高级技能创建器

高级技能创建处理器，执行官方的5步研究流程，包含全面分析和最佳实践。通过遵循完整的研究流程，确保方法正确且符合标准，适用于所有时间框架和使用场景。

使用时机

• 当用户提及“写一个触发”、“写skill”、“claw skill”、“openclaw skill”、“moltbot skill”、“创建技能”或“写一个让它...”
• 当需要根据官方标准遵循正确的技能创建方法时
• 当需要确保遵循5步研究流程（文档、ClawHub、社区、融合、输出）时
• 用于包含最佳实践的全面技能分析与创建

5步研究流程执行

步骤1：查阅官方文档

全面访问官方文档：

• https://docs.clawd.bot/tools/skills
• https://docs.openclaw.ai/tools/skills
• /tools/clawhub
• /tools/skills-config

提取关键信息：

• SKILL.md 格式要求
• YAML 前置元数据规范（名称、描述、触发时机、示例、metadata.openclaw.*、依赖要求）
• 触发机制（自然语言触发器、`when` 条件）
• 工具调用约定（`exec`、`browser`、`read`、`write`、`nodes`、MCP）
• 加载优先级（工作区 > ~/.openclaw/skills > 内置技能）
• ClawHub 安装方法
• 重大变更（最新版本）

步骤 2：在 ClawHub/ClawdHub 上研究相关的公共技能

在 ClawHub/ClawdHub 上彻底查询相关技能：

• 搜索关键词：天气、提醒、日程、翻译、图像、定时任务、记忆、任务追踪器、通知、备份、自动化
• 选择 2-4 个最相关、下载量高/近期更新/社区评分高的技能
• 分析：
  • 触发描述（`when`、`examples`）
  • YAML 元数据
  • 纯 Markdown 与 脚本/结构 的对比
  • 依赖声明
  • 错误处理建议
  • 社区反馈（受欢迎或受批评的原因）
  • 安全考量

步骤3：搜索最佳实践

使用全面的关键词组合进行GitHub搜索：

• "OpenClaw SKILL.md" 或 "ClawDBot skill example" 或 "Moltbot create skill"
• "SKILL.md" "when:" 或 "metadata.openclaw" site:github.com
• "clawhub install" "custom skill" 或 "openclaw skill tutorial"
• "skill security" 或 "prompt injection prevention" 或 "skill best practices"

重点关注：

• 活跃的GitHub仓库
• 近期提交
• 博客/Reddit/X平台内容
• 安全最佳实践
• 已知的安全隐患（提示词注入、执行滥用）

步骤4：方案融合与比较

全面总结来自所有三个来源的实现方法： 从以下关键维度进行比较：

• 触发精确度（误报率）
• 可维护性/可读性
• 加载速度/内存影响
• 兼容性（不同网关/渠道/版本）
• 安全与错误隔离
• 升级友好性（对特定工具的依赖）
• 依赖管理复杂度
• 性能优化
• 错误处理鲁棒性

为当前上下文选择最优方案，提供4-7条清晰的优先理由：

• 官方文档 > 高质量的ClawHub技能 > 活跃社区解决方案 > 自行优化

步骤5：正确的输出结构

输出必须遵循确切的格式，不得添加额外标题或显示原始搜索记录：

• 使用确切的标题：【最终推荐方案】, 【文件结构预览】, 【完整文件内容】
• 提供格式正确的完整文件内容
• 包含树状目录结构预览
• 在SKILL.md示例中使用正确的YAML frontmatter
• 确保文档全面

资源利用

已利用的文档功能

• YAML frontmatter格式（名称、描述、触发时机、示例、metadata.openclaw.*）
• 触发机制定义（when字段）
• 示例规范（示例字段）
• 元数据定义（metadata.openclaw.requires）
• 标准化技能描述结构

引用的技能

• system-monitor：结构与功能组织
• security-monitor：元数据定义格式
• integrated-system-monitor：脚本组织与实现
• 其他现有技能：YAML 前置元数据最佳实践

集成的社区实践

• GitHub 热门 OpenClaw 技能项目结构
• 社区推荐的安全实践（输入验证、错误处理）
• 最优元数据配置方法
• 有效的触发词定义模式

自定义创建的脚本

• advanced_skill_processor.py：实现完整的 5 步研究流程自动化
  • 自动化文档查询、公开技能研究、最佳实践搜索
  • 解决方案融合与比较功能
  • 标准化输出生成
  • 错误处理和日志记录功能

实施要求

1. 严格按照顺序执行所有5个步骤——不允许跳过
2. 不要依赖记忆或“大致正确”的代码
3. 展示 研究 → 比较 → 选择 的逻辑链条
4. 提供查阅官方文档的证据
5. 包含适当的元数据和安全性考量
6. 提供完整、功能性的技能实现，并具有正确的结构
7. 确保所有输出遵循所需的精确模板结构
8. 无论时间框架或版本如何，均普遍适用
9. 包含安全最佳实践和错误处理
10. 提供全面的示例和用例
11. 包含系统提示集成，以增强AI交互
12. 融入思维模型框架以改进决策

系统提示集成

创建新技能时，请包含能增强AI交互的系统提示元素：

"你现在是OpenClaw（前身为ClawDBot / Moltbot）技能开发专家，负责实现高级思维模型以增强决策能力。应用结构化认知处理，同时根据具体情境需求平衡速度与准确性。"

技能创建指南

• 在技能设计过程中应用多阶段认知处理流程
• 集成记忆系统以实现持续学习和改进
• 在技能功能中平衡速度优化与准确性提升
• 为使用该技能的人工智能助手包含适当的系统提示
• 记录决策过程以供未来参考和学习