ClawHub 技能发布器 v1

将粗略的技能构想转化为精炼、可直接发布的 ClawHub 列表——其优化依据来自当前市场中真实有效的成功实践。

当您希望执行以下操作时，请使用该技能：

• 向 ClawHub 发布一项新技能
• 依据市场标准审核现有技能草稿
• 在撰写自己的技能前，调研头部表现技能的结构与风格

工作流

第 1 步 — 研究头部列表

在临时目录中安装最相关已发布技能，并阅读其 SKILL.md 与 README.md：

mkdir -p /tmp/ch-research

# 按类别关键词搜索技能
clawhub search "your-category-keyword"

# 安装排名前 3–5 的结果用于分析
clawhub install  --dir /tmp/ch-research --force
clawhub install  --dir /tmp/ch-research --force
# （限频提示：两次 install 之间添加 3 秒 sleep）

每项技能需采集的关键点：

• 描述行：长度、语气、是否价值优先（value-first）或功能优先（feature-first）？
• SKILL.md 首句：是否立即阐明使用场景？
• 结构：是否使用表格、代码块、标题等组织方式？
• 字数（目标：400–700 字）
• 包含的章节：commands、when-to-use、safety、version history
• 可信信号：safety 章节、version history、明确的 opt-outs

第 2 步 — 差距分析

将您的草稿与上述调研发现进行比对，逐项打分：

第 3 步 — 修订草稿

应用差距分析结果。修订优先级顺序如下：

1. 描述行（最显眼，应最先修正）
2. “何时使用”章节（直接影响安装转化率）
3. 若字数超 700，优先删减段落叙述，保留表格
4. 补全缺失章节（safety、version history）
5. 将段落形式的对比内容转换为表格
6. 如无 examples/ 目录，则新增示例文件

第 4 步 — 发布

# 验证认证状态
clawhub whoami

# 发布（请在 workspace 根目录或技能父目录下运行）
clawhub publish ./skills/ 
  --slug  
  --name "Your Skill Name" 
  --version 1.0.0 
  --changelog "Initial release"

发布后 URL：https://clawhub.ai/skills/

ClawHub 列表构成解析

描述字段（≤160 字符）

这是最重要的文本，将在搜索结果和安装提示中直接展示。

写作公式： [它做什么] + [如何实现] + [关键成果]

✅ 良好示例："通过将关联请求批量整合为更少响应来降低 AI 成本。API 调用减少约 30–50%，质量无损。"
❌ 不佳示例："ClawSaver — 将关联请求组合成结构化集合，以获得经济、经验证且高效的结果"

SKILL.md 结构（供 agent 解析）

---
name: skill-name
version: X.Y.Z
description: "同列表描述字段一致"
metadata: {"openclaw":{"emoji":"🔧"}}
---

# Skill Name vX

> 一句话定位陈述。

[一段话：说明功能及核心价值。]

## 当何时使用
[使用场景 / 勿用场景 — 明确条件]

## 核心行为 / 命令
[推荐使用表格。含触发短语、命令、决策规则等。]

## 安全说明
[明确列出绝不执行的行为。含显式 opt-outs。]

## 安装方法
[clawhub install 命令]

## 版本历史
[- X.Y.Z — 变更说明]

README.md 结构（面向人类读者 + 列表正文）

# Skill Name
> 副标题（Tagline）

## 为何需要 [Skill Name]？
[问题 → 解决方案，2–3 句话]

## 功能说明
[编号或项目符号列举核心功能]

## [关键决策表 或 使用示例]

## 安全模型

## 安装方法

## 版本

市场趋势（截至 2026 年 2 月观测）

头部技能共性

• 描述采用价值优先（先讲成果，再列功能）
• “何时使用”章节明确具体——多数头部技能均含“应做/勿做”清单
• 所有对比类内容优先采用表格而非段落叙述
• 安全说明是关键信任信号——即使简短也必须包含
• 版本历史置于文档底部——体现持续维护意愿
• SKILL.md 字数控制在 400–700；README.md 可更长

优秀与卓越的区别

• 卓越：配备 examples/ 目录，内含具体 ✅/❌ 成对示例
• 卓越：支持触发短语识别（明确告知 agent 何时激活）
• 卓越：提供显式 opt-outs（例如：“说 X 即可禁用”）
• 良好但非卓越：冗长段落式描述、缺少 opt-outs
• 应避免：在描述行中使用缩略词（backronyms）或花哨命名（此类内容可保留在 README.md 中）

各品类密度（截至 2026 年 2 月）

• 成本/Token 追踪类： 高度饱和 —— 需具备差异化切入点
• 批处理/工作流类： 较为稀疏 —— 存在机会
• 厂商专属工具类： 参差不齐 —— Kimi 生态密集，OpenAI 生态中等
• 效率提升/元技能类： 较为稀疏 —— 存在机会

发布前文件检查清单

• SKILL.md — frontmatter 包含 name、version、description
• SKILL.md — 字数在 400–700 范围内
• SKILL.md — 包含 “When to Use” 章节
• SKILL.md — 包含 Safety 章节
• SKILL.md — 包含 Version History 章节
• README.md — 价值优先，总字数 ≤600
• README.md — 安装命令准确无误
• examples/ — 至少含一个示例文件（非强制，但强烈推荐）
• 描述行 — ≤160 字符，价值优先
• clawhub whoami — 发布前确认认证有效

技能类型：行为调节型 vs. 主动工具型

绝大多数 ClawHub 技能属于 行为调节型技能（behavior-change skills） —— 它们通过指令影响 agent 的判断逻辑来生效，而非在系统层面运行代码或拦截请求。这与 execution-loop-breaker、token-saver 及大多数头部列表采用的是同一机制。

编写行为调节型技能时，请注意：

• 在描述中明确指出：该技能通过调节 agent 行为起效，而非自动拦截
• 使用诸如“训练您的 agent ……”或“赋予您的 agent …… 判断力”等措辞，避免使用“自动检测”或“拦截”等误导性表述
• 切勿夸大自动化程度。“教会您的 agent 合并关联请求”是如实陈述；“自动批量请求”则暗示了该技能实际无法实现的系统级路由能力
• 行为调节带来的收益真实有效——它确实能带来切实的成本节约与效率提升

当技能必须设计为主动工具型时：

• 需依赖 pre-response hooks 或中间件（当前 OpenClaw 尚未开放此类接口）
• 需包含实际运行的脚本文件（如 analyzer.js、optimizer.js）
• 示例：真正的 token 优化器，可读取上下文尺寸并在发送前主动裁剪

核心结论： 基于指令的技能完全合法且极具价值。只需诚实地界定其作用范围。用户更信赖那些设定合理预期的技能。

版本历史

• 1.0.1 — 新增“技能类型：行为调节型 vs. 主动工具型”一节，源自 ClawSaver 开发过程中的经验总结
• 1.0.0 — 初始发布。涵盖调研工作流、差距分析框架、列表构成解析，以及基于 2026 年 2 月市场分析得出的趋势洞察。