OpenClaw Skills

OpenClaw 可以添加很多 Skill 以提升自身的能力，skills 可以从如下地址下载：

Skills 管理工具 Clawhub

教程文档

Clawhub 文档

Clawhub 是由 OpenClaw 官方提供的 Skill 管理工具，可以用该工具搜索、安装、升级或卸载 skill。首先安装该工具：

npm i -g clawhub

# 登录
clawhub login --token <从clawhub注册登录拿到CLI token>

# 搜索
clawhub search "pdf"

# 安装
clawhub install pdf

Note

用 clawhub 安装的 Skills 默认是装在当前 Agent 的工作目录中的 Skills 里，是局部的。想要装成全局 Skills，需要手动安装。

手动下载 Skills

  • 在 clawhub.ai 上找到想要的，下载到 OpenClaw 的工作目录下的 skills 目录下即可（没有就创建一个）
  • 可以在 WebUI 的"技能"中查看到安装的 Skills

Note

第一次运行某个新 skill 的时候可能速度会比较慢，因为会安装一些依赖包。

办公 Skills

下载了如下 skills：

解压拷贝到 .openclaw/skills 目录下。

总结 PDF 内容

总结 PDF 时，需要给予 OpenClaw 具体的 PDF 路径或者文件名，否则会全盘扫描。

生成 Excel 表

提供一些源数据，生成一个 Excel 文件：

  • 请帮我根据这些信息生成一个 Excel 文件，需要包含图表，并存储在桌面的 xxx.xlsx 文件内

生成 PPT

帮我生成一个 PPT，这个 PPT 是关于 OpenClaw 介绍相关的，只需要生成三页 PPT 即可，注意你需要先列出来大纲，然后再生成 PPT。请注意你需要使用桌面的 openclaw.pptx 模版进行生成。

自我进化 Skills

地址

self-improving-agent

这个 skill 不是"多了一个命令"，而是给 agent 加了一套行为模式：

做事 → 复盘 → 记录纠正 → 沉淀经验 → 下次改进
当 agent 出错、被纠正、完成重要任务、或发现更优方法时，让它主动复盘并把经验沉淀为长期规则。

它的目标不是单次答对，而是越用越会做。

用法：

  1. 用法 1：出现错误时直接触发
  2. 用法 2：做完一个重要任务后让它复盘
  3. 用法 3：把你的偏好沉淀进去

个人知识库 - second-brain

地址

second-brain | 来源：Openclaw帮你管理个人知识库

second-brain 是 ClawHub 上的知识管理插件，名字直译就是"第二大脑"。把各种输入（读书笔记、会议记录、灵感碎片、文章摘录）统一存进一个结构化的本地知识库，用 AI 帮你检索、整理、关联。

与普通笔记软件的核心区别：不需要手动分类整理，直接把内容扔给它，它自己理解语义、建立关联。下次用自然语言问它，它从知识库里把相关内容找出来，不依赖你记得存在哪个文件夹。

安装与配置

clawcli install second-brain

# 初始化知识库存储路径（默认存在本地，不上云）
clawcli config second-brain --storage-path ~/second-brain
clawcli config second-brain --init

# （可选）自动备份到同步盘
clawcli config second-brain --backup-path ~/Dropbox/second-brain-backup

openclaw restart

使用方式

直接用自然语言和 OpenClaw 对话即可，它识别意图并调用 second-brain：

操作 示例
存笔记 记下来：《思考，快与慢》里说的锚定效应——人在做判断时会过度依赖第一个接收到的信息
存会议记录 整理这段会议记录并存档：[会议内容]
查询 帮我找找知识库里和定价策略相关的内容
按时间回顾 帮我列出这周存进去的所有笔记
主题聚合 帮我整理一下知识库里所有和远程工作、效率管理相关的笔记，按主题归类
知识连线 我最近记录的这条关于专注力管理的笔记，和我之前记过的哪些内容有关联？

核心能力

  • 语义检索：用自然语言查询，不需要记得存在哪里
  • 自动关联：存入时自动记录来源、打标签、与已有知识建立关联
  • 主题聚合：把散落各处的笔记按主题整理汇总
  • 知识发现：发现不同笔记之间你没有意识到的关联

与记忆插件的区别

second-brain 侧重主动的知识管理（存笔记、按主题检索、知识关联），下面的 memos-local 记忆插件侧重对话上下文的持久化记忆。两者互补。

记忆插件

文档

memos-local-openclaw-plugin

OpenClaw 自己本身也有内建 memory 机制（MEMORY.md / memory*.md + memory_search）。而这个 memos-local-openclaw-plugin 是memory 类插件，本地 SQLite 存储。

部署完成后可以可视化查看存储起来的 memory（127.0.0.1:18799）。

安全审计 - skill-vetter

地址

skill-vetter

这个 skill 是 spclaudehome 做的，下载量 30000+，LobeHub 评分 4.96/5。它本身是一个纯文档型 skill，没有任何可执行代码，说白了就是一套安全审查协议。装上之后，每次你要安装新的 skill，它会引导你走四步审查流程：先查来源（作者信誉、GitHub 活跃度、Star 数量），然后做代码审查（扫描数据外泄模式、credential 访问、eval() 调用、可疑网络请求），再分析权限范围，最后给出风险评级，分 LOW、MEDIUM、HIGH、EXTREME 四个等级。

浏览器搜索和互联网平台信息抓取

Agent-browser & Agent-Reach

AI Agent 最大的痛点是什么？看不到外面的世界。这两个配合起来，基本上让你的 OpenClaw 长出了眼睛和手。

Agent-browser

仓库

vercel-labs/agent-browser

Agent-browser 是 Vercel Labs 用 Rust 写的无头浏览器自动化 CLI，GitHub 19600+ stars。Agent-browser 其实不算是 Skill，本质上是个无头浏览器工具。

跟传统的浏览器自动化工具比（Puppeteer、Playwright），它最大的不同在于用 accessibility-tree 快照生成稳定的元素引用，类似 @e1、@e2 这种标记。传统 CSS 选择器在页面变动时很容易失效，但这种基于 accessibility-tree 的引用要稳定得多，对 AI Agent 来说简直是刚需。

除了基本的页面导航和元素交互，它还支持截图、PDF 生成、网络请求拦截、视频录制，甚至能做像素级 diff 对比。

npm install -g agent-browser
agent-browser install  # 下载Chromium，linux下加上 --with-deps 安装依赖
npx skills add vercel-labs/agent-browser

Claude Code 和 OpenClaw 都能用。

场景：Web 数据采集

需要从某个网站收集一些公开信息？以前要么手动复制，要么让 AI 写爬虫脚本。现在可以让 AI 直接用 agent-browser 操作：打开页面、获取元素、提取文本，整个流程在对话中就能完成。

Agent-Reach

这个 skill 解决的是另一个大问题：让 AI Agent 免费访问各大平台的内容。Twitter/X、Reddit、YouTube、GitHub、B 站、小红书，都能通过它来搜索和读取，关键是不需要任何 API key。

它背后用的是 xreach CLI 读 Twitter、yt-dlp 读视频、Jina Reader 读网页，这些都是成熟的开源工具。写文章做调研的时候就靠它，先跑一下 agent-reach doctor 检查哪些渠道可用，然后按需调用。

Claude Code 和 OpenClaw 都能用：

帮我安装 Agent Reach：
https://raw.githubusercontent.com/Panniantong/agent-reach/main/docs/install.md

百度搜索 Skill

背景

Browser Agent、Playwright：帮我登录公众号排版，帮我登录 12306 买票。但现实是，所有平台都非常介意这种事。严重一点直接封号。小红书已经封过一批了。公众号都只敢拿小号。所以 Browser Agent 之类 Skill 看起来很酷，但目前很多场景其实不敢用。

我反而认为最重要的一个 Skill，是搜索。为什么？因为如果不装搜索 Skill 的话，模型是没有最新知识的。

模型不是也有搜索能力吗？

是这样没错。但 OpenClaw 接模型的方式是通过 API，API 里是没有搜索的。搜索是 Chat 产品层额外做了一层插件。现在没有哪个模型有原生搜索的能力。

所以如果你在 OpenClaw 里不装搜索 Skill，模型就是个半瞎子。因为模型的知识是有截止日期的。很多最新的信息，比如新闻、公司动态、产品更新，模型基本上都不知道。所以有的时候它就会一本正经地胡说八道。

这也是为什么在 OpenClaw 生态里，搜索类的 Skill 下载量一直非常高。大家都意识到了，Agent 只要你想让它真正干活，它必须得有眼睛。就像我们自己，现在干活要是没有搜索引擎的话，基本上就没办法干了。

而搜索类 Skill，我强烈推荐国内用户还是用百度的 Skill。之前我也装过 Brave Search Skill，但真实的体感是中文领域的搜索效果，百度仍然最好。

Skill 地址

baidu-search

装完之后，需要配一个 API Key，可以在下面的地址申请。目前每天有免费额度福利，也不需要绑定信用卡，还是很方便的。

百度 API Key 申请

可视化面板

仓库

ClawDeckX

这个比较好看：

systemctl --user status clawdeckx
systemctl --user stop clawdeckx
systemctl --user start clawdeckx