如何快速使用openclaw

1、下载地址：WorkBuddy – AI Agent 办公新范式

2、clawhub地址

https://clawhub.ai

3、国内skillHub地址

https://skillhub.tencent.com

国外skillhub地址

https://skillhub.club/skills

4、必备的几个SKill技能

1、Clawsec：安全防护的第一道防线

Clawsec的核心机制是静态代码分析。当你准备安装一个Skill时，它会扫描SKILL.md和scripts/目录，检测以下风险点：

• • 权限申请：是否要求过高的系统权限
• • 网络请求：是否向不明服务器发送数据
• • 代码混淆：是否使用难以审计的编码方式
• • 依赖来源：第三方库是否可信

扫描完成后，它会给出三档评级：SAFE（安全）、CAUTION（谨慎）、DANGEROUS（危险）。

如果你一上来就安装执行类技能，却没有安全审计能力，风险很高。

Clawsec的价值在于：它帮你做了第一轮安全审查，把明显有问题的技能挡在门外。

安装与使用

npx clawhub@latest install clawsec

安装后，Clawsec会在你安装其他Skills时自动触发扫描。你也可以手动运行：

clawsec audit <skill-name>

2、Tavily Search：让AI拥有实时信息获取能力

大语言模型有个致命弱点：知识截止日期。训练数据之后发生的事情，它一无所知。

Tavily Search通过API调用的方式，为Agent提供联网搜索能力。它的核心优势在于：

• • 结构化输出：返回的不是网页链接，而是提取好的关键信息
• • AI优化：专门针对大语言模型设计，减少文本处理负担
• • 上下文感知：能根据对话历史优化搜索关键词

我试过一个场景：让OpenClaw帮我查2026年OpenClaw的最新更新。

没有Tavily时，它会说”我的知识截止到2025年”。

装上Tavily后，它能实时搜索，然后给我总结了三个核心变化。这个能力让AI从”知识库”变成了”信息助手”。

安装与配置

npx clawhub@latest install tavily-search

安装后需要配置API Key。访问tavily.com注册，获取免费额度（每月1000次），然后在OpenClaw中配置：

openclaw config set skills.tavily-search.apiKey "你的API密钥"

Tavily支持高级搜索功能，比如：

• • 时间过滤：”搜索最近7天的AI新闻”
• • 深度搜索：”深度调研某个主题”
• • 新闻专题：”搜索科技类新闻”

这些功能让搜索更精准，减少无效信息。

3、Multi Search Engine：打破信息孤岛

Tavily虽然强大，但它主要面向英文内容。对于中文用户，很多时候需要访问国内搜索引擎。

Multi Search Engine集成了17个搜索引擎（8个国内+9个国际），通过统一的接口调用多个搜索源，然后聚合结果。

它的核心机制是：

• • 无需API Key：使用公开搜索接口
• • 智能分流：根据查询语言自动选择合适的搜索引擎
• • 结果去重：多个引擎返回的重复内容会被合并

我常用的场景是查技术资料。

比如搜索”OpenClaw技能开发”，Multi Search Engine会同时调用百度、谷歌、必应等引擎，然后给我一个综合结果。有时候英文资料更详细，有时候中文博客更接地气，它能兼顾。

安装与使用

npx clawhub@latest install multi-search-engine

安装后直接使用，无需配置。支持以下高级语法：

• • site: 站内搜索
• • filetype: 文件类型搜索（pdf、doc等）
• • 时间过滤：最近1小时、1天、1周、1月

Multi Search Engine和Tavily可以配合使用。对于实时性要求高的内容（如新闻），用Tavily；对于综合性研究，用Multi Search Engine。

4、Self-Improving Agent：让AI持续进化

这是我用过最神奇的Skill。

它的核心思想是：让Agent记住自己的错误、学到的东西、用户的纠正，并在后续会话中自动参考。

具体实现方式是：

• • 自动监控：监听命令执行结果、用户反馈
• • 结构化记录：将学习内容写入.learnings/目录的日志文件
• • 智能检索：遇到类似问题时，自动查询历史记录

每条学习记录包含：ID、时间戳、优先级、摘要、复现步骤、建议修复。

我举一个真实例子。

第一次让OpenClaw帮我写Python代码处理Excel，它用的一个库已经过时了，报错了。我纠正后，它记录了下来。

第二次遇到类似需求，它直接用了正确的库，并且备注说：”上次用过时的库报错了，这次换了新的”。

那一刻我意识到：这不是简单的指令跟随，它真的在”学习”。

安装与配置

npx clawhub@latest install self-improving-agent

安装后需要创建学习目录：

mkdir -p ~/.openclaw/workspace/.learnings

然后创建三个日志文件：

cat > ~/.openclaw/workspace/.learnings/LEARNINGS.md << 'EOF'
# 学习记录
EOF

cat > ~/.openclaw/workspace/.learnings/ERRORS.md << 'EOF'
# 错误记录
EOF

cat > ~/.openclaw/workspace/.learnings/FEATURE_REQUESTS.md << 'EOF'
# 功能请求
EOF

更高级的玩法是可以配置Hook，让Self-Improving Agent在特定事件发生时自动激活：

cp -r ~/.openclaw/skills/self-improving-agent/hooks/openclaw ~/.openclaw/hooks/self-improvement
openclaw hooks enable self-improvement

这样每次Agent执行命令后，都会自动检查是否有错误需要记录。

5、Proactive Agent：从被动响应到主动服务

传统AI是”你问我答”的被动模式。Proactive Agent赋予Agent主动性。

它的核心机制是：

• • 心跳机制：每15分钟自动唤醒
• • 任务监控：持续跟踪进行中的任务
• • 自我迭代：优化工作流程

安装后会生成7个配置文件：

• • ONBOARDING.md：首次设置引导
• • AGENTS.md：操作规则和经验教训
• • SOUL.md：身份、原则、边界定义
• • USER.md：用户上下文和偏好
• • MEMORY.md：长期记忆结构
• • HEARTBEAT.md：定期自查清单
• • TOOLS.md：工具配置笔记

我试过一个场景：让OpenClaw帮我跟踪一个项目的学习进度。

装了Proactive Agent后，它每周五会自动汇总学习成果，并主动推荐下周的学习计划。不用我每次都问，它会主动推进。

这种从”被动执行”到”主动服务”的转变，让AI更像一个真正的助理。

安装与使用

npx clawhub@latest install proactive-agent

安装后，OpenClaw会自动生成配置文件。你可以手动编辑这些文件，定义Agent的行为准则。

Proactive Agent适合长期任务。如果你只是偶尔用用OpenClaw，可能体会不到它的价值。但如果你把它当成日常助理，这个技能会越用越香。

6、Ontology：构建结构化的知识图谱

大语言模型的记忆是分散的、非结构化的。Ontology通过类型化的知识图谱，为Agent提供结构化的长期记忆。

它的核心机制是：

• • 实体抽取：从对话中识别关键实体（人、事、物）
• • 关系构建：建立实体之间的关联
• • 类型标注：为实体打上类型标签

比如你说”我喜欢简洁风格”，Ontology会记录：

• • 实体：你
• • 属性：偏好-简洁风格
• • 类型：用户偏好

有了Ontology，AI能跨对话记住你的偏好。

第一次你说”生成一个简洁风格的报告”，它可能还不理解什么是简洁。但经过几次交互后，Ontology会记录下来，下次自动应用。

这种”越用越懂你”的体验，让AI从通用助手变成个性化助理。

安装与使用

npx clawhub@latest install ontology

安装后，Ontology会自动在后台运行，持续构建知识图谱。

你可以手动查看和管理知识图谱：

openclaw ontology query

这会显示当前构建的知识结构，你可以手动调整。

7、Find-Skills：发现生态中的宝藏

ClawHub上有11,600多个Skills，手动找太慢了。Find-Skills是一个”元Skill”——它的作用是帮你找其他Skills。

工作流程：

1. 1. 接收你的需求描述
2. 2. 向ClawHub发起搜索请求
3. 3. 对比不同Skills的匹配度
4. 4. 推荐最合适的选择

最典型的场景是：你想做某个事，但不知道有没有对应的Skill。

比如你想做小红书图片，直接问：”帮我找个适合做小红书图片的技能。”

Find-Skills会搜索ClawHub，然后告诉你：

“找到了几个相关技能：

• • xiaohongshu-tools（相似度0.385）：小红书工具
• • xiaohongshu-title（相似度0.366）：标题生成
• • xiaohongshu-mcp（相似度0.359）：自动化工具

根据你的需求，我推荐xiaohongshu-tools，因为它的功能最匹配。”

安装与使用

npx clawhub@latest install find-skills

安装后直接使用，描述你的需求即可。

描述需求时越具体越好。比如：

• • 好：”找一个能批量重命名图片、支持加水印的技能”
• • 不好：”找一个图片技能”

8、GitHub：代码仓库的自然语言管理

GitHub Skill通过集成GitHub CLI（gh命令行工具），让你用自然语言管理GitHub仓库。

它的工作机制：

1. 1. 理解你的自然语言指令
2. 2. 转换成对应的gh命令
3. 3. 执行并返回结果

对程序员来说，这个Skill能省不少事。

几个常用场景：

• • 搜索开源项目：”搜索Python爬虫相关的热门仓库”
• • 管理Issues：”查看我仓库的高优先级Issues”
• • 代码审查：”帮我看看最新的PR有没有问题”
• • 自动化报告：”生成本周的项目进展报告”

安装与配置

npx clawhub@latest install github

安装前需要先安装gh CLI：

# macOS
brew install gh

# Linux
sudo apt install gh

然后配置GitHub认证：

gh auth login

GitHub Skill可以配合自动化工作流。比如每天早上自动检查Issues，如果有高优先级的，就提醒你处理。

9、Office-Automation：办公场景的全能助手

Office-Automation是一个综合性技能包，覆盖日程、邮件、文档、数据四大核心办公场景。

它通过集成各类办公API，实现：

• • 日程管理：创建会议、设置提醒
• • 邮件处理：分类整理、自动回复
• • 文档编辑：生成报告、格式调整
• • 数据处理：Excel分析、图表生成

我举几个真实场景：

场景一：自动周报
每周五下午，让它汇总本周工作，生成格式化的周报邮件。

场景二：会议纪要
开会时记录要点，会后让它整理成结构化的会议纪要。

场景三：数据分析
给它一个Excel表格，让它分析趋势、生成图表、提炼结论。

安装与使用

npx clawhub@latest install office-automation

安装后需要配置相关服务的API Key（如Gmail、Google Calendar等）。

Office-Automation可以配合Proactive Agent使用。比如设置每天早上8点自动生成日程摘要，提醒你当天的重要事项。

10、Systematic-Debugging：结构化调试，告别盲目试错

Systematic-Debugging的核心机制是强制执行结构化调试流程。它把调试拆解为5个步骤：

• • 问题定义：精确描述错误现象
• • 信息收集：系统收集日志、堆栈、环境信息
• • 假设生成：列出可能根因，按概率排序
• • 测试验证：设计实验逐个验证假设
• • 修复实施：确认根因后修复，并验证有效性

每个步骤都有检查清单。如果Agent想跳过，Skill会强制拦截。

我试过一个场景：Python脚本报HTTP 403错误。

没有这个Skill时，Agent瞎猜：”加User-Agent”、”换代理”……折腾半小时也没解决。

装上后，它按流程走：收集信息→发现响应头有cf-challenge→假设是Cloudflare反爬→用无头浏览器绕过→一次搞定。

对比很明显：没有流程是在”瞎猜”，有了流程是在”破案”。

安装与使用

npx clawhub@latest install systematic-debugging

安装后直接使用：

"我的代码报错了，用systematic-debugging帮我排查"

完成后会生成调试报告，包含根因、修复方案、预防措施。

不要预设答案：描述现象即可，让它自己收集和推断，否则会干扰判断流程。

配合Self-Improving Agent：调试完成后记录经验，下次遇到类似问题直接复用。