AI/ML Skills
AI/ML 类 Skills 让 OpenClaw Agent 具备「自我进化」和「知识结构化」的能力。这些 Skills 对于理解 AI Agent 架构有极高的学习价值，适合想深入了解 OpenClaw 内部运作的进阶用户。
#11 — Capability Evolver
| 属性 | 内容 |
|---|---|
| 排名 | #11 / 50 |
| 类别 | AI/ML |
| 总分 | 60 / 80 |
| 成熟度 | 🟡 Beta |
| 官方/社区 | 社区 (Community) |
| 安装方式 | clawhub install community/capability-evolver |
| ClawHub 下载量 | 35K+ |
| 目标用户 | 进阶用户、AI Agent 研究者 |
功能说明
Capability Evolver 是 OpenClaw 生态系统中最具前瞻性的 Skill 之一。它让 Agent 能自动进化自己的能力：
- 能力检测：分析 Agent 目前能做和不能做的事
- 自动学习：从成功的交互中提取模式并强化
- Skill 建议：根据使用模式推荐新的 Skills
- Prompt 优化：自动调整 system prompt 以提升特定任务表现
- 能力地图：可视化 Agent 的能力分布
为什么重要
传统 AI Agent 的能力是固定的 — 你安装什么 Skill，它就只能做什么。Capability Evolver 打破了这个限制，让 Agent 能观察自己的行为模式并持续进化。35K 的下载量显示社区对「自进化 Agent」概念的高度兴趣。
评分明细
| REL | COM | TRC | VAL | MNT | RLB | SEC | LRN | 总分 |
|---|---|---|---|---|---|---|---|---|
| 7 | 8 | 7 | 8 | 7 | 7 | 7 | 9 | 60 |
排名理由：学习价值 9/10 是所有 Skills 中最高的。对于想理解 meta-learning 和 self-improving agent 概念的人来说，这个 Skill 是最佳教材。
安装与配置
clawhub install community/capability-evolver
# 基本配置
openclaw skill configure capability-evolver \
--learning-rate conservative \
--auto-evolve false # 建议先设为手动模式
# 执行能力分析
openclaw run capability-evolver --analyze
# 查看进化建议（不自动套用）
openclaw run capability-evolver --suggest
自动进化风险
--auto-evolve true 会让 Agent 自动修改自己的行为模式。建议：
- 初期使用
--auto-evolve false，手动审核每个进化建议 - 搭配 Cron-backup Skill 定期备份 Agent 配置
- 配置
--evolve-scope limited，限制可进化的范围
依赖与安全
- 依赖：OpenClaw Core v0.9+、建议搭配记忆系统
- 权限需求：读写 Agent 配置和记忆数据
- 安全性：SEC 7/10 — 可修改 Agent 行为，需谨慎使用
- 替代方案：手动调整 system prompt + Prompt Library（#44）
#22 — Ontology
| 属性 | 内容 |
|---|---|
| 排名 | #22 / 50 |
| 类别 | AI/ML |
| 总分 | 56 / 80 |
| 成熟度 | 🟠 Alpha |
| 官方/社区 | 社区 (Community) |
| 安装方式 | clawhub install community/ontology-claw |
| 目标用户 | 知识工程师、研究者 |
功能说明
让 Agent 创建和查询 Knowledge Graph（知识图谱）：
- Entity 提取：从对话和文件中自动提取实体和关系
- 知识图谱构建：将提取的知识组织为图形结构
- 推理查询：透过图谱进行多跳推理（如「A 的老板的公司在哪个城市？」）
- 可视化：生成知识图谱的交互式可视化
- 导出格式：支援 RDF、OWL、JSON-LD
为什么重要
Knowledge Graph 让 Agent 的知识从「扁平的文字」升级为「结构化的图形」。这不仅提升了 Agent 的推理能力，也让知识可以跨对话持久保存。结合记忆系统使用，Agent 就能创建越来越完整的个人知识图谱。
评分明细
| REL | COM | TRC | VAL | MNT | RLB | SEC | LRN | 总分 |
|---|---|---|---|---|---|---|---|---|
| 6 | 7 | 5 | 8 | 6 | 7 | 8 | 9 | 56 |
安装与配置
clawhub install community/ontology-claw
# 基本配置（使用内建的轻量图数据库）
openclaw skill configure ontology-claw \
--backend embedded
# 进阶配置（使用 Neo4j）
openclaw skill configure ontology-claw \
--backend neo4j \
--neo4j-url bolt://localhost:7687 \
--neo4j-user neo4j \
--neo4j-password your_password
依赖与安全
- 依赖：无（embedded mode）或 Neo4j（advanced mode）
- 权限需求：图数据库读写
- 安全性：SEC 8/10 — 本机数据处理，不外传
- 替代方案：Obsidian Skill（#9）的 backlinks 提供轻量级的关系追踪
#38 — RAG Pipeline
| 属性 | 内容 |
|---|---|
| 排名 | #38 / 50 |
| 类别 | AI/ML |
| 总分 | 51 / 80 |
| 成熟度 | 🟠 Alpha |
| 官方/社区 | 社区 (Community) |
| 安装方式 | clawhub install community/rag-pipeline |
| 目标用户 | 需要自定义知识库的进阶用户 |
功能说明
创建 Retrieval-Augmented Generation (RAG) 管线，让 Agent 能查询自定义知识库：
- 文件 Ingestion：导入 PDF、Markdown、HTML、代码
- 向量化：使用 Embedding Model 将文件转为向量
- 语义搜索：根据查询意图检索最相关的文件片段
- 回答生成：结合检索结果生成有根据的回答
- 来源标注：每个回答标注来源文件
为什么重要
RAG 是让 Agent 在「封闭知识库」上工作的关键技术。你可以导入公司内部文件、技术文件、法规数据，让 Agent 成为这些领域的专家，同时确保回答有凭有据。
评分明细
| REL | COM | TRC | VAL | MNT | RLB | SEC | LRN | 总分 |
|---|---|---|---|---|---|---|---|---|
| 6 | 6 | 5 | 8 | 5 | 6 | 7 | 8 | 51 |
安装与配置
clawhub install community/rag-pipeline
# 配置 Embedding Model
openclaw skill configure rag-pipeline \
--embedding-model text-embedding-3-small \
--vector-store chroma \
--chunk-size 512
# 导入文件
openclaw run rag-pipeline --ingest ~/Documents/company-docs/
# 查询
openclaw run "根据公司文件，出差报销的流程是什么？"
依赖与安全
- 依赖：Embedding Model API（OpenAI 或本机模型）、ChromaDB 或 Qdrant
- 权限需求：文件系统读取、向量数据库读写
- 安全性：SEC 7/10 — 导入的文件可能包含敏感信息，需注意数据安全
数据安全
如果导入的文件包含机密信息，建议：
- 使用本机 Embedding Model（不外传数据）
- 加密向量数据库
- 配置存取控制
- 替代方案：Obsidian Skill（#9）提供轻量级的文件检索；OpenClaw 内建记忆系统
#44 — Prompt Library
| 属性 | 内容 |
|---|---|
| 排名 | #44 / 50 |
| 类别 | AI/ML |
| 总分 | 49 / 80 |
| 成熟度 | 🟡 Beta |
| 官方/社区 | 社区 (Community) |
| 安装方式 | clawhub install community/prompt-library |
| 目标用户 | Prompt Engineering 学习者 |
功能说明
管理和重用 Prompt 模板的工具：
- 存储常用 Prompt 模板
- 变量替换（Template Engine）
- Prompt 版本控制
- 社区 Prompt 分享
- A/B 测试不同 Prompt 的效果
为什么重要
好的 Prompt 是 AI Agent 性能的基础。Prompt Library 让你能系统化地管理和改进 Prompt，避免每次都重新撰写。
评分明细
| REL | COM | TRC | VAL | MNT | RLB | SEC | LRN | 总分 |
|---|---|---|---|---|---|---|---|---|
| 6 | 7 | 4 | 6 | 5 | 7 | 9 | 5 | 49 |
安装与配置
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)"
依赖与安全
- 依赖：无外部依赖
- 权限需求：本机文件系统（存放模板）
- 安全性：SEC 9/10 — 纯本机文字处理
- 替代方案：直接在 OpenClaw 配置中管理 system prompt
AI/ML Skills 学习路径
入门 → Prompt Library (#44)
理解 Prompt Engineering 基础
↓
进阶 → RAG Pipeline (#38)
学习 Retrieval-Augmented Generation
↓
进阶 → Ontology (#22)
掌握 Knowledge Graph 概念
↓
高阶 → Capability Evolver (#11)
探索 Self-improving Agent
研究者组合推荐
# AI Agent 架构学习
clawhub install community/capability-evolver
clawhub install community/ontology-claw
clawhub install community/rag-pipeline
# 实用 AI 工具组
clawhub install community/prompt-library
clawhub install community/rag-pipeline
clawhub install community/summarize