	是	功能与使用场景说明，最长 1024 字符，不能为空
license	否	许可证名称或指向随 Skill 附带的许可证文件
compatibility	否	环境与依赖说明（产品、系统包、网络权限等），最长 500 字符
metadata	否	自定义键值对，用于扩展元数据（如作者、版本号）
allowed-tools	否	允许使用的工具列表（空格分隔，实验性功能）

如果你需要一些参考资料，参考实例，执行脚本，可以使用更复制 Skill 的目录结构：

my-skill/
├── SKILL.md      # 必需：指令 + 元数据
├── scripts/      # 可选：可执行代码
├── references/   # 可选：文档资料
└── assets/       # 可选：模板、资源

技能如何工作

技能用渐进式加载来高效管理上下文：

• 发现：启动时，AI 只加载每个技能的名称和描述，只保留最基本的识别信息。
• 激活：当任务匹配某个技能的描述时，AI 才把完整的 SKILL.md 指令读入上下文。
• 执行：AI 按照指令执行，按需加载参考文件或运行代码。

这种设计让 AI 保持快速，同时能按需获取更多信息。

---

Claude Code Skills

接下来我们以 Claude Code 为例来制作一个简单的 Skill。

Claude Code 按以下顺序查找并加载 Skill（越具体的位置优先级越高）：

级别	路径	生效范围
企业级	通过管理控制台配置（managed settings）	组织内所有用户
个人级	~/.claude/skills/<skill-name>/SKILL.md	你所有项目
项目级	.claude/skills/<skill-name>/SKILL.md	仅当前项目
插件级	<plugin>/skills/<skill-name>/SKILL.md	启用该插件的环境

每个 Skill 就是一个文件夹，文件夹名即技能标识（推荐 kebab-case 小写+连字符）。

最简结构：

~/.claude/skills/
  └── code-comment-expert/          # 技能文件夹名
      └── SKILL.md                  # 唯一必填文件（必须全大写 + .md 小写）

SKILL.md 完整格式：

---                                 #  YAML frontmatter 开始（顶格）
name: code-comment-expert           # 必填：技能名（也是 /slash 命令名）
description: >-                     # 必填：最关键一行！Claude 靠它判断是否加载
  为代码添加专业、清晰的中英双语注释。
  适合缺少文档、可读性差、需要分享审查的代码。
  常见触发场景：加注释、注释一下、加文档、explain this、improve readability

trigger_keywords:                   # 强烈推荐（大幅提升自动触发率）
  - 加注释
  - 注释
  - 加文档
  - explain code
  - document
  - comment this
  - readability

version: 1.0                        # 可选
author: yourname                    # 可选
---                                 # ← YAML 结束

# 这里开始是正文（Markdown）—— Claude 真正执行时的指令

你现在是「专业代码注释专家」。

## 核心原则
- 只在缺少注释或可读性明显不足处添加
- 优先使用英文 JSDoc / TSDoc 风格
- 复杂逻辑 / 非明显意图处额外加一行中文解释
- 注释精炼，每行不超过 80 字符
- 绝不修改原有逻辑

## 输出格式（严格遵守）
1. 先输出完整修改后的代码块（用 ```语言 包裹）
2. 再用 diff 形式展示只改动注释的部分
3. 最后说明加了哪些注释、理由

现在直接开始处理用户提供的代码，不要闲聊。

进阶文件结构（技能变复杂时推荐）

当技能超过 500–800 行，或需要模板/脚本/参考资料时，推荐以下组织方式：

~/.claude/skills/react-component-review/
  ├── SKILL.md                  # 核心指令 + 元数据（建议控制在 400 行内）
  │
  ├── templates/                # 常用模板（Claude 按需读取）
  │   ├── functional.tsx.md
  │   └── class-component.md
  │
  ├── examples/                 # 优秀/反例（给 Claude 看标准）
  │   ├── good.md
  │   └── anti-pattern.md
  │
  ├── references/               # 规范、规则、禁用词表
  │   ├── hooks-rules.md
  │   └── naming-convention.md
  │
  └── scripts/                  # 可执行脚本（需开启 code execution）
      ├── validate-props.py
      └── check-cycle-deps.sh

在 SKILL.md 中引用方式示例：

Markdown需要给出标准函数组件时，参考 templates/functional.tsx.md 的结构。

如果违反 Hooks 规则，对照 references/hooks-rules.md 第 3–5 条说明。

如需校验 propTypes，可执行 scripts/validate-props.py "{代码片段}"。

Claude 看到路径引用后，会按需加载对应文件，而不是一次性全部塞入上下文，极大节省 token。

---

第一个 Skill

让我们暂时忘掉复杂的创建过程，先从 使用一个现成的 Skill 开始，感受它带来的便利。

创建 Skill 目录

Skills 存放在 ~/.claude/skills/（个人全局）或项目目录下的 .claude/skills/（项目专用）。

本章节再项目目录下测试，先创建个目录 claude-test:

mkdir claude-test

进入该目录，创建 skills 的目录与文件：

mkdir -p .claude/skills/python-naming-standard

编写配置文件 SKILL.md

在目录下创建 SKILL.md，这是 Skill 的大脑 ，告诉 Claude 什么时候用它。

---
name: Python 内部命名规范技能
description: 当用户要求重构、审查或编写 Python 代码时，请参考此规范。
---

## 指令
1. 所有的内部辅助函数必须以 `_internal_` 前缀命名。
2. 如果发现不符合此规则的代码，请自动提出修改建议。
3. 在执行 `claude commit` 前，必须检查此规范。

## 参考示例
- 正确：`def _internal_calculate_risk():`
- 错误：`def _calculate_risk():`

字段要求：

• name：必须仅使用小写字母、数字和连字符（最多 64 个字符）
• description：Skill 的简要描述及其使用时机（最多 1024 个字符）

创建完后文件结构如下：

你的项目现在看起来应该是这样的：

my-project/
├─ src/
│  └─ test.py              # 项目源码
├─ .claude/
│  ├─ skills/
│  │  └─ hello-world/
│  │     ├─ skill.md       # Skill 定义（YAML + Instructions，机器可执行）
│  │     └─ README.md      # Skill 说明（人类阅读，可选）
│  └─ config.yml           # Claude 项目级配置（可选）
├─ .gitignore
└─ README.md               # 项目整体说明

接下来我们再终端执行以下命令启动 Claude Code：

claude

输入任务：

帮我写一个计算用户折扣的函数

Claude 就会会扫描已安装的 Skills，发现你的请求涉及 "Python 代码编写"，匹配了 python-naming-standard。

它会根据 SKILL.md 中的要求，生成如下代码：

def _internal_get_discount(user_score):
    # 计算逻辑...
    return discount

添加资源文件（可选）

另外我们可以在 .claude/skills/ 下添加以下目录：

在同一文件夹添加：

• examples/：存放示例文件。
• references/：存放参考文档。
• scripts/：存放可执行脚本（例如 Python 处理 PDF）。

然后在 SKILL.md 中引用：

查看示例 commit：./examples/good-commit.txt
运行脚本：使用工具执行 ./scripts/process.py

OpenClaw 作为开源个人AI助手平台，其核心价值在于通过Skills（技能）系统实现功能扩展，覆盖办公、开发、生活、娱乐等多个场景。Skills 是 OpenClaw 的“功能模块”，通过模块化设计让 AI 从“聊天工具”升级为“全能执行者”。以下结合2026年最新官方文档及社区实践，推荐优质Skills（含官方核心技能与社区高口碑技能），并说明其特点、使用场景及安全注意事项：

一、核心结论：OpenClaw Skills 的分类与选择逻辑

OpenClaw Skills 分为两类：

1. 官方技能：由 OpenClaw 团队开发，经过严格安全校验，覆盖基础操作、开发辅助、办公自动化等核心场景，是首选推荐（无恶意代码风险，适配性强）。

2. 社区技能：由开发者贡献，覆盖垂直领域（如智能家居、娱乐），需通过ClawHub（官方技能注册表）获取，注意安全风险（需选择高星、评论多的技能）。

选择 Skills 的逻辑：优先官方核心技能（满足80%日常需求）→ 补充社区高口碑技能（解决垂直场景问题）→ 避免未知来源的技能（防止恶意代码）。

二、官方优质Skills推荐（2026年最新）

官方技能均存储在 ~/.openclaw/skills（本地）或ClawHub（公共注册表），以下是9个核心技能（覆盖基础、开发、办公场景）：

1. 基础操作类：系统管理的“基石”

• filesystem：文件系统操作（创建、删除、复制文件/文件夹），支持递归操作，适合批量整理文件（如“将Downloads文件夹中的图片按月份分类”）。

• shell：执行Shell命令（如ls、cd、git clone），支持管道操作（如“查看当前目录下大于100MB的文件”），是开发者的“必备工具”。

• process：管理系统进程（查看、杀死进程），适合解决“进程卡死”问题（如“杀死占用8080端口的Java进程”）。

2. 开发辅助类：程序员的“效率神器”

• git：Git 操作（克隆、提交、推送、分支管理），支持自动合并冲突（如“将dev分支合并到main分支，解决冲突后提交”），减少手动操作。

• github：GitHub 集成（查看Issues、创建Pull Request、运行Actions），适合自动化工作流（如“当有新的Issue时，自动分配标签并通知团队”）。

• code：代码生成与调试（支持Python、JavaScript等语言），能自动补全代码（如“生成Python Flask的路由代码”）和排查Bug（如“解释‘NullPointerException’的原因”）。

3. 办公类：职场人的“减负工具”

• calendar：日历管理（创建、修改、删除事件），支持同步到Google Calendar/Outlook（如“添加‘项目会议’到日历，提前30分钟提醒”）。

• email：邮件处理（发送、接收、筛选邮件），支持自动回复（如“对‘请假申请’邮件自动回复‘已收到，将尽快审批’”）。

• document：文档生成（Markdown、PDF），支持模板化生成（如“生成‘项目周报’模板，包含进度、问题、下一步计划”）。

• pdf: 提取内容、生成新PDF、合并拆分。

• docx：生成Word文档，带格式的，不是纯文本。

• xlsx：生成Excel，带公式、带图表，做报表的利器。

• pptx：直接生成PPT。

• document-skill：面向 Office 格式文档（docx、pdf、pptx、xlsx）的专业文档创建、编辑与分析能力。适用于处理 Word 文档、PDF 文件、PowerPoint 演示文稿或 Excel 电子表格时使用。

4.记忆类

• "QMD"：QMD 是一个本地语义搜索引擎，专为 AI Agent 设计。它解决了 OpenClaw 原生记忆系统的核心痛点：每次查询都要读取全部记忆文件。节省Token约90%。

5. Agent基础能力类

• "find-skills" 是 Vercel Labs 开源的一个 AI Agent 技能发现工具，属于 skills.sh 生态的核心基础设施。它是一个“元技能”（Meta-skill），专门用于搜索、发现和安装其他 AI Agent 技能。

核心功能：

1. 智能搜索：通过自然语言描述需求，从技能库中匹配相关技能包，支持中英文搜索。

2. 一键安装：找到技能后，只需一条命令即可完成安装，自动识别并适配用户本地的 AI Agent（如 Claude Code、Cursor、GitHub Copilot 等）。

3. 跨平台支持：兼容 35+ 种 AI 编程 Agent，实现“一次开发，多端复用”。

使用方式：​ 用户可以直接在 AI 助手中用自然语言提问（如“帮我找一个能自动写 PR 描述的 Skill”），AI 会自动调用 find-skills 进行搜索并返回结果，用户确认后即可一键安装。

技术特点：​ 采用动态加载机制，按需加载技能，减少上下文 Token 消耗（可降低 60% 以上）。技能以 SKILL.md 文件形式封装，遵循 agentskills.io 共享规范。

find-skills 解决了 AI Agent 用户“找技能难、安装繁、管理乱”的痛点，实现了技能发现与管理的全流程闭环

• "skill-creator" 帮你创建自己的skill，把你的经验和流程封装成可复用的能力。

• "using-superpower" 教AI怎么用好自己的高级能力，发挥最大潜力。

• "subagent-driven-development" 让多个AI分工合作完成复杂任务，自动分发和审查。

• "agent-tools" Agent工具集，给AI配备各种实用小工具。

• "Peekaboo" Skill 是 OpenClaw/Clawdbot（现称 Moltbot）等 AI 助手平台中的一个核心桌面自动化技能，主要用于 macOS 系统。它能让 AI 助手直接“看到”并操控你的电脑界面。

核心功能包括：

1. 屏幕捕获：截取全屏、指定应用窗口或特定区域的画面。

2. UI 自动化：通过 macOS 的 Accessibility API 执行点击、输入文字、滚动、拖拽、快捷键、操作菜单等交互动作。

3. 应用与窗口管理：可以启动/退出应用、列出/聚焦/移动/缩放窗口、操作 Dock 栏等。

4. 视觉分析（可选）：将截图发送给视觉模型（如 Claude、GPT-4V）进行分析，实现“看到什么就操作什么”的智能交互。

技术原理：Peekaboo 并非简单的坐标点击工具，而是一个将屏幕捕获、AI 视觉理解和结构化 UI 自动化（通过其底层库 AXorcist）深度融合的框架。它通过 PeekabooBridge集成到 Moltbot 中，复用其系统权限，从而实现可靠的跨虚拟桌面（Space）的自动化操作。

典型使用场景：远程监控 AI 操作、自动填写网页表单、批量处理文件、操作微信等桌面应用。安装后，用户可以通过自然语言指令（如“打开微信，截取当前界面发给我”）来驱动这些自动化任务。

• “Agent-Tools” 作为一个具体的 Skill（技能包），其核心内容是为 AI 智能体提供一套系统性的指令和资源，使其能够理解、选择并高效使用各类外部工具。

核心内容与功能：

1. 工具目录与说明：技能包内会维护一个结构化的工具列表（如代码解释器、文件处理器、搜索引擎API等），并为每个工具提供清晰的描述、适用场景、调用方法和参数示例。

2. 决策逻辑：包含一套指导AI如何根据用户任务（如“分析这份数据”、“搜索最新新闻”）来评估和选择最合适工具的规则或决策树。

3. 使用模板与最佳实践：提供调用工具的标准话术、错误处理示例以及组合使用多个工具完成复杂任务的流程模板。

工作方式：

当AI智能体加载此技能后，它不再仅仅依赖内置的基础能力。遇到用户请求时，AI会依据该技能中的指令，像查阅“工具使用手册”一样，自动匹配工具、格式化请求并执行调用，最后将工具返回的结果整合成自然语言回复给用户。

简单来说，这个Skill将AI从一个“只有基础能力的助手”，变成了一个“能熟练查阅手册并操作各种专业工具的高级技师”，大幅扩展了其解决实际问题的范围和效率。

• “Brainstorming” 作为一个 AI Agent Skill，其核心内容是为 AI 智能体提供一套结构化、可引导的流程与方法，以协助用户高效地进行创意发散、问题分析和想法生成。

核心内容与功能：

1. 结构化流程：提供如 SCAMPER、六顶思考帽、逆向思维等经典头脑风暴框架，引导 AI 按步骤提问或激发想法。

2. 提问与提示库：包含一系列用于打破思维定式、深入探索问题或连接不同概念的优质提示问题。

3. 想法组织与收敛方法：指导 AI 如何帮助用户对生成的大量想法进行分类、聚类、优先级排序，并提炼出核心方案。

工作方式：

当用户提出一个需要创意或解决方案的问题（如“为新产品起名”、“解决客户投诉率高的方案”）时，加载了此技能的 AI 不会直接给出单一答案，而是化身为创意协作者，通过提出特定问题、运用创意框架、鼓励组合与改进现有概念等方式，引导用户系统性地产生和优化想法。

核心价值：

它将 AI 从一个“直接回答者”转变为“创意引导者”，帮助用户克服思维瓶颈，确保创意过程既发散（产生大量选项）又聚焦（最终收敛到可行方向），显著提升团队或个人的创新效率与质量。

• “Agent Browser” 作为一个 AI Agent Skill，其核心内容是赋予 AI 智能体自动化操作网页浏览器（如 Chrome）的能力，使其能够像真人一样浏览网页、提取信息并执行交互任务。

核心内容与功能：

1. 浏览器控制指令：提供一套标准化的指令集，让 AI 能执行打开网页、点击、滚动、填写表单、截图等基础浏览器操作。

2. 信息提取与解析：指导 AI 如何从网页的 HTML 结构中定位并提取所需的文本、数据、链接等内容，并进行结构化处理。

3. 复杂流程处理：包含处理登录验证、多步骤操作、等待页面加载、应对弹窗等复杂场景的逻辑与最佳实践。

工作方式：

当用户下达与网页相关的任务（如“查询某商品的最新价格并总结评价”、“自动填写并提交某个在线表格”）时，加载了此技能的 AI 会化身为虚拟的浏览器操作员。它根据技能中的指令，自动规划操作步骤，控制浏览器逐步执行，并实时“观察”页面变化，最终将获取的信息或操作结果整理后反馈给用户。

核心价值：

此技能将 AI 的能力从静态的文本处理，扩展到动态、交互式的真实网页环境，实现了网页调研、数据抓取、流程自动化等任务的自主完成，是连接 AI 与在线信息及服务的关键桥梁。

• "self-improving-agent" 需要 Agent 从错误中学习并自我改进，提供持续学习和策略优化能力

• "proactive-agent" 这是一个让AI智能体能够主动发起对话、预测用户需求并提前执行相关任务的智能预判与行动技能包。

• "Ontology" 是一个类型化知识图谱，用于结构化代理记忆和可组合技能。在以下场景中使用：创建/查询实体（如人员、项目、任务、事件、文档）、链接相关对象、强制执行约束、将多步行动计划建模为图转换，或当技能间需要共享状态时。触发场景包括：“记住”、“关于X我知道什么”、“将X链接到Y”、“显示依赖关系”、实体增删改查（CRUD）或跨技能数据访问。

• "ralph-loops" 这是一个通过文件记录进度、让AI代理能够以干净状态迭代完成复杂任务的循环执行器技能，解决了AI在处理多轮复杂任务时上下文混乱的问题。

6. 编程和产品构建

工作方式：

当用户报告一个错误或异常现象时，加载了此技能的 AI 会化身为系统化的调试助手。它不会盲目尝试，而是依据技能中的结构化流程，引导用户或自主执行一系列诊断操作：从复现问题、查看错误信息、检查相关代码变更，到提出假设、验证假设，并最终定位根本原因，甚至提供修复建议。

核心价值：

此技能将 AI 从“凭直觉猜测”的调试模式，提升为基于方法论和证据的工程化排查，显著提高调试效率与准确性，尤其适用于复杂、难以复现或跨模块的系统性问题。

• "vercel-react-best-practices" 整个生态排名第一，React最佳实践全封装，做前端必装。

• "remotion-best-practices" Remotion视频框架最佳实践，用代码做视频和动画的必装。

• "vercel-composition-patterns" 和React最佳实践是一套的，配合使用效果更好。

• "vercel-react-native-skills" React Native最佳实践，做移动端App的装这个

• "next-best-practices" Next.js最佳实践，做全栈项目的装这个

• "teset-driven-development" 先写测试再写代码，代码质量有保障。

• "Product-Manager-Skills" 这是一个赋予AI智能体产品经理核心工作方法与决策框架（如需求分析、优先级排序、产品规划）的技能包。

• "knowledge-site-creator" 这是一个让AI智能体能够根据用户的一句话描述，自动理解主题、创作内容、生成页面并一键部署知识学习网站的技能包。

• "code-simplifier" 这是一个专注于在不改变功能的前提下，提升代码清晰度、一致性与可维护性的代码简化专家技能。

• “Systematic Debugging” 作为一个 AI Agent Skill，其核心内容是为 AI 智能体提供一套结构化、可重复的流程与方法，以系统性地定位、分析和解决软件代码或系统中的错误（Bug）。

  核心内容与功能：

• 调试框架与流程：提供如“假设-验证”、“二分法排查”、“日志与断点分析”等经典调试方法论，指导 AI 按步骤缩小问题范围。

• 常见错误模式库：包含针对不同编程语言或系统的常见错误类型、典型症状及解决方案的索引，帮助 AI 快速匹配已知问题。

• 工具链集成指南：指导 AI 如何有效利用调试器、日志分析工具、性能剖析器、单元测试等工具来收集信息和验证修复。

7. 写作和思考类

• "copywriting" 写文案的全能选手，帮你理清结构、优化表达，不是一键生成的套路货。

• "content-strategy" 内容规划，帮你想选题、规划内容日历，适合需要持续产出的人。

• "marketing-ideas" 营销创意发散，做推广方案的适合可以用它找灵感。

• "social-content" 专门做社交媒体内容的，小红书、朋友圈、短视频文案都能用。

• "Auto-Redbook-Skills" 这是一个自动撰写小红书笔记、生成多主题卡片并支持可选自动发布的技能。

• "xiaohongshu-ops-skill" 这是一个基于浏览器自动化实现小红书账号自动运营（包括发布、回复、爆款复刻）的技能。

8. 设计和视觉类

• "web-design-guidelines" 一套完整的网页设计规范，做出来的网页不再有一眼AI的廉价感。

• "ui-ux-pro-max" 更专业，关注用户体验和交互设计，适合做产品的人。

• "canvas-design" 在 AI Agent 生态中通常指一类利用可视化画布进行产品设计、原型制作或工作流编排的技能或工具。它让用户（尤其是非技术背景者）能够通过拖放界面直观地设计产品原型、用户流程或 AI 工作流，而无需编写代码。

核心功能一般包括：

1. 可视化布局：在画布上自由排列组件、绘制流程图或界面原型。

2. 组件拖放：从库中拖拽预置的 UI 元素、逻辑节点或数据连接器。

3. 实时协作与迭代：支持多角色（如产品经理与设计师）同步编辑，AI 可即时根据修改调整关联产出。

4. AI 辅助生成：根据自然语言描述自动生成界面草图、用户流程或结构化文档。

典型平台/技能：

1. Paraflow：作为“画布式产品设计代理”，模拟 PM 与设计师协同，在统一画布上生成产品需求文档、用户流程和原型。

2. CogniAgent 的 CogniCanvas：通过拖放逻辑构建器设计 AI 工作流，实现无代码自动化。

3. MoltBot 的 Canvas + A2UI：提供安全的可视化容器，让 AI 代理能动态生成交互式界面。

4. OpenAI AgentKit 的 Visual Canvas：用于以无代码方式构建多智能体工作流。

这类工具的核心价值在于降低设计门槛、加速从概念到原型的转化，并确保各环节（需求、设计、开发）的一致性。

• "tailwind-design-system" Tailwind CSS设计系统，做前端的配合着用效果很好。

• "algorithmic-art" 用算法生成艺术图案，做独特视觉风格的效果。

9. 营销和增长类

• "audit-website" 给网站做全面体检，告诉你哪里有问题、怎么改。

• "seo-audit" 专门做SEO分析，自己研究太费时间，让AI帮你扫一遍。

• "product-marketing-context" 帮你梳理产品卖点和用户痛点。

10. 黑科技类

• "nodes" 这是一个让AI智能体能够实现电脑与手机设备联动，访问手机截图、录屏、定位、摄像头、推送通知等功能的跨设备控制技能包。

三、社区高口碑Skills推荐（2026年）

社区技能通过ClawHub（https://clawhub.com）获取，以下是4个高星技能（覆盖智能家居、娱乐、生活场景）：

1. 智能家居：smart-home（4.8星，1000+评论）

• 功能：控制智能设备（如Philips Hue灯光、Sonos扬声器、小米扫地机器人），支持场景联动（如“当检测到有人回家时，打开灯光并播放音乐”）。

• 使用场景：适合智能家庭用户，减少手动操作（如“用语音指令‘打开客厅灯’，OpenClaw 自动执行”）。

2. 娱乐：music（4.7星，800+评论）

• 功能：音乐播放（支持Spotify、Apple Music、网易云音乐），支持歌词同步（如“播放‘周杰伦-晴天’，显示歌词”）和​ playlist 管理（如“创建‘健身’ playlist，添加10首快节奏歌曲”）。

• 使用场景：适合音乐爱好者，提升娱乐体验（如“用指令‘播放我的 workout playlist’，OpenClaw 自动播放”）。

3. 生活：weather（4.6星，700+评论）

• 功能：天气预报（实时天气、未来7天预报），支持位置自定义（如“查询‘北京朝阳区’的天气”）和预警通知（如“当有大雨预警时，发送通知提醒带伞”）。

• 使用场景：适合日常出行，提前规划（如“早上出门前，用指令‘查天气’，OpenClaw 回复‘今天晴，25℃，适合穿短袖’”）。

4. 教育：learning（4.5星，600+评论）

• 功能：学习计划制定（如“制定‘Python入门’学习计划，每天学习1小时”）、知识点查询（如“解释‘机器学习’的基本概念”），支持进度跟踪（如“查看‘Python入门’的学习进度”）。

• 使用场景：适合学生/自学者，提升学习效率（如“用指令‘制定英语学习计划’，OpenClaw 自动生成计划”）。

四、安全使用Skills的注意事项

1. 优先官方技能：官方技能经过严格安全校验，无恶意代码风险（如filesystem、git等）。

2. 社区技能需谨慎：选择高星（≥4.5星）、多评论（≥500条）的技能，避免未知来源的技能（如ClawHub上的“冷门技能”）。

3. 权限管理：Skills 需要系统权限（如filesystem需要访问文件，shell需要执行命令），建议开启沙盒模式（Sandbox），限制 Skills 的权限（如“禁止删除系统文件”）。

4. 定期更新：通过clawhub update --all命令更新Skills，修复已知漏洞（如github技能的“权限泄露”漏洞）。

五、总结：如何选择适合自己的Skills？

1. 基础需求：先安装官方核心技能（filesystem、git、calendar），满足日常操作需求。

2. 垂直需求：如果需要智能家居或娱乐功能，选择社区高口碑技能（smart-home、music）。

3. 安全需求：避免使用未知来源的技能，定期更新Skills，开启沙盒模式。

通过以上推荐，你可以快速搭建个性化的OpenClaw AI助手，覆盖办公、开发、生活等多个场景，提升效率并减少手动操作。如需了解更多Skills，可访问ClawHub（https://clawhub.com）或OpenClaw 官方文档（https://openclaw.ai/docs/skills）。

skill全集网址：

github.com

Agent Skills 相关资源整理

资源说明	链接
Skill 聚合入口	https://skills.sh/
Skills 市场（中文界面）	https://skillsmp.com/zh
Agent Skills 官方标准站点	https://agentskills.io
Anthropic 官方工程文章（Agent Skills 实战理念）	https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills
VS Code Copilot Agent Skills 文档	https://code.visualstudio.com/docs/copilot/customization/agent-skills
Anthropic 官方 Skills GitHub 仓库	https://github.com/anthropics/skills
Claude 技能精选列表（Awesome 系列）	https://github.com/ComposioHQ/awesome-claude-skills
软件开发自动化工作流 Skills 集合	https://github.com/obra/superpowers
自动生成 Skill 的 Skill（官方示例）	https://github.com/anthropics/skills/tree/main/skills/skill-creator
OpenClaw 的公共 Skills 注册中心	ClawHub

参考文章链接：

Skills 教程 | 菜鸟教程