Skills 与记忆系统

学习目标: 掌握 OpenClaw 的 Skills 扩展机制和持久记忆系统，了解多 Agent 路由和高级特性
预计时间: 25 分钟
难度等级: ⭐⭐☆☆☆

一、Skills 扩展系统

1.1 从模块 09 继续讲

模块 09 详细介绍了 SKILL.md 开放标准[^1]。OpenClaw 是 SKILL.md 标准的主要践行者之一——它通过加载 SKILL.md 文件来给 Agent 添加新能力。

快速回顾 SKILL.md 的核心结构：

SKILL.md（四元组 S = (C, π, T, R)）
├── C — Context：适用场景和上下文约束
├── π — Policy：执行策略和工作流程
├── T — Tools：依赖的工具列表
└── R — Result：输出规范和格式要求

1.2 安装 ClawHub Skills

ClawHub 是 OpenClaw 的社区 Skills 市场。安装一个 Skill 只需一条命令：

bash

# 搜索 Skills
openclaw skill search weather

# 安装
openclaw skill add @community/weather

# 查看已安装
openclaw skill list
# 已安装的 Skills：
# ✅ @community/weather     v1.2.0  天气查询
# ✅ @community/news        v0.9.1  新闻摘要
# ✅ @community/translator  v2.0.0  多语言翻译

安装后，Skill 的 SKILL.md 文件会放在 ~/.openclaw/skills/ 目录下。你可以直接打开查看它做了什么。

1.3 OpenClaw Skills vs Claude Code Skills

两者都遵循 SKILL.md 标准，但定位不同：

维度	Claude Code Skills	OpenClaw Skills
运行环境	IDE 终端	聊天应用
交互方式	命令行	自然语言对话
工具范围	文件系统、Git、终端	消息平台、Web、API
典型场景	代码重构、调试、测试	信息查询、任务管理、自动化
用户群体	开发者	所有人

一个 Skill 可以同时兼容两个平台——只要它的工具依赖在两个平台上都可用。比如"翻译 Skill"在 Claude Code 和 OpenClaw 中都能工作，因为翻译本身不依赖特定环境。

1.4 编写自己的 Skill

创建目录和 SKILL.md：

bash

mkdir -p ~/.openclaw/skills/my-daily-report

markdown

<!-- ~/.openclaw/skills/my-daily-report/SKILL.md -->
---
name: daily-report
version: 1.0.0
description: "生成每日工作总结"
author: me
tools:
  - read_file  # 读取日志文件
  - web_fetch   # 获取外部数据
---

# 每日工作总结 Skill

## 适用场景 (C)

当用户说"生成今天的报告"或每天晚上 10 点自动触发时使用。

## 执行策略 (π)

1. 读取当天对话记录，提取关键任务
2. 检查记忆中的待办列表，标记完成状态
3. 如果有未完成任务，列出并说明原因
4. 汇总成 Markdown 格式的日报

## 工具依赖 (T)

- `read_file`：读取记忆和日志文件
- `web_fetch`：可选，获取外部数据源

## 输出规范 (R)

格式：

## 日报 - {日期}

### 已完成
- 任务1 ✅
- 任务2 ✅

### 未完成
- 任务3 ❌ (原因)

### 明日计划
- 建议任务

二、持久记忆系统

2.1 存储位置

所有记忆文件存储在 ~/.openclaw/memory/ 目录下：

~/.openclaw/memory/
├── conversations/          # 对话历史
│   ├── 2026-03-15.md
│   └── 2026-03-16.md
├── facts/                  # 记住的事实
│   ├── user-profile.md     # 用户基本信息
│   └── preferences.md      # 偏好设置
├── tasks/                  # 任务管理
│   ├── active.md           # 进行中的任务
│   └── completed.md        # 已完成的任务
└── summaries/              # 总结和摘要
    └── weekly-2026-03-3.md

2.2 四类记忆

类型	内容	示例
对话记忆	历史聊天记录	"上周二你问过我关于 React 的问题"
事实记忆	用户相关信息	"用户是前端工程师，主要用 TypeScript"
任务记忆	待办和完成的任务	"用户要求每天早上发新闻摘要"
总结记忆	周期性总结	"本周完成了三个项目重构"

2.3 Memory 读写机制

Agent 在每次交互时都会进行记忆的读写：

读取（每轮对话开始时）：

读取最近 7 天的对话摘要
读取与当前话题相关的事实
读取活跃任务列表
将以上信息注入 Prompt 上下文

写入（每轮对话结束时）：

将本轮对话追加到当日对话文件
如果发现新的用户信息，更新事实记忆
如果涉及任务变更，更新任务记忆

为什么用 Markdown 而不是数据库

可读性：你可以直接用文本编辑器查看和修改 Agent 的记忆
可调试：出问题时打开文件就能看到 Agent 记住了什么、记错了什么
可移植：Markdown 是通用格式，换工具时记忆可以带走
版本控制：可以用 Git 管理记忆文件，追踪变化历史

2.4 手动管理记忆

你可以直接编辑记忆文件来纠正 Agent 的理解：

bash

# 查看所有事实记忆
cat ~/.openclaw/memory/facts/user-profile.md

# 输出可能像这样：
# # 用户档案
# - 名字：小明
# - 职业：前端工程师
# - 主要语言：TypeScript / Python
# - 偏好：简洁回答，中文交流

# 直接编辑，修正错误信息
vim ~/.openclaw/memory/facts/user-profile.md

也可以通过对话让 Agent 修改：

你: 记住，我改用 Go 了，不用 Python

小爪: 好的，已更新。你的主要编程语言现在是 TypeScript 和 Go。

三、多 Agent 路由

3.1 为什么需要多 Agent

你可能希望不同的消息平台连接不同的 Agent：

Telegram 上的 Agent 是你的工作助手，严肃专业
Discord 上的 Agent 是你的娱乐伙伴，轻松幽默
WhatsApp 上连接家庭群，负责日程提醒

OpenClaw 支持将不同通道路由到隔离的 Agent 实例。

3.2 配置示例

yaml

# ~/.openclaw/config.yaml
agents:
  work-agent:
    soul: ~/.openclaw/souls/work-soul.md
    memory: ~/.openclaw/memory/work/
    skills:
      - code-review
      - meeting-notes
      - jira-helper

  fun-agent:
    soul: ~/.openclaw/souls/fun-soul.md
    memory: ~/.openclaw/memory/fun/
    skills:
      - trivia
      - game-recommender

routing:
  telegram: work-agent
  discord: fun-agent
  whatsapp: work-agent

3.3 隔离机制

不同 Agent 之间的记忆是完全隔离的：

work-agent 的记忆          fun-agent 的记忆
├── conversations/         ├── conversations/
├── facts/                 ├── facts/
│   └── "用户是前端工程师"     │   └── "用户喜欢策略游戏"
├── tasks/                 ├── tasks/
│   └── "周五代码审查"        │   └── "周末玩游戏"

你在 Telegram 上告诉 Agent 的工作秘密，Discord 上的 Agent 完全不知道。

四、高级特性

4.1 Live Canvas（A2UI）

Live Canvas 是 OpenClaw 的一个实验性特性，允许 Agent 生成实时的 Web 界面。

当你问 Agent"帮我做一个投票页面"时，它不只是回复文字描述，而是直接生成一个可以在浏览器中交互的页面。这背后是 A2UI（AI to UI）协议——Agent 将 UI 描述发送给前端渲染器。

当前状态：实验性，需要手动启用：

yaml

# ~/.openclaw/config.yaml
features:
  live_canvas:
    enabled: true
    port: 18790  # Canvas 渲染服务端口

4.2 语音唤醒

OpenClaw 支持语音输入（通过消息平台的语音消息功能）：

用户发送语音消息
Channel 将语音转写为文字（使用 Whisper 或平台自带的语音转文字）
Agent 处理文字内容
回复可以是文字或语音（TTS）

4.3 伴侣应用

OpenClaw 提供了手机伴侣 App（iOS / Android），用于：

查看和管理 Gateway 运行状态
快速编辑 SOUL.md 和 Skills
查看记忆文件
接收通知

伴侣 App 不是必须的——所有功能都可以通过 CLI 和消息平台完成。

思考题

检验你的理解

OpenClaw Skills 和 Claude Code Skills 都遵循 SKILL.md 标准，但它们的工具依赖为什么不同？
Agent 的记忆存在文件系统中，如果文件被意外删除会怎样？有什么恢复方案？
多 Agent 路由中，两个 Agent 能否共享部分记忆？思考一下如何实现。
Live Canvas 特性中，Agent 生成的 UI 存在哪些安全风险？

本节小结

OpenClaw Skills 遵循 SKILL.md 标准，通过 ClawHub 市场安装或自己编写
四类记忆（对话、事实、任务、总结）存储在 ~/.openclaw/memory/ 下，Markdown 格式可直接编辑
多 Agent 路由允许不同通道连接不同 Agent，记忆完全隔离
高级特性包括 Live Canvas（A2UI）、语音唤醒和伴侣应用

下一步: 掌握了使用方法后，最后一节看看社区生态——ClawHub 有什么好用的 Skill、安全风险有哪些，以及 OpenClaw 和其他方案的全面对比。

← 返回模块首页 | 继续学习:社区生态与展望 →

[^1]: Anthropic Engineering Blog, "Introducing Claude Agent Skills as an Open Standard", December 2025. https://www.anthropic.com/engineering/skills-open-standard [^2]: OpenClaw 官方文档, "Skills & Memory". https://docs.openclaw.org/skills-and-memory

Skills 与记忆系统 ​

一、Skills 扩展系统 ​

1.1 从模块 09 继续讲 ​

1.2 安装 ClawHub Skills ​

1.3 OpenClaw Skills vs Claude Code Skills ​

1.4 编写自己的 Skill ​

二、持久记忆系统 ​

2.1 存储位置 ​

2.2 四类记忆 ​

2.3 Memory 读写机制 ​

2.4 手动管理记忆 ​

三、多 Agent 路由 ​

3.1 为什么需要多 Agent ​

3.2 配置示例 ​

3.3 隔离机制 ​

四、高级特性 ​

4.1 Live Canvas（A2UI） ​

4.2 语音唤醒 ​

4.3 伴侣应用 ​

思考题 ​

本节小结 ​

Skills 与记忆系统

一、Skills 扩展系统

1.1 从模块 09 继续讲

1.2 安装 ClawHub Skills

1.3 OpenClaw Skills vs Claude Code Skills

1.4 编写自己的 Skill

二、持久记忆系统

2.1 存储位置

2.2 四类记忆

2.3 Memory 读写机制

2.4 手动管理记忆

三、多 Agent 路由

3.1 为什么需要多 Agent

3.2 配置示例

3.3 隔离机制

四、高级特性

4.1 Live Canvas（A2UI）

4.2 语音唤醒

4.3 伴侣应用

思考题

本节小结