什么是 Skill？ 简单说，Skill 是一个文件夹，里面包含 SKILL.md（核心指令文件）和配套脚本。它的作用是给 Agent 赋予特定的"工作流程"能力，而不是零散的、每次都要重新解释的指令。

Skill vs Memory：最根本的差别是精度。Memory 是模糊检索——Agent 每次都要"理解"存储的内容，时间长了还会衰减、遗忘。Skill 是精确的文本合约：SKILL.md 白纸黑字地写清楚"什么时候用、怎么做、不能怎么做"，Agent 不需要理解和解释，只需要执行。

什么时候用 Skill？ 当你需要 Agent 重复、稳定地执行同一类任务时，比如定时生成报告、按流程处理数据、自动巡检系统。一个任务如果要跑 3 次以上，流程相对稳定，就值得做成 Skill。

我开发了几个 Skills，踩了不少坑。下面分享几个主要问题、解决方案和相关经验。

---

踩坑记录

起因：靠 memory 执行重复任务，不稳定

最初的想法很简单：让 OpenClaw 执行一个任务，然后告诉它"记住这个流程"，存到 memory 里。想着以后再让它跑同样的任务就直接用 memory 里的流程。

但实际上很快就出现了问题：多跑几次，输出质量飘忽不定；第二天再让它做，要么格式全变、完全不符合要求，要么直接失忆；更离谱的是，有时候它还会否认自己之前做过这个任务。

根本原因是 OpenClaw 的 memory 是模糊检索，不是精确存储。它记住的是大概的意思，不是逐字逐步的流程。每次回忆时重新"理解"一遍，自然每次理解不一样。而且 memory 会被新信息冲刷，时间一长，早期存的内容权重就下降了。

所以我最后的结论是：要让 Agent 稳定重复执行同一个任务，不能靠 memory（不精确），必须靠 Skill（精确的文本指令）。SKILL.md 是白纸黑字的，不存在"忘了"或"理解偏差"的问题。

在开发 Skill 的过程中，我遇到了几个问题。下面逐一记录。

---

问题 1：OpenClaw 找不到刚部署的 Skill

现象：把新 Skill 部署到 <workspace>/skills 目录下，但 OpenClaw 找不到这个 Skill，不会自动触发。

原因：OpenClaw 似乎不会主动扫描 <workspace>/skills 下的新 Skill，新部署的 Skill 不会自动加载 (原因不明)。

解决方案：

1. 先执行命令确认 Skill 状态为"ready"：

   openclaw skills list
   

2. 告诉 OpenClaw：

   刷新 skill 列表
   

3. 如果刷新后还没有识别到新 Skill，告诉它：

   我在 workspace 下加了新的 [abc] skill
   

4. 然后要求它读取新 Skill：

   读一下 [abc] skill
   

5. OpenClaw 会读取该 Skill 的 SKILL.md 文件并描述其内容，证明 Skill 已被成功加载

---

OpenClaw Skill 加载优先级（官方文档）

OpenClaw 从多个位置加载 Skills，优先级从高到低：

优先级	位置	说明
1（最高）	<workspace>/skills	工作区 Skill
2	<workspace>/.agents/skills	项目 Agent 的 Skill
3	~/.agents/skills	用户个人 Skill
4	~/.openclaw/skills	本地全局 Skill
5	Bundled skills	OpenClaw 安装包自带的内置 Skill
6（最低）	skills.load.extraDirs	配置文件指定的额外目录

同名 Skill 出现在多个位置时，高优先级覆盖低优先级。

注：这部分内容参考自 OpenClaw 官方文档。

---

问题 2：修改 SKILL.md 后 Agent 还在用旧版本

现象：改了 SKILL.md 的内容，但 Agent 下次执行时还是按旧逻辑走。

原因：OpenClaw 宣称支持热重载，配置里也开了 watch: true，但实际上 Skill 更改后并不一定会自动更新（原因不明）。这个坑特别隐蔽 — 你可能测了半天，最后才意识到 Agent 根本没用新版本。

我的配置（watch 已开启）：

"skills": {
  "load": {
    "watch": true,       // 已设为 true，但不一定生效
    "watchDebounceMs": 250
  }
}

解决方案：

1. 修改 SKILL.md 后，告诉 OpenClaw：

   [abc] skill 已更新，重新加载
   

2. 通常 OpenClaw 会总结一下变化点（新增/删除/修改了什么）

3. 确认一下总结是否正确，确保新版本已被加载

4. 如果发现还是用旧逻辑，让 OpenClaw 清除记忆：

   清除和 [abc] skill 相关的记忆
   

   然后重新加载 Skill

教训：不要假设热重载生效了。每次在测试 Skill 的改动前，要确保 Skill 已经更新。

---

问题 3：黑盒创建 Skill 可能行不通

现象：最开始我让 OpenClaw 用 skill-creator 把任务执行的过程直接写成 Skill（我并没有检查 SKILL.md 的内容），纯黑盒测试 — 跑一遍看结果，不行就让 skill-creator 改，改完再跑，反复循环。但这种做法总有各种问题，而且效率很低。

原因：

• 不管是 OpenClaw 对需求的理解、它设计的方案，还是它做的改动，都可能存在偏差。它以为自己改好了，实际上问题还在。而我在不清楚 Skill 内容的情况下，做出的判断也不一定对 — 双方都在猜。
• Agent 对"什么是好的 Skill"缺乏判断力 — 它能写出语法正确的 SKILL.md，但不懂什么样的指令能让自己严格执行。它的"修改"本质上是猜测，不是反思。

解决 — 用写代码的方式写 Skill (可以用 coding agent 写)：

1. 先开发依赖脚本（scripts） — 抓取、解析、数据处理等脚本，要先测通，确保这层没问题
2. 再写 SKILL.md — 这一步要仔细检查 SKILL.md 内容，确保描述准确、步骤严谨
3. 最后放到 OpenClaw 里集成测试 — 测试 Skill 是否能按预期工作
4. 固化有效版本 — 一旦某个版本工作正常，通过版本控制 (例如git) 管理起来。能用的版本及时 commit，后续改坏了可以随时回退

这样做效率高了很多。更重要的是，出了问题我知道该查哪一层 — 因为我了解 Skill 内部是怎么回事。

教训：Skill 的核心设计还是需要由人来做 (尤其对于复杂的)。Skill Creator 适合生成初稿，不适合迭代打磨。

---

问题 4：定时任务不执行，或者执行了但不调用 Skill

现象：我需要一个定时任务，按照 Skill 执行操作并把结果发送到飞书 DM。但实际情况是：要么任务没按时执行，要么没调用 Skill，要么执行出错。

原因：定时任务有两种做法：1）系统 cron job；2）OpenClaw 内置的定时任务机制。应该使用方案 2，并正确配置。

解决：在 OpenClaw 的 Web UI 上配置（配置文件位于 ~/.openclaw/cron/jobs.json）。以我的定时任务为例：

基本信息

• 名称：填任务名称

调度

• 调度：选"Cron"，配置好 Cron 表达式
• 时区：填 Asia/Shanghai

执行

• 会话：选"隔离会话"
• 唤醒模式：选"立即"
• 执行内容：选"运行助手任务（隔离）"
• 超时：填一个合理的超时时间
• 助手任务提示：填具体的任务描述 — 这里要写得能够触发你的 Skill

投递

• 结果投递：选"发布摘要（默认）"
• 频道：选"飞书"

注意：Skill 里不需要写发送飞书的步骤，只需返回执行结果即可。隔离会话的结果会通过 Inter-session Message 回传到主会话，再由主会话投递到飞书。

教训：定时任务要用 OpenClaw 内置机制，不要用系统 cron。最关键的是"助手任务提示"那段话必须能触发 Skill，否则 Agent 不知道该调用什么。

---

问题 5：Agent 不严格执行 Skill，生成质量差

现象：Skill 里写了明确的步骤和格式要求，但 Agent 并不严格执行，输出质量不稳定。

原因：SKILL.md 里的指令太"建议性"，不够强制。Agent 天然倾向于偷懒和走捷径。

解决方案：

1. 用强制约束代替建议 — 用 MUST、MUST NOT、NEVER 明确规则

   ## 约束
   - MUST 严格按模板输出，NEVER 省略内容
   - MUST 保留具体数字、数据、关键信息
   - NEVER 改原意或自由发挥
   - NEVER 跳过任何步骤
   

2. 明确输出模板和数据指标 — 不是"参考"，而是"必须"

   ### 输出模板（MUST 严格遵守）
   
   - **[项目名称]** — [数据来源](URL)
     [用自己的话写 N 字核心内容]
   
   数据指标（MUST 满足）：
   - 类别A MUST ≥ X
   - 类别B MUST ≥ Y
   - 类别C MUST = Z（每项 M-N 字）
   

3. 用决策树而非文字描述流程 — 让 Agent 按逻辑分支执行，而非自由理解

   ## 执行流程（决策树）
   
   ① 数据获取
   IF 成功 → 进入②
   IF 失败 → 回退：排查错误，通知用户
   
   ② 数据过滤
   IF 符合条件 → 进入③
   IF 不符合 → 回退：调整参数，重新过滤
   
   ③ 内容提取与分析
   IF 质量指标满足 → 进入④
   IF 不满足 → 回退：扩大范围，重新提取
   
   ④ 报告组装
   [按模板输出]
   
   ⑤ 自检清单
   □ 所有指标都满足？□ 所有链接前置？
   □ 无省略内容？ □ 格式正确？
   

4. 强制自检清单 — 明确哪些必须检查，哪些必须 NEVER

   MUST 逐项检查后才能返回：
   □ 所有数据按照规则处理过？
   □ 所有内容用自己的话写过，不是直接复制？
   □ 所有必填项都有吗？
   
   NEVER：
   - NEVER 输出模板占位符文字
   - NEVER 省略任何数据
   - NEVER 等待用户确认（ALWAYS 直接执行）
   

教训：SKILL.md 是给 Agent 严格执行的代码，不是建议文档。用 MUST/NEVER + 决策树 + 自检清单，效果比"应该"强 100 倍。

---

总结

1. 写合约，不写建议 — SKILL.md 是执行代码，用 MUST/NEVER 的强制规则替代"应该"的建议。决策树、自检清单、明确格式，是让 Agent 严格执行的关键。

2. 工程方法 — 像开发代码产品一样开发 Skill。先把脚本逻辑搞定并测通，再精心设计 SKILL.md（流程、格式、验证点），最后在 OpenClaw 中集成测试。别用黑盒 + 反复试错。

好的 Skill 的稳定性和质量，取决于你是否把它当成"代码产品"来开发。