十几个 Skill 不够智能？OpenClaw 的 Skill 运作机制了解一下

很多人装了十几个 skill，用起来却感觉 AI 还是不够智能，问题可能不在 skill 本身，而在于你根本不了解它的加载逻辑。

Skill 的本质：提示词的模块化封装

很多人把 OpenClaw 的 skill 理解成手机上的 App，装完就能用。

但从工程角度看，这套机制的本质是把 SKILL.md 里的提示词指令压缩进每一次 session 的 context window。

真正决定 AI 能力的，不是你装了哪些 skill，而是 skill 在 context 里占了多少位置、占的位置对不对。

OpenClaw 每次启动 session，Agent Runtime 会组装一套系统提示词。

这套提示词由多个文件构成：SOUL.md 定义行为风格，AGENTS.md 定义工作流规则，TOOLS.md 暴露可用工具，MEMORY.md 存储跨会话记忆。

所有你安装的 skill 都会通过 formatSkillsForPrompt 被转换成一张能力清单注入进去，告诉模型每个 skill 的 SKILL.md 在什么路径，用到的时候再去 read。

关键在于：这些文件每一轮对话都会重新注入一遍，全部在 context window 里占位置。

这个机制决定了 skill 不是装得越多越好。

MEMORY.md 如果长期不清理，很容易悄悄涨到几千 token；SOUL.md 写得过于详细也是常见问题；装了二十个用不到的 skill，最终都是 token 的负担。

轻则拉慢响应速度，重则触发 context compaction 把你的短期记忆截断——你跟 AI 聊着聊着，它突然失忆了，原因往往就在这儿。

OpenClaw 的 skill 加载采用三级优先级：工作区级 skill 最高，共享级 skill 其次，内置级 skill 最低。

同名 skill 按优先级覆盖，工作区的 web-search 会屏蔽全局和内置的同名 skill。

这套机制设计得灵活，但也容易让人忽略底层的成本。

记忆体系的结构性缺陷与解决方案

OpenClaw 原生的 MEMORY.md 是平铺线性结构，每条记忆之间没有关联，只有时间序。

你问"这周最需要跟进哪个客户"，AI 能找到三条独立记忆：张三是联系人，B 公司是客户，项目截止下周五。但它不知道这三件事是连在一起的，需要靠生成时的推理去"猜"关联，而不是靠结构去"走"关联。

这个缺陷催生了两类解决思路。

第一类是 self-improving-agent（@pskoetta，星数 2.1k，下载 22 万）。

它维护一个 .learnings/ 目录，里面有三个文件记录行为纠正、错误日志和功能需求。真正有价值的是它的晋升机制：当一条 learning 被标记为 Recurrence-Count 大于等于 3，且跨越至少 2 个不同任务，它会自动晋升到 CLAUDE.md、AGENTS.md 或 SOUL.md，变成每次 session 启动时必定注入的永久规则。

同样的坑最多踩三次，第四次这条规则就进了系统提示词，永远生效。它本质上是在做记忆的优先级排序和持久化分流——高频规则进 CLAUDE.md，项目工作流进 AGENTS.md，行为风格进 SOUL.md。

第二类是 ontology（@oswalpalash）。

它引入了显式的知识图层，定义了 Person、Project、Task、Event、Document 等核心实体类型。当 AI 需要记住"Alice 是 Project X 的负责人，邮箱是 alice@example.com"时，它创建的是三个相互关联的节点，而不是一段平铺文本。

这种结构带来的最大好处是可遍历性。

你问"Project X 现在谁在负责"，AI 沿着 owner_of 这条边走一步就能给出答案。更重要的是，结构化节点本身比同等信息的自然语言描述更省 token。

这两个 skill 的分工很明确：MEMORY.md 存事件流（发生了什么、什么时候说了什么），ontology 存事实图（谁是谁、什么关系、什么属性），self-improving-agent 负责把高频错误从 MEMORY.md 里剥离出来进系统提示词。

三个机制互补，不重复。

结语

skill 装得再多，如果不懂 context 预算管理，效果会大打折扣。

装 skill 之前先跑一遍 /context detail，看清楚你的 context 预算现在被哪些文件占了多少。

MEMORY.md 长期不清理很容易涨到几千 token，SOUL.md 写得过于详细也是常见问题。

ClawHub 的 skill 注入逻辑是只有 enabled: true 且平台满足 requires.bins 的 skill 才会出现在能力清单里。这意味着可以"装而不激活"，先安装，需要的时候再开。

十个以内的活跃 skill 对 context 的影响在可接受范围内，但如果窗口配置本身比较紧，建议只先开 self-improving-agent，其他按需激活。

本质上，每个 skill 解决的是 OpenClaw 本身没有填好的坑——记忆的持久化、知识的结构化、行为的自我校正、外部知识库接入、多模态扩展。

ClawHub 上确实有 16000+ skill，但绝大多数不值得装。

挑 skill 的时候，先想清楚你要解决的是什么问题，再决定要不要占那个槽位。

上下文预算有限，精准占位比多多益善更重要。