OpenClaw Skill 开发实战

OpenClaw 的 3 种扩展方式（先选对类型）

Skill 就是个 Markdown 文件（加可选的脚本/参考），Agent 按需加载，读完知道什么时候该用、怎么用。没有编译、没有 plugin API——这正是 Skill 能 scale 的原因：Agent 自己就能写。

SKILL.md 的解剖

一个 Skill 是个自包含目录，入口是 SKILL.md，YAML frontmatter + Markdown body：

---
name: daily-briefing
description: "Generate a structured daily work briefing from Git activity and manual input.
  Use when (1) user says 'daily briefing'; (2) user asks to summarize today's work;
  (3) user shares work items for formatting."
metadata:
  openclaw:
    emoji: "📋"
    requires:
      bins: ["git"]
    install:
      - type: brew
        package: git
---

## Trigger
- user says "日报" / "daily briefing"
- user shares work items

## Process
1. if no items given, run `{baseDir}/scripts/collect-git-activity.sh` to gather today's commits
2. classify into ✅ done / ⚠️ blocked / 📅 tomorrow
3. format with the template below

## Rules
- use the exact template — no extra sections
- do NOT add a summary or commentary at the end

3 个最关键的字段：

• description：路由信号。封顶约 250 token，必须明确何时该被触发（"Use when (1)…(2)…(3)…"）。Agent 拿这个跟用户输入做匹配——这是 Skill 系统里最高杠杆的字段
• metadata.openclaw.requires：声明依赖（bins / env / config），harness 启动前会检查环境
• metadata.openclaw.install：缺依赖时怎么装（brew / node / go / uv / download）

Skill 是怎么被发现和加载的

层级搜索路径（workspace local 优先 → user level → 内置 ~50 个 skill），clawhub install 装的托管 skill 落到 ~/.openclaw/skills/。Loader watch 这些目录，丢一个新 SKILL.md 进去几百毫秒就能用，无需重启。

但 Skill 不是免费的——它驻留在 system prompt 里，每多一个就吃 token。所以 description 要写紧，越精炼路由越准。

完整可跑的 Daily Briefing Skill

具体交付物：

1. SKILL.md（路由 + 流程 + 模板）

trigger + process + 固定输出模板（日期 + ✅/⚠️/📅 三段）+ 显式 Rules 阻止模型添加闲聊式 commentary。

2. scripts/collect-git-activity.sh（真实 Bash 脚本）

#!/usr/bin/env bash
set -euo pipefail

# 1. 确认在 git 仓库里
if ! git rev-parse --is-inside-work-tree >/dev/null 2>&1; then
  echo "✗ 当前目录不是 git 仓库"
  exit 1
fi

# 2. 取今天的 commits
TODAY="$(date '+%Y-%m-%d')"
COMMITS="$(git log --since="$TODAY 00:00" --oneline --no-merges 2>/dev/null || true)"
COUNT="$(echo "$COMMITS" | grep -c . || true)"

# 3. 打印一段干净的 activity block 给 agent
echo "📅 Date: $TODAY"
echo "📦 Commits today: $COUNT"
echo ""
if [[ "$COUNT" -gt 0 ]]; then
  echo "$COMMITS"
else
  echo "(无 commits)"
fi

3. references/（report-format 详细指南）

SKILL.md 用 [link] 链过去而不是 inline 进 Markdown body——保持 system prompt 里那部分越小越好。

Lobster 编排：人工审批 + 多步管线

多步自动化光靠 Agent 自由发挥不可靠。Lobster 是 OpenClaw 的结构化 shell/workflow DSL（YAML/JSON），比 free-form agent 指令稳，比 Bash 结构化：

name: news-briefing
steps:
  - id: search
    command: "bash scripts/tavily-search.sh 'AI Agent 2026'"

  - id: summarize
    command: "bash scripts/deepseek-summarize.sh"
    stdin: "$search.stdout"

  - id: preview
    command: "bash scripts/format-preview.sh"
    stdin: "$summarize.stdout"
    approval: "required"             # 暂停等人工审批

  - id: push
    command: "bash scripts/feishu-push.sh"
    stdin: "$summarize.stdout"
    condition: "$preview.approved"   # 审批通过才推送

跑法：

lobster run --mode tool         # 跑到 approval 暂停，返回 resume token
lobster resume --token <TOKEN> --approve yes   # 审批通过 → 推送

关键设计：approval: required + condition: $preview.approved 是工程化的人机协作——不是「我让 Agent 等用户回复」这种脆弱方案，而是 framework 级别的暂停/恢复。

诚实边界

源材料是课程内容（讲义/课件），不是已发布的代码仓库——所以这个项目是对 OpenClaw Skill 模型的忠实研究 + 在它之上从零搭出来的 Daily Briefing Skill 和 Lobster 管线。这是定位本身的价值：理解机制（SKILL.md 路由、加载模型、token 成本、Lobster 编排）到能正确写 Skill 的程度，不是虚构一个 CLI 工具。

价值点

• 理解 OpenClaw / Agent-Skills 模型：SKILL.md vs plugin vs channel、frontmatter 路由、分层加载、system-prompt token 预算
• 能端到端写出一个真实 Skill：紧凑 trigger + 配套 Bash 脚本 + references
• 知道 何时需要结构化编排（Lobster）+ 人工审批——free-form Agent 不够可靠时的下一步