智能体技能使用指南

智能体技能使用指南基于 OpenClaw 深度使用经验整理适用于所有基于 Markdown 文件驱动的 AI Agent 平台。核心结论Agent 越用越好用的本质是一堆不断进化的.md文件。一、为什么很多人觉得 Agent 不好用在深入使用技巧之前先排除三个常见的姿势问题——这些不是产品问题是用法问题。❌ 误区1模型没选对模型对效果的影响是决定性的。Agent 框架本身不生产智能它是让模型发挥得更好的放大器。类比给实习生一份再详细的操作手册他可能还是做不好同样的手册给高级工程师他能做到远超预期的水平。✅ 正确做法优先选用能力强的主力模型框架的价值才能被充分释放。❌ 误区2把 Agent 当通才一个 Agent 什么都干 什么都做不精。✅ 正确做法配置多个 Agent每个专注一个领域代码审查、文案写作、数据分析……。每个 Agent 有独立的 workspace、独立的记忆数据库、独立的会话历史。专注一个领域积累的经验是垂直且深度的不会被其他任务污染。❌ 误区3没有培训你的 Agent开箱即用 ≠ 开箱即好用。类比你招了一个新员工第一天就指望他跟干了三年的老员工一样好使✅ 正确做法主动培训 Agent——告诉它你的偏好、工作场景一起踩坑把经验固化下来。这个过程叫形成 SOP技术上叫积累 workspace 文件。二、核心机制自我进化的 Markdown 文件系统Agent 越用越好用的底层逻辑一句话概括每次对话前把一堆 md 文件拼进 prompt对话后让 Agent 把新学到的东西写回这些 md 文件。这个简单的读写循环构成了一个威力巨大的知识飞轮。2.1 骨架7 个核心 md 文件每个 Agent 的 workspace 预设 7 类核心文件文件作用关键特性SOUL.mdAgent 的人格、语气、风格、边界、价值观Agent 自己在对话中持续更新人格会生长USER.md用户画像姓名、时区、偏好、沟通风格每次了解到新信息就更新越用越懂你AGENTS.md行为规范 踩坑记录犯错即记录下次永不重犯——这是越用越好的核心TOOLS.md工作环境备忘SSH 主机、文件路径、设备名等Agent 踩坑后自行补充SKILL.md × N各领域操作手册可自定义可覆盖内置用户自定义优先级最高memory/*.md每日对话日记日期命名支持全文向量检索构成 Agent 的短期记忆库MEMORY.md从日记中提炼的长期记忆精华每次对话必加载是 Agent 的长期记忆2.2 血肉用户与 Agent 共同生长的自定义文件以上 7 类是框架骨架。但 workspace 本质是一个普通文件夹Agent 可以自由创建任何它需要的文件。一个用久了的项目管理 Agentworkspace 可能自然长出这样的结构workspace/ ├── SOUL.md ├── USER.md ├── AGENTS.md ├── TOOLS.md ├── MEMORY.md ├── memory/ │ ├── 2026-03-01.md │ └── 2026-03-02.md ├── projects/ │ ├── project-alpha/ │ │ ├── progress.md ← 项目进度 │ │ ├── decisions.md ← 决策记录 │ │ └── risks.md ← 风险清单 │ └── project-beta/ │ └── progress.md ├── templates/ │ ├── weekly-report.md ← 周报模板 │ └── meeting-notes.md ← 会议纪要模板 └── contacts/ └── team-preferences.md ← 团队成员偏好这些文件没有任何 schema 约束完全是 Agent 在使用过程中自己组织出来的。每个人的 Agent 最终形态不同取决于你们一起做了什么、在哪些领域深耕。三、自我进化的完整闭环对话开始 → 加载 workspace 所有核心 md 文件到 system prompt → Agent 先检索相关记忆memory_search → Agent 执行任务 → 学到新东西 / 犯了错 / 发现用户新偏好 → 写回相关文件AGENTS.md / USER.md / memory/*.md / MEMORY.md → 触发 Memory 索引重建全文搜索 向量索引 → 对话结束 下次对话开始 → 加载更新后的 md 文件 → 搜索到新索引的记忆 → Agent 行为更精准 → 循环 ♻️两层循环的本质循环层机制积累的是什么外层md 文件读写每次对话加载对话中更新经验层面该做什么、不该做什么、你的偏好、你的环境内层向量索引检索FTS5 全文搜索 向量检索混合70% 向量 30% 关键词记忆层面在海量历史中精准找到相关信息两层合一 完整的学习 → 记忆 → 检索 → 应用系统。四、关键技术细节4.1 Prompt 预算机制每个 md 文件上限20KB所有文件总量上限150KB超出部分会被截断启示md 文件不能无限膨胀Agent 需要学会提炼——这正是MEMORY.md精华和memory/*.md原始日记分开存储的原因4.2 记忆检索算法混合权重70% 向量相似度 30% 关键词匹配支持 MMR最大边际相关性搜索结果尽量多样化支持时间衰减越近的记忆权重越高4.3 Skill 优先级链从低到高1. 插件提供的 skill最低 2. 内置 skill 3. 托管 skill~/.openclaw/skills/ 4. 个人 skill~/.agents/skills/ 5. 项目 skill{workspace}/.agents/skills/ 6. Workspace skill{workspace}/skills/ ← 最高优先级用户 workspace 里的 skill 可以覆盖任何内置行为。调教 Agent 的方式就是写一个 md 文件。4.4 Bootstrap 自毁机制首次使用时Agent 执行BOOTSTRAP.md完成初始化设置 IDENTITY、USER、SOUL完成后自动删除BOOTSTRAP.md。这是一次性引导之后 workspace 进入正常运行状态。五、核心认知理解这些你的 Agent 会脱胎换骨 认知1你的 Agent 价值在 workspace 文件夹里代码是公开的模型是通用的。真正属于你、不可替代的部分是 workspace 里那堆 md 文件。换台电脑 → 把 workspace 文件夹拷过去 → 体验原封不动删掉那个文件夹 → 一切从零开始 认知2调教 Agent 就是写 md不需要学编程不需要懂 prompt engineering。用自然语言把你的经验、偏好、规范写成 md 文件放到 workspace 里即可。甚至你不需要自己写——跟 Agent 对话的过程中它自己就会把学到的东西写成 md。你要做的只是在它犯错时纠正它它会自己记住。 认知3Agent 之间的差距就是 md 文件的差距同样的版本、同样的模型体验可能天差地别。差别在于各自 workspace 里积累了什么对比用了三个月的 Agent刚装上的 AgentSkill 数量几十个自定义 skill只有默认模板踩坑记录上百条空白用户画像精准完整基本为空体验如老搭档如新员工这和现实世界的专家差距是一样的两人智商差不多模型一样差距在于积累的经验和知识md 文件。六、实操建议可直接落地✅ 建议1主动引导 Agent 形成 SOP不要等 Agent 慢慢摸索。在你已有成熟工作流的领域直接告诉它“以后这类任务都按照这个流程来[描述流程]帮我写成 SKILL.md。”从此 Agent 每次执行这类任务都会遵循这个规范无需重复描述。✅ 建议2定期审查 workspace 文件Agent 自己写的内容不一定都对。建议每月审查一次AGENTS.md踩坑记录有没有过时或不准确的USER.md用户画像有没有需要更新的MEMORY.md长期记忆有没有需要修正的✅ 建议3善用多 Agent保持知识垂直场景推荐做法代码开发专属代码 Agent内容创作专属写作 Agent数据分析专属数据 Agent项目管理专属 PM Agent不同领域的知识积累互不干扰每个 Agent 的经验都是垂直深度的。✅ 建议4选对模型别在基础上将就再好的 md 文件喂给弱模型效果也有限。模型是地基md 文件是上层建筑。✅ 建议5备份你的 workspaceworkspace 是你最有价值的数字资产之一。推荐用Git管理OpenClaw 默认已 Git 跟踪定期推送到远程仓库GitHub / Gitee / 私有服务器七、一张图理解全局┌─────────────────────────────────────────────────────┐ │ 你的 Workspace │ │ │ │ SOUL.md → Agent 的人格自我进化 │ │ USER.md → 你的画像越用越懂你 │ │ AGENTS.md → 行为规范 踩坑记录核心 │ │ TOOLS.md → 环境备忘 │ │ SKILL.md×N → 各领域操作手册可自定义覆盖 │ │ memory/*.md → 每日日记全文向量双索引 │ │ MEMORY.md → 长期记忆精华每次必加载 │ │ ...自由生长的其他文件... │ └────────────────────┬────────────────────────────────┘ │ 每次对话加载 ▼ ┌───────────────┐ │ System Prompt │ │ (≤150KB) │ └───────┬───────┘ │ ▼ ┌───────────────┐ │ AI 模型 │◄── 选对模型是基础 └───────┬───────┘ │ 对话中学到新东西 ▼ 写回 md 文件 → 索引重建 → 下次更好总结维度关键点框架的本质md 文件的读写循环越用越好的原因AGENTS.md 踩坑记录不断积累USER.md 画像越来越精准调教方式写 md 文件或让 Agent 自己写价值所在workspace 文件夹不是代码不是模型最重要的一步主动引导 Agent 形成 SOP别让它自己摸索代码决定了 Agent 能做什么md 文件决定了它做得多好。而后者是你和你的 Agent 一起一次对话一次对话攒出来的。