AI/ML Skills
AI/ML 類 Skills 讓 OpenClaw Agent 具備「自我進化」和「知識結構化」的能力。這些 Skills 對於理解 AI Agent 架構有極高的學習價值，適合想深入了解 OpenClaw 內部運作的進階使用者。
#11 — Capability Evolver
| 屬性 | 內容 |
|---|---|
| 排名 | #11 / 50 |
| 類別 | AI/ML |
| 總分 | 60 / 80 |
| 成熟度 | 🟡 Beta |
| 官方/社群 | 社群 (Community) |
| 安裝方式 | clawhub install community/capability-evolver |
| ClawHub 下載量 | 35K+ |
| 目標使用者 | 進階使用者、AI Agent 研究者 |
功能說明
Capability Evolver 是 OpenClaw 生態系中最具前瞻性的 Skill 之一。它讓 Agent 能自動進化自己的能力：
- 能力偵測：分析 Agent 目前能做和不能做的事
- 自動學習：從成功的互動中提取模式並強化
- Skill 建議：根據使用模式推薦新的 Skills
- Prompt 最佳化：自動調整 system prompt 以提升特定任務表現
- 能力地圖：視覺化 Agent 的能力分布
為什麼重要
傳統 AI Agent 的能力是固定的 — 你安裝什麼 Skill，它就只能做什麼。Capability Evolver 打破了這個限制，讓 Agent 能觀察自己的行為模式並持續進化。35K 的下載量顯示社群對「自進化 Agent」概念的高度興趣。
評分明細
| REL | COM | TRC | VAL | MNT | RLB | SEC | LRN | 總分 |
|---|---|---|---|---|---|---|---|---|
| 7 | 8 | 7 | 8 | 7 | 7 | 7 | 9 | 60 |
排名理由：學習價值 9/10 是所有 Skills 中最高的。對於想理解 meta-learning 和 self-improving agent 概念的人來說，這個 Skill 是最佳教材。
安裝與設定
clawhub install community/capability-evolver
# 基本設定
openclaw skill configure capability-evolver \
--learning-rate conservative \
--auto-evolve false # 建議先設為手動模式
# 執行能力分析
openclaw run capability-evolver --analyze
# 查看進化建議（不自動套用）
openclaw run capability-evolver --suggest
自動進化風險
--auto-evolve true 會讓 Agent 自動修改自己的行為模式。建議：
- 初期使用
--auto-evolve false，手動審核每個進化建議 - 搭配 Cron-backup Skill 定期備份 Agent 設定
- 設定
--evolve-scope limited，限制可進化的範圍
依賴與安全
- 依賴：OpenClaw Core v0.9+、建議搭配記憶系統
- 權限需求：讀寫 Agent 設定和記憶資料
- 安全性：SEC 7/10 — 可修改 Agent 行為，需謹慎使用
- 替代方案：手動調整 system prompt + Prompt Library（#44）
#22 — Ontology
| 屬性 | 內容 |
|---|---|
| 排名 | #22 / 50 |
| 類別 | AI/ML |
| 總分 | 56 / 80 |
| 成熟度 | 🟠 Alpha |
| 官方/社群 | 社群 (Community) |
| 安裝方式 | clawhub install community/ontology-claw |
| 目標使用者 | 知識工程師、研究者 |
功能說明
讓 Agent 建立和查詢 Knowledge Graph（知識圖譜）：
- Entity 擷取：從對話和文件中自動擷取實體和關係
- 知識圖譜建構：將擷取的知識組織為圖形結構
- 推理查詢：透過圖譜進行多跳推理（如「A 的老闆的公司在哪個城市？」）
- 視覺化：產生知識圖譜的互動式視覺化
- 匯出格式：支援 RDF、OWL、JSON-LD
為什麼重要
Knowledge Graph 讓 Agent 的知識從「扁平的文字」升級為「結構化的圖形」。這不僅提升了 Agent 的推理能力，也讓知識可以跨對話持久保存。結合記憶系統使用，Agent 就能建立越來越完整的個人知識圖譜。
評分明細
| REL | COM | TRC | VAL | MNT | RLB | SEC | LRN | 總分 |
|---|---|---|---|---|---|---|---|---|
| 6 | 7 | 5 | 8 | 6 | 7 | 8 | 9 | 56 |
安裝與設定
clawhub install community/ontology-claw
# 基本設定（使用內建的輕量圖資料庫）
openclaw skill configure ontology-claw \
--backend embedded
# 進階設定（使用 Neo4j）
openclaw skill configure ontology-claw \
--backend neo4j \
--neo4j-url bolt://localhost:7687 \
--neo4j-user neo4j \
--neo4j-password your_password
依賴與安全
- 依賴：無（embedded mode）或 Neo4j（advanced mode）
- 權限需求：圖資料庫讀寫
- 安全性：SEC 8/10 — 本機資料處理，不外傳
- 替代方案：Obsidian Skill（#9）的 backlinks 提供輕量級的關係追蹤
#38 — RAG Pipeline
| 屬性 | 內容 |
|---|---|
| 排名 | #38 / 50 |
| 類別 | AI/ML |
| 總分 | 51 / 80 |
| 成熟度 | 🟠 Alpha |
| 官方/社群 | 社群 (Community) |
| 安裝方式 | clawhub install community/rag-pipeline |
| 目標使用者 | 需要自訂知識庫的進階使用者 |
功能說明
建立 Retrieval-Augmented Generation (RAG) 管線，讓 Agent 能查詢自訂知識庫：
- 文件 Ingestion：匯入 PDF、Markdown、HTML、程式碼
- 向量化：使用 Embedding Model 將文件轉為向量
- 語義搜尋：根據查詢意圖檢索最相關的文件片段
- 回答產生：結合檢索結果產生有根據的回答
- 來源標註：每個回答標註來源文件
為什麼重要
RAG 是讓 Agent 在「封閉知識庫」上工作的關鍵技術。你可以匯入公司內部文件、技術文件、法規資料，讓 Agent 成為這些領域的專家，同時確保回答有憑有據。
評分明細
| REL | COM | TRC | VAL | MNT | RLB | SEC | LRN | 總分 |
|---|---|---|---|---|---|---|---|---|
| 6 | 6 | 5 | 8 | 5 | 6 | 7 | 8 | 51 |
安裝與設定
clawhub install community/rag-pipeline
# 設定 Embedding Model
openclaw skill configure rag-pipeline \
--embedding-model text-embedding-3-small \
--vector-store chroma \
--chunk-size 512
# 匯入文件
openclaw run rag-pipeline --ingest ~/Documents/company-docs/
# 查詢
openclaw run "根據公司文件，出差報銷的流程是什麼？"
依賴與安全
- 依賴：Embedding Model API（OpenAI 或本機模型）、ChromaDB 或 Qdrant
- 權限需求：文件系統讀取、向量資料庫讀寫
- 安全性：SEC 7/10 — 匯入的文件可能包含敏感資訊，需注意資料安全
資料安全
如果匯入的文件包含機密資訊，建議：
- 使用本機 Embedding Model（不外傳資料）
- 加密向量資料庫
- 設定存取控制
- 替代方案：Obsidian Skill（#9）提供輕量級的文件檢索；OpenClaw 內建記憶系統
#44 — Prompt Library
| 屬性 | 內容 |
|---|---|
| 排名 | #44 / 50 |
| 類別 | AI/ML |
| 總分 | 49 / 80 |
| 成熟度 | 🟡 Beta |
| 官方/社群 | 社群 (Community) |
| 安裝方式 | clawhub install community/prompt-library |
| 目標使用者 | Prompt Engineering 學習者 |
功能說明
管理和重用 Prompt 模板的工具：
- 儲存常用 Prompt 模板
- 變數替換（Template Engine）
- Prompt 版本控制
- 社群 Prompt 分享
- A/B 測試不同 Prompt 的效果
為什麼重要
好的 Prompt 是 AI Agent 效能的基礎。Prompt Library 讓你能系統化地管理和改進 Prompt，避免每次都重新撰寫。
評分明細
| REL | COM | TRC | VAL | MNT | RLB | SEC | LRN | 總分 |
|---|---|---|---|---|---|---|---|---|
| 6 | 7 | 4 | 6 | 5 | 7 | 9 | 5 | 49 |
安裝與設定
clawhub install community/prompt-library
# 新增 Prompt 模板
openclaw run prompt-library --save \
--name "code-review" \
--template "Review this {{language}} code for {{focus_area}}: {{code}}"
# 使用模板
openclaw run prompt-library --use code-review \
--language python \
--focus_area "security vulnerabilities" \
--code "$(cat main.py)"
依賴與安全
- 依賴：無外部依賴
- 權限需求：本機檔案系統（存放模板）
- 安全性：SEC 9/10 — 純本機文字處理
- 替代方案：直接在 OpenClaw 設定中管理 system prompt
AI/ML Skills 學習路徑
入門 → Prompt Library (#44)
理解 Prompt Engineering 基礎
↓
進階 → RAG Pipeline (#38)
學習 Retrieval-Augmented Generation
↓
進階 → Ontology (#22)
掌握 Knowledge Graph 概念
↓
高階 → Capability Evolver (#11)
探索 Self-improving Agent
研究者組合推薦
# AI Agent 架構學習
clawhub install community/capability-evolver
clawhub install community/ontology-claw
clawhub install community/rag-pipeline
# 實用 AI 工具組
clawhub install community/prompt-library
clawhub install community/rag-pipeline
clawhub install community/summarize