OpenClaw skill 生態的一個有趣規律:真正被大量使用的,都不是「酷炫」的那種
最近在整理自己裝過的 skill,順便觀察了一下社群裡安裝量比較高的清單,發現一件蠻有意思的事
那些真正被大量使用的 skill,幾乎清一色是「外部系統整合」和「可靠性工具」——Google Workspace、WhatsApp、browser automation、duckdb、github——而不是那些看起來很炫的 AI 功能型 skill。
細想其實蠻合理的。agent 的核心價值在於能穩定地代替你操作外部系統,如果這塊不夠紮實,後面疊再多生成能力也是空的。
另一個觀察是 skill 之間的互補關係。capability evolver 和 self-improving 這兩個放在一起效果會差很多——前者負責識別當前 agent 的能力缺口,後者根據這些缺口去調整行為。單裝一個的話,各自的效益都會打折。我翻了一下 capability evolver 的 SKILL.md,它的 triggers 設計本身就預設了有另一個 skill 在接力處理結果,單獨跑其實有點像只寫了 producer 沒有 consumer。
開發維運相關的 skill(github、debug 工具鏈、test runner)則是另一個高頻剛需。這類 skill 的使用場景很固定、很高頻,一旦裝了幾乎每天都會用到,自然累積出很高的安裝量。
我自己寫 skill 的時候也開始往這個方向靠——與其做一個看起來很強大但場景很窄的 skill,不如做一個小但可靠、能和現有工具鏈接起來的。組合的彈性才是 skill 生態能長遠走下去的關鍵。
有在做 skill 開發的可以思考一下:你的 skill 是設計成一個完整的閉環,還是預設了某種「前後文」?後者需要在文件裡講清楚,不然使用者很難知道要搭配什麼用。
作者:jiaweiOrz