这两款 OpenClaw skills，竟然还有人不知道

最近，OpenClaw 在技术圈和 AI 玩家群里火得一塌糊涂。

我自然也没有错过这波热潮。每天下班回家，我都会花大量时间调试我的 agent。

但我发现一个非常有意思的现象：

同样是养 OpenClaw，不同人养出来的龙虾，智商差异巨大。

有的 Agent 像钢铁侠的贾维斯，你给个模糊指令，它能自动拆解、调用工具、把代码写好还顺便跑个测试；

而有的 Agent 就像个人工智障，稍微复杂点的任务就报错，或者在死循环里打转，最后还得你亲自上手改代码。

核心差异在哪？是模型（LLM）不够强吗？

并不是。大家用的都是千问、Kimi 或者 GPT，底座是一样的。

核心差异，在于你给它装了什么 Skills。

在试用了几十款 Skills 后，我强烈推荐两款能够直接拉开差距的神级 skills。

Find-Skills：给 AI 装个应用商店

很多人的 Agent 之所以傻，是因为它不知道自己能做什么。更准确地说，是用户不知道有什么技能可以用。

举个真实场景：

你想让 Agent 帮你总结一个 YouTube 视频，但不想花 1 小时看完整个视频。

这时候，你就可以用 find-skills，它会自动调用。它会返回类似这样的结果：

然后你可以一键安装：

安装完成后，下次你只需要说：

帮我总结这个视频：https://youtube.com/watch?v=XXX，

Agent 就会自动调用 youtube-summary 技能，帮你生成带章节、时间戳和关键结论的结构化摘要。（下图为youtube平台讲解OpenClaw的带字幕的视频）

find-skills 解决了什么痛点？

它让你能快速发现和安装合适的技能，不用去 GitHub 上漫无目的地搜，也不用在群里问有没有人能帮我。

从产品的角度看，这是在降低用户的技能发现成本。

它让 OpenClaw 的能力边界不再局限于默认安装的那几个技能，而是可以无限扩展。

这一个动作，就能让任务的成功率提升至少 40%。

因为很多时候，不是 AI 做不到，而是你根本没告诉它有这个能力。

Self-Improving-Agent：让 AI 记住踩过的坑

如果说 find-skills 是应用商店，那 self-improving-agent 就是 AI 的错题本。

痛点非常真实：以前我们用 Agent 写代码或执行复杂任务，最崩溃的是什么？

是它报错了。一旦报错，Agent 就停在那儿不动了，或者抛出一堆红色的 Error Log 给用户。

这时候，你得介入，去读日志，去改 Prompt，告诉它：你这里写错了，重来。

更崩溃的是，下次遇到类似问题，它还会再错一次。

因为 AI 没有记忆，每次会话都是全新的开始。

self-improving-agent 是怎么做的？它允许 OpenClaw 把错误、修正、学习记录到本地文件

下次遇到类似问题时，AI 会先查这些记录，直接避开已知的坑。

场景复盘：

前两天我让 OpenClaw 帮我写一个批量处理图片的脚本。

第一次运行，库文件版本不兼容，报错了：

ImportError: cannot import name 'Resampling' from 'PIL'

我让它记录这个错误。self-improving-agent把它写入了 .learnings/ERRORS.md。

一周后，我又让它写类似的脚本。这次它一上来就检查了 Pillow 版本，直接用了兼容的 API。

它没有自动修复，但它记住了。这就像是给你的 AI 装了一个长期记忆系统。每次踩坑，都是一次投资，下次就不会再摔。

这才是真正的自我进化-不是自动修复，而是持续学习。

真正的元认知：技能触发机制

但上面两个技能，其实都只是表层。

OpenClaw 真正厉害的地方，是它的技能自动触发机制。每个技能都有一个 SKILL.md 文件，里面用一段话描述这个技能是干什么的、什么时候该用它。

这段描述，就是技能的触发器。

比如 youtube-summary 技能，它的描述大概是：当用户提供 YouTube 链接并要求总结视频、分析字幕或提取章节时，自动触发此技能。

所以当你说：帮我总结这个视频：

https://youtube.com/watch?v=XXX

OpenClaw 会自动匹配到 youtube-summary 技能，然后：

提取视频 ID

获取字幕/转录

生成结构化摘要（含章节、时间戳、关键结论）

输出 Markdown 格式

这才是真正的元认知-AI 知道自己有什么技能，知道什么时候该用哪个技能。

而find-skills 和self-improving-agent，只是让这个系统更完善：find-skills 让你更容易找到新技能，self-improving-agent 让 AI 记住跨会话的经验

技能触发机制 让合适的技能在合适的时机自动激活

写在最后

find-skills 让能力边界无限扩展；

self-improving-agent 让经验可以持续积累。

这两者结合，实际上是赋予了 Agent 一种成长性思维——不是每次从零开始，而是每次都比上次更强一点。

别让你的 OpenClaw 再裸奔了。今天开始，就把这两个 Skills 装上。试一下，你会回来感谢我的。