🚀 本文收录于Github：AI-From-Zero 项目 —— 一个从零开始系统学习 AI 的知识库。如果觉得有帮助，欢迎 ⭐ Star 支持！

# OpenClaw Skill和OpenAI Function Calling有何异同？

> by @Laizhuocheng

---

## 一、核心差异：接口 vs 知识

OpenAI Function Calling是你用JSON Schema定义一个函数接口，让LLM决定何时调用它并生成参数；OpenClaw Skill是你用自然语言写一份操作说明书，让LLM读懂后自己决定怎么用底层工具完成任务——**前者定义的是"接口"，后者传递的是"知识"**。

**说人话就是：** 想象你要教别人做菜。Function Calling就像给厨师一张精确的食谱卡片："材料：鸡蛋2个、番茄1个；步骤：1.打蛋 2.切番茄 3.炒蛋 4.加番茄"。而Skill就像给朋友一本烹饪指南："番茄炒蛋的做法有很多种，关键是要掌握火候和调味。如果你喜欢酸甜口味，可以多放番茄；如果喜欢嫩滑口感，蛋要快速翻炒..."。

Function Calling是**结构化的**：你告诉模型"有一个叫get_weather的函数，接受city参数，返回天气数据"。模型只负责在合适的时候生成调用指令，实际执行由你的代码完成。

Skill是**语义化的**：你告诉模型"这是一份关于如何操作GitHub的说明，包括什么时候该用它、怎么用gh CLI命令、遇到问题怎么处理"。模型读懂说明后，用它已有的Tool（如exec）自行执行操作。

![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-11994342/2d9eccb16ec4f716b4b7e43afd4cf075.png)

---

## 二、机制对比：谁在"执行"？

这是两者最根本的区别。

### OpenAI Function Calling的流程：
```
用户请求 → LLM推理 → 生成函数调用 → 你的代码执行 → 返回结果 → LLM生成最终回答
```

LLM在这里做的事情是：**决定调用什么，生成参数**。真正的执行（查数据库、调API）发生在你自己的代码里，LLM看不到也控制不了具体的实现。

### OpenClaw Skill的流程：
```
用户请求 → LLM读取Skill说明 → LLM决定调用哪些Tool → LLM生成Tool调用 → Tool执行 → 返回结果 → LLM生成最终回答
```

LLM在这里做的事情是：**读懂说明书，然后自己决定调用哪些底层Tool，按什么顺序执行**。Skill本身不是可执行代码，它是写给LLM看的自然语言指导。

---

## 三、定义方式的差异

这个差异在格式上一眼就能看出来。

### Function Calling（OpenAI风格）：
```json
{
  "name": "get_github_prs",
  "description": "Get open pull requests for a repository",
  "parameters": {
    "type": "object",
    "properties": {
      "repo": {
        "type": "string",
        "description": "Repository in owner/name format"
      },
      "state": {
        "type": "string",
        "enum": ["open", "closed", "all"]
      }
    },
    "required": ["repo"]
  }
}
```

**特点**：
- 严格的JSON Schema
- 有类型定义，有枚举值
- 机器可以验证参数是否合法
- 接口契约明确

### OpenClaw Skill（SKILL.md格式）：
```markdown
---
name: github
description: Interact with GitHub — review PRs, create issues, check CI status, and manage branches.
---

## When to use
Use when the user mentions GitHub, pull requests, code review, or asks to merge / create / close branches.

## How to use
1. Use `gh` CLI for most operations
2. Always confirm before merging or deleting branches  
3. If `gh` is not installed, tell the user to install it first
```

**特点**：
- 纯自然语言
- 没有类型系统，没有参数验证
- LLM读懂这段文字后，自己决定怎么用exec Tool去运行gh命令
- 包含场景判断和最佳实践

---

## 四、各自的优势和局限

| 维度 | Function Calling | OpenClaw Skill |
|------|-----------------|----------------|
| **定义方式** | JSON Schema（结构化） | Markdown自然语言（语义化） |
| **执行者** | 你的代码 | LLM自行调用底层Tool |
| **参数验证** | 有类型系统，机器可验证 | 无，依赖LLM理解 |
| **适合场景** | 接口清晰、需要确定性的操作 | 复杂多步骤、需要判断的任务 |
| **扩展方式** | 增加新函数定义 | 增加新Skill文件 |
| **错误处理** | 代码层精确捕获 | LLM自行判断，非确定性 |
| **可测试性** | 单元测试友好 | 难以穷举测试 |

### Function Calling的优势：可靠性

- **函数定义是机器可读的**，参数类型有约束
- **执行结果可以精确捕获和处理**
- **错误边界清晰**，便于调试和监控
- **性能可预测**，不会出现意外的LLM行为

### Skill的优势：灵活性

- **不需要预先枚举所有可能的参数和场景**
- **LLM可以根据上下文灵活解读说明书**
- **处理各种未预料到的情况**
- **开发成本低**，自然语言比JSON Schema更容易编写和维护

![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-11994342/19541850dcbfa3ecee74c1c377ecc3c2.png)

---

## 五、两者并不互斥

一个关键事实：**OpenClaw底层仍然在使用类似Function Calling的机制**——exec、web_fetch、browser这些Tool，都是以结构化方式暴露给LLM的能力接口。

Skill是在这些Tool之上加了一层"**领域知识**"：它告诉LLM在具体的业务场景下（比如操作GitHub），该如何组合使用这些底层Tool。

可以把它理解成**两层抽象**：
- **Tool是动词**（能做什么）
- **Skill是剧本**（在什么场景下按什么顺序用这些动词）

### 实际工作流程示例

当用户说"帮我看看GitHub上有没有新的PR"：

**Function Calling方式**：
1. LLM识别需要调用`get_github_prs`函数
2. 生成参数：`{"repo": "myorg/myproject", "state": "open"}`
3. 你的代码执行GitHub API调用
4. 返回PR列表给LLM
5. LLM生成最终回答

**OpenClaw Skill方式**：
1. LLM读取github Skill说明
2. 决定使用`exec` Tool运行`gh pr list --repo myorg/myproject`
3. 执行命令获取PR列表
4. LLM直接处理输出并生成回答

---

## 六、开发哲学的差异

Function Calling和Skill的差异，折射出两种不同的AI应用开发哲学。

### Function Calling代表的哲学：
"**AI作为决策层，代码作为执行层**"
- 职责清晰分离
- 需要开发者为每种能力预先写好执行代码
- 适合传统软件工程思维
- 强调可靠性和可维护性

### Skill代表的哲学：
"**AI既是决策层也是执行层**"
- 开发者只需写说明，AI负责从理解到执行的全链路
- 代价是引入了不确定性
- 适合敏捷开发和快速迭代
- 强调灵活性和开发效率

---

## 七、未来趋势与选择建议

随着LLM能力的持续提升，我们可能会看到越来越多的系统向Skill这种范式迁移——因为**用自然语言写说明，远比维护大量JSON Schema更低成本，也更容易被非专业开发者参与贡献**。ClawHub上超过3000个社区贡献的Skill已经在验证这个方向。

### 选择建议

**选择Function Calling当**：
- 任务接口清晰、参数明确
- 对可靠性要求极高（金融、医疗等场景）
- 需要精确的错误处理和监控
- 团队有较强的工程能力

**选择OpenClaw Skill当**：
- 任务复杂、涉及多步骤协调
- 需要处理模糊或变化的需求
- 开发资源有限，追求快速迭代
- 希望降低非技术用户的参与门槛

### 混合使用策略

实际上，最好的方案往往是**混合使用**：
- 核心能力用Function Calling保证可靠性
- 复杂场景用Skill提供灵活性
- 底层Tool保持结构化，上层Skill提供语义指导

这种分层架构既能享受LLM的智能，又能保持系统的可控性，是当前AI Agent开发的最佳实践。

🚀 本文收录于Github：AI-From-Zero 项目 —— 一个从零开始系统学习 AI 的知识库。如果觉得有帮助，欢迎 ⭐ Star 支持！

OpenClaw Skill 与 OpenAI Function Calling 深度对比：一文看懂本质差异

OpenAI Function Calling是你用JSON Schema定义一个函数接口，让LLM决定何时调用它并生成参数；OpenClaw Skill是你用自然语言写一份操作说明书，让LLM读懂后自己决定怎么用底层工具完成任务——**前者定义的是"接口"，后者传递的是"知识"**。

数据开发/数据仓库

人工智能

编程语言

开发工具

OpenClawSkill与OpenAIFunctionCalling对比：前者通过自然语言说明书指导LLM执行任务，后者通过JSONSchema定义函数接口。FunctionCalling适合确定性任务，Skill适合复杂场景。混合使用可兼顾灵活性与可靠性，是AI开发最佳实践。

敏捷开发

软件工程

单元测试

数据库

GitHub

2026新春采购季

tione

tencentdb-catalog

tapd

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

OpenClaw Skill 与 OpenAI Function Calling 深度对比：一文看懂本质差异-腾讯云开发者社区-腾讯云

OpenClaw Skill 与 OpenAI Function Calling 深度对比：一文看懂本质差异

OpenClaw Skill 与 OpenAI Function Calling 深度对比：一文看懂本质差异

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐