用 6 个 Skills 搭建 OpenClaw 自动化学习工作流

OpenClaw 可以理解成一个面向 AI Agent（人工智能代理）的工作台。单独的大语言模型（Large Language Model，LLM）擅长理解和生成文本，但它不能稳定地访问网页、下载资料、解析复杂文件、记住长期目标，也不会主动把学习任务拆成可执行的步骤。

Skills 解决的就是这个问题。

如果把大语言模型看成负责判断和推理的大脑，Skills 就是可以被调用的工具：浏览器、文件解析器、图表生成器、计划系统、长期记忆和文本润色器。它们让 OpenClaw 不只是回答问题，而是能围绕一个目标持续执行任务。

以《世界电影史》课程为例，一个完整的学习工作流可以拆成 6 个环节：

整体流程可以画成这样：

flowchart LR
    A[学习目标<br/>例如掌握世界电影史] --> B[agent-browser<br/>搜索和下载资料]
    A --> C[pptx<br/>解析老师课件]

    B --> D[资料库<br/>教材/网页/论文]
    C --> E[结构化笔记<br/>Markdown/考点摘要]

    D --> F[diagram-generator<br/>生成知识图谱]
    E --> F

    F --> G[ship-learn-next<br/>拆分练习任务]
    G --> H[Rep 练习回合<br/>影评/拉片/时间线/展示稿]

    H --> I[personal-assistant<br/>记录进度和提醒]
    I --> G

    H --> J[Humanizer-zh<br/>润色论文和报告]
    J --> K[最终交付<br/>论文/PPT/复习材料]

OpenClaw Skills 的工作方式

Skills 并不是简单的提示词模板。更准确地说，它们是一组可以被 OpenClaw 调度的能力模块。用户提出目标后，OpenClaw 会判断哪些任务需要外部工具完成，然后调用对应 Skill，Skill 再把结果写回工作区或对话上下文。

典型调用链如下：

sequenceDiagram
    participant U as 用户
    participant O as OpenClaw
    participant S as Skill
    participant W as Workspace

    U->>O: 提出目标或任务
    O->>O: 判断需要调用哪些能力
    O->>S: 调用对应 Skill
    S->>W: 读取或写入文件
    S-->>O: 返回执行结果
    O-->>U: 汇总结果并给出下一步

这种模式和普通聊天的区别在于：普通聊天只能生成一段回答；OpenClaw 加上 Skills 后，可以产生文件、记录状态、重复执行步骤，并把多个工具串成一条工作流。

准备工作：先整理 workspace

在开始调用 Skills 之前，建议先给课程建立一个清晰的目录。这样后续下载资料、解析课件、生成图表、产出论文时，不会混在一起。

workspace/
└── world-film-history/
    ├── sources/       # 教材、论文、网页资料
    ├── slides/        # 老师课件
    ├── notes/         # 解析后的 Markdown 笔记
    ├── diagrams/      # Mermaid 图、思维导图
    ├── reps/          # 每次练习产物
    └── outputs/       # 论文、PPT、汇报稿

如果使用的是已经集成 OpenClaw 的云端镜像，agent-browser 可能已经预装。其他 Skills 一般可以通过把 Skill 页面链接发给 OpenClaw 来安装。安装后要做一次简单验证，例如让它读取一个测试文件，或者生成一张最小 Mermaid 图，确认 Skill 能正常访问工作区。

1. 用 agent-browser 搜索和下载资料

《世界电影史》这种课程跨度很长，涉及早期电影、苏联蒙太奇、德国表现主义、法国新浪潮、新好莱坞、亚洲电影等多个主题。靠手动搜索很容易陷入两个问题：资料来源杂乱，下载和整理耗时间。

agent-browser 适合处理这类任务。它可以像浏览器一样打开网页、点击链接、读取页面内容，并把合适的资源下载到指定目录。

可以这样下指令：

调用 agent-browser，帮我搜索《世界电影史》相关公开资料。

要求：
1. 优先查找大学公开课、出版社介绍页、图书馆可访问资源、学术机构资料。
2. 不下载来源不明或明显侵权的文件。
3. 把可用资源保存到 workspace/world-film-history/sources/。
4. 生成 resources.md，记录每个资源的标题、链接、来源、适合用途。

理想输出不应该只是“一堆链接”，而是一个可以继续使用的资源清单：

# 世界电影史资源清单

| 标题 | 来源 | 类型 | 用途 | 链接 |
|---|---|---|---|---|
| Film History: An Introduction 相关介绍 | 出版社页面 | 教材信息 | 了解教材结构 | ... |
| 德国表现主义电影概述 | 大学公开课页面 | 课程材料 | 复习流派特征 | ... |
| Soviet Montage 资料 | 学术机构页面 | 专题资料 | 分析剪辑理论 | ... |

使用 agent-browser 时要注意三点：

agent-browser 的价值不在于替代判断，而是把“搜索、打开、筛选、下载、记录”这些重复动作交给工具执行，人再检查结果是否可靠。

2. 用 pptx 解析老师课件

PowerPoint 课件（.pptx）对大语言模型并不友好。直接上传课件后让模型总结，常见结果是：只抓到标题，忽略备注；只看见可见文字，漏掉图表关系；碰到复杂排版时，顺序也可能错乱。

pptx Skill 的作用是把课件拆开。它可以把幻灯片内容转换成 Markdown，也可以读取底层 XML（可扩展标记语言）结构，从中提取备注、评论、隐藏文本、图片说明和版式线索。

适合用这种指令：

调用 pptx 读取 workspace/world-film-history/slides/ 目录下的课件。

请输出：
1. 每页幻灯片的标题和正文。
2. 老师备注或隐藏文本。
3. 出现频率最高的概念。
4. 可能是考试重点的内容。
5. 把结果保存为 notes/slides-summary.md。

如果要针对某个专题深挖，可以把问题问得更具体：

使用 pptx 解析老师课件，重点提取“德国表现主义”的内容。

输出格式：
- 历史背景
- 视觉特征
- 代表影片
- 常见考法
- 可以用于论文的论点

解析后的笔记可以长这样：

## 德国表现主义

### 历史背景
- 主要活跃于 20 世纪 10 年代末到 20 年代。
- 与一战后德国社会心理、城市焦虑和现代性经验有关。

### 视觉特征
- 高反差布光。
- 扭曲的空间和布景。
- 夸张的表演和阴影。
- 用视觉形式表现人物心理。

### 代表影片
- 《卡里加里博士的小屋》
- 《诺斯费拉图》
- 《大都会》

### 可能考点
- 表现主义如何把人物心理外化为视觉风格。
- 表现主义对恐怖片、黑色电影的影响。

这里的重点不是让 OpenClaw 简单“总结课件”，而是把课件变成可检索、可引用、可继续加工的 Markdown 笔记。

3. 用 diagram-generator 生成知识结构

电影史课程很容易学成一堆碎片：某个导演、某部电影、某个流派、某个国家。diagram-generator 适合把这些碎片组织成结构图，帮助定位知识点之间的关系。

例如，可以让它根据教材和课件生成一张总览图：

调用 diagram-generator，根据 notes/slides-summary.md 和 sources/resources.md，
生成《世界电影史》课程的 Mermaid 思维导图。

要求：
1. 按时间阶段组织。
2. 每个阶段列出代表流派、代表影片和核心概念。
3. 输出到 diagrams/world-film-history.mmd。

生成的结构可以类似这样：

mindmap
  root((世界电影史))
    早期电影
      卢米埃尔兄弟
      梅里爱
      叙事电影形成
    经典好莱坞
      类型片
      明星制度
      连续性剪辑
    欧洲先锋与表现主义
      德国表现主义
        扭曲布景
        阴影
        心理外化
      法国印象派
      超现实主义
    苏联蒙太奇
      爱森斯坦
      库里肖夫效应
      冲突剪辑
    战后电影
      意大利新现实主义
      法国新浪潮
      新好莱坞
    当代电影
      全球化
      数字技术
      流媒体

除了思维导图，电影史还特别适合画时间线。时间线能帮助区分“同一时期不同地区发生了什么”。

timeline
    title 世界电影史简化时间线
    1895 : 电影放映诞生
    1910s : 叙事电影成熟
    1920s : 德国表现主义 : 苏联蒙太奇
    1930s : 有声电影普及 : 经典好莱坞体系稳定
    1940s : 意大利新现实主义
    1950s : 作者论兴起
    1960s : 法国新浪潮 : 现代主义电影
    1970s : 新好莱坞
    1990s : 数字影像扩展
    2010s : 流媒体改变发行与观看方式

diagram-generator 的使用要点是：不要只要求“生成一张图”，而要告诉它图的用途。复习用图要尽量简洁，论文选题图要突出概念关系，课堂展示图要适合投屏讲解。

4. 用 ship-learn-next 把目标拆成练习

学习计划最常见的问题是只有愿望，没有交付物。例如“每天学习电影史”“多看经典影片”“提升影评能力”，这些表述听起来合理，但无法检查完成质量。

ship-learn-next 的核心是 Ship - Learn - Next 循环：

• Ship：交付一个可见成果，例如一篇影评、一张时间线、一段拉片分析。
• Learn：从交付过程中发现知识缺口。
• Next：根据缺口安排下一轮练习。
• Rep：一次完整练习回合，每一轮都要有明确产物。

这个模式适合把“3 个月后能像专业影评人一样分析镜头语言”拆成可执行任务。

可以这样调用：

调用 ship-learn-next，为《世界电影史》制定 12 周学习计划。

目标：
3 个月后能够独立完成一篇 3000 字电影史论文，
并能从镜头语言、电影流派和历史语境三个角度分析影片。

约束：
1. 每周可投入 5 小时。
2. 每周必须有一个可提交产物。
3. 每个 Rep 都要包含 Ship、Learn、Next。
4. 结合 notes/slides-summary.md 和 diagrams/world-film-history.mmd。

一个可执行计划可以这样设计：

ship-learn-next 的价值在于把“学习”变成连续交付。每一轮 Rep 都会留下成果，后续复习、写论文、做展示时可以直接复用。

5. 用 personal-assistant 记录长期进度

普通对话有一个明显限制：上下文会断。今天制定的计划，过几天重新打开对话时，模型未必记得你的目标、进度和偏好。

personal-assistant 负责持久记忆。它可以记录目标、当前 Rep、截止时间、偏好的学习方式，以及各个 Skills 已经完成的任务。

可以让它维护一份学习状态：

调用 personal-assistant，记录我的《世界电影史》学习档案。

请保存：
- 总目标：12 周内完成 3000 字电影史论文和 5 页展示稿。
- 当前阶段：第 3 周，德国表现主义专题。
- 当前 Rep：完成《卡里加里博士的小屋》的视觉风格分析。
- 每周可用时间：周二、周四晚上各 1 小时，周日上午 3 小时。
- 偏好：用表格和时间线复习，不喜欢大段无结构笔记。

保存后的状态可以像这样：

course: 世界电影史
goal:
  paper: 3000 字电影史论文
  presentation: 5 页展示稿
duration: 12 周
current_week: 3
current_rep: 德国表现主义视觉风格分析
available_time:
  - 周二 20:00-21:00
  - 周四 20:00-21:00
  - 周日 09:00-12:00
preferences:
  note_style: 表格 + 时间线
  avoid: 大段无结构笔记
next_deadline: 周日 12:00

后续就可以直接问：

查看我的《世界电影史》学习进度，对比 ship-learn-next 的计划。

如果当前 Rep 落后，请重新安排本周任务：
1. 不改变最终截止日期。
2. 保留周日上午 3 小时作为主要学习时间。
3. 给出今晚可以完成的最小任务。

personal-assistant 适合保存学习状态，但不适合保存敏感信息。身份证、账号密码、私人联系方式、未公开业务数据，都不应该放进长期记忆。

6. 用 Humanizer-zh 润色论文和报告

AI 生成的中文常见问题是句式过于整齐、抽象名词堆叠、转折生硬，读起来像模板。Humanizer-zh 适合做最后一轮表达整理：调整长短句，减少翻译腔，让论证更接近中文学术写作或课堂报告的表达方式。

更稳妥的用法不是让它“重写一切”，而是给出边界：不新增事实，不编造经历，不改变论点，只改善表达。

调用 Humanizer-zh 润色 outputs/film-history-paper-draft.md。

要求：
1. 保留原有论点和引用，不新增事实。
2. 不编造观影经历和课堂经历。
3. 把过于机械的句子改得更自然。
4. 保留学术报告语气，不要写成散文。
5. 输出修改说明，列出主要改动类型。

可以把润色目标拆得更细：

润色后的文本仍然需要人工校对。尤其是影片名、导演名、年代、引用来源，一旦被改错，会直接影响论文可信度。

把 6 个 Skills 串成一条可复用流水线

单个 Skill 能解决一个局部问题，真正有用的是把它们按顺序组合起来。对于课程学习，可以固定成一条流水线：

flowchart TD
    A[建立课程目录] --> B[agent-browser 搜索公开资料]
    A --> C[上传课件到 slides]

    B --> D[生成 resources.md]
    C --> E[pptx 解析课件为 Markdown]

    D --> F[合并资料和课件笔记]
    E --> F

    F --> G[diagram-generator 生成知识图谱]
    G --> H[ship-learn-next 拆分 12 周 Rep]

    H --> I[执行每周练习]
    I --> J[personal-assistant 记录进度]
    J --> H

    I --> K[形成论文或展示稿初稿]
    K --> L[Humanizer-zh 润色]
    L --> M[人工校对并提交]

每个阶段都应该留下文件，而不是只停留在对话里：

这样做有两个好处：一是后续 Skill 可以继续读取已有成果，不用重复解释背景；二是人工检查更方便，错误可以定位到具体文件。

使用 OpenClaw Skills 时容易踩的坑

一个完整调用示例

如果已经准备好课程课件和资料，可以直接把任务交给 OpenClaw 编排：

我正在学习《世界电影史》，目标是在 12 周内完成一篇 3000 字论文和 5 页课堂展示稿。

请按顺序调用可用 Skills：

1. 用 agent-browser 搜索公开、合法的课程补充资料，保存到 sources/，并生成 resources.md。
2. 用 pptx 解析 slides/ 目录下的课件，输出 notes/slides-summary.md。
3. 用 diagram-generator 根据资料和课件生成世界电影史思维导图与时间线，保存到 diagrams/。
4. 用 ship-learn-next 制定 12 周学习计划，每周一个 Rep，每个 Rep 都要有交付物。
5. 用 personal-assistant 记录目标、当前进度、每周可用时间和提醒事项。
6. 当 outputs/paper-draft.md 生成后，再用 Humanizer-zh 做中文润色，但不得新增事实或改变论点。

所有阶段都要输出文件路径和简短说明。

OpenClaw 的 Skills 适合处理“目标明确、步骤重复、需要多个工具协作”的任务。课程学习只是一个例子，同样的模式也可以迁移到论文阅读、竞品分析、项目调研、会议纪要整理和知识库建设中。关键不是让 AI 多说几句，而是让它把搜索、解析、组织、计划、记忆和输出连接成一个能持续运转的流程。