OpenClaw自定义Skill开发完整步骤记录(2026最新版)
逻极
OpenClaw 自定义 Skill 开发完整指南(最新版)
OpenClaw 之所以能成为极具扩展性的开源 AI Agent,核心在于其 Skill 扩展机制。不同于传统 Agent 需通过严格 API 对接扩展功能,OpenClaw 的 Skill 仅需“文件夹 + 自然语言描述文件”即可实现,AI 能通过阅读描述自动理解何时调用、如何使用该技能,极大降低了开发门槛,让普通用户也能打造专属 AI 能力。

我们一起从核心原则、开发流程、基础/进阶示例、社区发布等维度,完整拆解 OpenClaw 自定义 Skill 的开发全流程,帮助你快速上手并实现个性化需求。
一、核心认知:什么是 OpenClaw Skill?
OpenClaw 中的每个 Skill,本质是一套“能力描述 + 执行逻辑”的组合包,核心特征如下:
核心载体:以文件夹为单位,文件夹内必须包含 SKILL.md 文件(能力描述核心);
扩展文件:可选
agent.py(Python 执行逻辑)、index.ts(TypeScript 执行逻辑)、references/(辅助文档/示例资源)等;核心优势:AI 通过阅读 SKILL.md 的自然语言描述理解技能,无需严格遵循代码接口,灵活度极高;
加载优先级:OpenClaw 按以下顺序加载技能(高优先级覆盖低优先级):
工作区技能:
<your-workspace>/skills/(项目级技能,适合团队协作);用户技能:
~/.openclaw/skills/(个人级技能,推荐新手使用);内置技能:OpenClaw 安装时自带的基础能力(如文件读写、浏览器操作)。
二、Skill 开发核心原则(必看)
开发前需明确 3 个核心原则,避免踩坑:
SKILL.md 是核心:无论是否编写代码,SKILL.md 都必须完整——它直接决定 AI 是否能正确识别、调用技能;
描述越详细,AI 越精准:重点写清“何时用、怎么用、异常情况怎么处理”,多举示例帮助 AI 理解;
权限明确化:若技能需文件读写、网络访问、Shell 执行等权限,务必在 SKILL.md 中明确标注,既方便用户判断安全性,也符合社区发布规范。
三、推荐开发流程(新手优先用户技能目录)
新手建议优先使用“用户技能目录”(~/.openclaw/skills/)开发,无需修改项目配置,步骤如下:
步骤 1:创建技能目录
通过终端命令创建独立的技能文件夹(文件夹名称建议简洁,用小写字母+横杠,如 my-weather-skill):
# 1. 创建用户技能目录(若不存在则自动创建) mkdir -p ~/.openclaw/skills/ # 2. 创建具体技能文件夹(以“天气查询”技能为例) mkdir -p ~/.openclaw/skills/my-weather-skill # 3. 进入技能目录,准备编写文件 cd ~/.openclaw/skills/my-weather-skill
步骤 2:编写核心文件(SKILL.md + 可选代码)
根据需求选择“纯文本描述”(新手入门)或“文本描述 + 代码”(进阶功能),具体示例见下文。
步骤 3:测试验证
重启 OpenClaw Gateway(修改 SKILL.md 可无需重启,系统自动监听;修改代码必须重启);
通过网页 Dashboard(
http://127.0.0.1:18789/)或聊天工具(WhatsApp/Telegram)发送指令测试;查看日志排查问题:终端执行
openclaw logs,或在 Dashboard 查看“Logs”板块。
步骤 4:发布到社区(可选)
技能测试稳定后,可发布到 ClawHub(OpenClaw 官方技能市场),供其他用户一键安装。
四、基础示例:纯 SKILL.md 技能(新手入门首选)
无需编写任何代码,仅通过 SKILL.md 的自然语言描述即可实现技能,适合简单场景(如查询、指令分发、固定回复等)。以下以“全球天气查询”技能为例,完整演示开发过程。
1. 编写 SKILL.md 文件
在 my-weather-skill 目录下创建 SKILL.md 文件,内容分为“固定元数据头”和“详细描述”两部分:
--- # 固定元数据头(必须,AI 优先读取) name: weather-query description: 查询全球主要城市实时天气,支持中文查询(含温度、天气状况、湿度、风力) version: 1.0.0 author: 你的名字 permissions: 网络访问权限(用于调用天气 API) --- # Weather Query Skill(技能名称,可自定义) ## 1. Description(技能详细说明) 当用户询问天气相关问题时,使用此技能查询实时天气数据,以清晰、友好的中文格式返回结果,帮助用户快速了解目标城市的天气情况。 ## 2. When to use(触发场景:明确 AI 何时调用此技能) - 用户说:“北京今天天气怎么样?” - 用户说:“上海明天会下雨吗?” - 用户说:“纽约当前温度是多少?” - 用户说:“成都后天的天气预报” - 用户说:“帮我查一下广州近 3 天的天气” ## 3. How to use(调用逻辑:教 AI 如何使用技能) 1. 从用户消息中提取 2 个核心信息: - 目标城市(必须,如“北京”“上海”); - 查询时间(可选,默认“今天”,支持“明天”“后天”); 2. 调用内置天气查询工具(或外部公开天气 API)获取数据; 3. 整理数据并返回,格式要求: - 开头明确“城市 + 时间”(如“北京 2026年2月10日 天气”); - 核心信息:温度(默认摄氏度)、天气状况(晴/雨/多云等)、湿度、风力; - 结尾补充温馨提示(如“今日有雨,建议带伞”); 4. 若未提取到城市,主动追问用户确认具体城市。 ## 4. Edge cases(边缘场景:处理异常情况) - 模糊地点(如“家附近”“公司旁边”):回复“请告诉我具体城市名称,以便准确查询天气”; - 未支持城市(如小众县城):回复“暂不支持该城市的天气查询,建议尝试省会或主要城市”; - 未来多天查询(如“深圳近一周天气”):优先返回未来 3 天概览,说明“长期预报精度有限,仅作参考”; - 无网络情况:回复“当前网络不可用,无法查询天气,请检查网络连接后重试”。
2. 测试纯文本技能
确保 OpenClaw Gateway 已启动(若未启动,执行
openclaw gateway);在聊天工具或 Dashboard 发送测试指令:
帮我查一下北京今天的天气;验证结果:若 AI 正确返回天气信息,说明技能生效;若未调用,检查 SKILL.md 中“When to use”场景描述是否清晰,或查看日志排查。
五、进阶示例:带 Python 代码的 Skill(实现复杂功能)
对于需要执行具体操作(如生成文件、调用外部 API、操作本地设备)的技能,需搭配代码实现。以下以“生成二维码”技能为例,演示“SKILL.md + Python 代码”的完整开发流程。
1. 创建技能目录结构
技能目录需包含核心描述文件和代码文件,结构如下:
~/.openclaw/skills/generate-qr-code/ # 技能根目录
├── SKILL.md # 核心描述文件(必须)
├── agent.py # Python 执行逻辑(核心代码文件)
└── references/ # 辅助资源文件夹(可选)
└── example-qr.png # 示例二维码图片(用于说明技能效果)2. 编写 SKILL.md(关联代码逻辑)
--- name: generate-qr-code description: 生成二维码/条形码,支持文本、URL、WiFi 配置等内容,可自定义尺寸、颜色并指定保存路径 version: 1.0.0 author: 你的名字 permissions: 文件写入权限(用于保存二维码图片) --- # Generate QR Code Skill(生成二维码技能) ## 1. Description 当用户需要将文本、URL、WiFi 信息等转换为可视化二维码时,使用此技能生成二维码图片,并保存到指定路径(默认保存到桌面),支持自定义尺寸和颜色。 ## 2. When to use - 用户说:“帮我把 https://openclaw.ai 生成二维码” - 用户说:“生成一个包含 WiFi 信息的二维码,名称:MyWiFi,密码:12345678” - 用户说:“生成黑色二维码,内容是‘Hello OpenClaw’,保存到 D 盘根目录” - 用户说:“帮我做一个 400px 大小的二维码,内容是我的手机号 13800138000” ## 3. How to use 1. 从用户消息中提取核心参数: - 必选:生成内容(文本/URL/WiFi 信息,WiFi 格式需为“WIFI:S:名称;T:类型;P:密码;;”); - 可选:尺寸(默认 300px)、颜色(默认黑色)、保存路径(默认桌面); 2. 若用户未指定可选参数,使用默认值; 3. 调用 agent.py 中的 generate_qr 函数执行生成操作; 4. 返回结果:告知用户二维码保存路径,若生成失败,说明具体原因(如路径无权限、内容为空)。 ## 4. Implementation(代码关联说明) - 依赖库:qrcode(生成二维码)、Pillow(图片处理); - 核心函数:async def generate_qr(text: str, size: int = 300, color: str = "black", save_path: str = None); - 参数说明: - text:二维码内容(必选); - size:二维码尺寸(单位 px,默认 300); - color:填充颜色(默认 black,支持英文颜色名或十六进制色值,如 #FF0000); - save_path:保存路径(默认桌面,文件名:qr_code.png)。 ## 5. Edge cases - 内容为空:回复“请提供需要生成二维码的内容(如文本、URL、WiFi 信息)”; - 保存路径无权限:回复“指定路径无写入权限,请更换保存路径(如桌面)”; - 未安装依赖库:自动尝试安装 qrcode 和 Pillow,若安装失败,提示用户手动执行“pip install qrcode pillow”; - 特殊字符内容:自动过滤无效字符,确保二维码可正常识别。
3. 编写 Python 代码(agent.py)
实现生成二维码的核心逻辑,注意函数需为 async 异步函数(适配 OpenClaw 的异步调度机制):
import qrcode
from PIL import Image
import os
import subprocess
import sys
# 自动安装依赖库(若用户未安装)
def install_dependencies():
required_packages = ["qrcode", "pillow"]
for package in required_packages:
try:
__import__(package) # 检查库是否已安装
except ImportError:
# 自动安装缺失的库
subprocess.check_call([sys.executable, "-m", "pip", "install", package])
# 初始化:安装依赖库
install_dependencies()
async def generate_qr(text: str, size: int = 300, color: str = "black", save_path: str = None) -> str:
"""
生成二维码并保存到指定路径,返回生成结果
参数:
text: 二维码内容(必选,文本/URL/WiFi 信息等)
size: 二维码尺寸(px,默认 300)
color: 填充颜色(默认 black,支持英文或十六进制色值)
save_path: 保存路径(默认桌面 qr_code.png)
"""
# 1. 校验必填参数
if not text or text.strip() == "":
return "生成失败:请提供需要生成二维码的内容(如文本、URL、WiFi 信息)"
# 2. 处理默认保存路径(适配 Windows/macOS/Linux 多系统)
if not save_path:
if sys.platform == "win32":
# Windows 桌面路径
save_path = os.path.join(os.environ["USERPROFILE"], "Desktop", "qr_code.png")
else:
# macOS/Linux 桌面路径
save_path = os.path.expanduser("~/Desktop/qr_code.png")
# 3. 生成二维码
try:
# 配置二维码参数(version:1-40,box_size:方块大小,border:边框宽度)
qr = qrcode.QRCode(
version=1,
error_correction=qrcode.constants.ERROR_CORRECT_M, # 中等容错率(30% 错误可识别)
box_size=10,
border=4,
)
qr.add_data(text.strip()) # 添加二维码内容
qr.make(fit=True) # 自动适配内容大小
# 生成图片并调整尺寸
img = qr.make_image(fill_color=color, back_color="white")
img = img.resize((size, size), Image.Resampling.LANCZOS) # 高质量缩放
# 确保保存目录存在(若路径不存在则创建)
save_dir = os.path.dirname(save_path)
if not os.path.exists(save_dir):
os.makedirs(save_dir)
# 保存图片
img.save(save_path)
return f"二维码生成成功!已保存到:{save_path}\n提示:若无法找到文件,可复制路径到文件管理器直接打开"
except PermissionError:
return f"生成失败:无权限写入指定路径({save_path}),请更换保存路径(如桌面)或提升文件权限"
except Exception as e:
return f"生成失败:未知错误 - {str(e)}"4. 测试代码型 Skill
安装依赖库(若未自动安装):终端执行
pip install qrcode pillow;重启 OpenClaw Gateway(修改代码必须重启):
openclaw gateway restart;发送测试指令:
帮我生成一个包含 URL https://openclaw.ai 的二维码,尺寸 400px,颜色红色,保存到桌面;验证结果:查看桌面是否存在二维码图片,AI 是否返回成功提示;若失败,通过
openclaw logs查看错误日志。
六、发布技能到 ClawHub(社区共享)
开发完成的技能可发布到 OpenClaw 官方社区技能市场 ClawHub,供全球用户一键安装。发布前需确保技能结构完整、无恶意代码、描述清晰。
1. 发布前置检查
目录结构完整:至少包含 SKILL.md,代码文件(若有)可独立运行;
SKILL.md 规范:元数据头完整,“触发场景、调用逻辑、边缘情况”描述清晰;
权限说明明确:需在 SKILL.md 中标注技能所需权限(如文件读写、网络访问);
无恶意代码:禁止包含窃取数据、破坏设备、运行病毒等恶意逻辑。
2. 执行发布命令
终端中运行以下命令,发布技能到 ClawHub:
# 发布命令格式 clawhub publish [技能目录路径] \ --slug [技能唯一标识] \ --name [技能展示名称] \ --version [版本号] \ --description [技能简短描述] \ --public \ --author [作者名] \ --license [开源许可证] # 示例(发布“天气查询”技能) clawhub publish ~/.openclaw/skills/my-weather-skill \ --slug my-weather-query \ --name "我的天气查询技能" \ --version 1.0.0 \ --description "支持全球主要城市实时天气查询,中文友好,自动识别查询场景" \ --public \ --author "你的名字" \ --license MIT
参数说明:
--slug:技能唯一标识(小写字母+横杠,不可重复,如 my-weather-query);--public:公开技能(所有人可见可安装),若为私有技能则去掉此参数;--license:推荐使用 MIT 许可证(与 OpenClaw 一致,兼容性更好)。
3. 验证发布结果
发布成功后,终端会返回技能在 ClawHub 的访问链接(如
https://clawhub.com/skills/my-weather-query);可通过搜索验证:终端执行
clawhub search my-weather-query,若能找到技能则说明发布成功。
4. 其他用户安装你的技能
发布后,其他用户仅需执行以下命令即可一键安装:
clawhub install my-weather-query # my-weather-query 是你发布时的 --slug 参数
七、实用开发技巧 & 避坑指南
SKILL.md 编写技巧:
“When to use”部分多举示例:AI 对具体示例的理解远优于抽象描述;
“How to use”按步骤拆解:用 1、2、3 清晰说明执行流程,降低 AI 理解成本;
边缘场景全覆盖:提前考虑“用户输入模糊”“权限不足”“网络异常”等情况,避免技能执行失败。
代码开发避坑:
函数必须为 async 异步函数:OpenClaw 基于异步机制调度技能,同步函数会导致阻塞;
适配多系统:文件路径使用
os.path模块处理,避免硬编码(如不直接写“C:/Desktop”“/Users/xxx/Desktop”);添加异常捕获:用 try-except 捕获可能的错误(如权限不足、文件不存在),并返回友好提示。
测试技巧:
优先用 Dashboard 测试:网页端日志更清晰,方便排查问题;
强制 AI 显示思考过程:测试时在指令后添加“请说明你的思考过程”,如“查北京天气,请说明你的思考过程”,可判断 AI 是否正确识别技能;
单独测试代码:先脱离 OpenClaw,直接运行代码函数(如调用 agent.py 中的 generate_qr),确认代码可独立运行再集成。
动态刷新机制:
修改 SKILL.md:无需重启 Gateway,系统会自动监听文件变化并刷新;
修改代码文件(agent.py/index.ts):必须重启 Gateway 才能生效。
八、推荐学习路径(新手到进阶)
入门阶段:开发 1-2 个纯 SKILL.md 技能(如“问候语技能”“简单计算器技能”),熟悉 SKILL.md 的核心结构;
基础代码阶段:开发带 Python/TS 代码的技能(如“文本文件生成”“本地图片压缩”),掌握代码与 SKILL.md 的关联方式;
进阶阶段:开发调用外部 API 的技能(如“股票查询”“翻译工具”),学习异步请求、API 密钥安全管理(避免硬编码);
社区学习阶段:参考 ClawHub 上高下载量技能(如官方内置技能),学习优秀的 SKILL.md 写法和代码实现思路;
发布阶段:将成熟技能发布到 ClawHub,收集社区反馈,优化技能兼容性和用户体验。
九、官方参考资源
OpenClaw 官方 Skill 开发文档:https://docs.openclaw.ai/tools/skills
ClawHub 社区技能市场:https://clawhub.com(浏览优秀技能示例)
OpenClaw GitHub 内置技能源码:https://github.com/openclaw/openclaw/tree/main/skills
MCP 协议文档(技能开发标准):https://docs.openclaw.ai/tools/mcp
官方 Discord 技能开发交流区:https://discord.gg/openclaw(提问、分享经验)
十、总结
OpenClaw 自定义 Skill 开发的核心优势在于“低门槛 + 高灵活”——无需复杂的 API 对接,仅通过自然语言描述即可实现基础技能,搭配简单代码就能扩展复杂功能。对于新手,建议从纯 SKILL.md 技能入手,熟悉 AI 对描述的理解逻辑;对于进阶用户,可通过代码集成外部 API、本地设备操作等能力,打造专属的“AI 数字员工”。
开发技能的关键在于“把 AI 当作合作者”,用清晰、详细的描述帮它理解你的需求——你描述得越清楚,AI 执行得就越精准。赶紧动手开发第一个专属 Skill,解锁 OpenClaw 的无限可能吧!
到此这篇关于OpenClaw自定义Skill开发完整步骤的文章就介绍到这了,更多相关OpenClaw自定义Skill内容请搜索脚本之家以前的文章或继续浏览下面的相关文章,希望大家以后多多支持脚本之家!
