龙虾集群 Skill 管理系统 v1.0

🦞

龙虾集群 Skill 管理系统

智能体能力的统一发现、审查与部署平台

2026-03-09 · OpenClaw Infrastructure

✓ v1.0 发布

28 个 Skills

三条管理流水线

双轨 Skill 体系

龙虾自身的指令集 vs Agent 的工具箱——两套体系，各司其职

VS

🦞

龙虾自己的 Skill

OpenClaw Runtime Skills

skills/ 目录

● OpenClaw 运行时注入，指导龙虾集群行为模式
● 定义龙虾如何思考、分析、决策
● 包含领域专有知识（龙虾独有视角）
● 直接影响龙虾集群输出质量
● 高度私有化，不对外公开

🤖

Claude Agent 的 Skill

Claude Code Agent Skills

~/.claude/skills/

● 注入 Agent 系统提示，指导编码执行行为
● 定义 Agent 如何写代码、提交、测试
● 可从 ClawHub 社区下载安装
● 经 vetter + judge 双重审查
● 质量阈值：judge 评分 ≥ 90/120

三条管理流水线

发现→审查→决策→部署→维护——全生命周期自动化管理

A

DISCOVER

🔍
扫描发现
ClawHub 爬取

→

🛡️
vetter 审查
安全&合规

→

⚖️
judge 评分
≥ 90/120 候选

→

⏳
等待决策
Will 人工审批

⏰ 每周一
09:00

B

INSTALL

💬
Will 决策
「入库」指令

→

⬇️
下载安装
~/.claude/skills/

→

✅
加载验证
健康检查

→

📝
Git Commit
记录入库

🤝 人工
触发

C

MAINTAIN

🔄
auto-updater
检查新版本

→

🔀
替换更新
下载新版本

→

🧪
验证运行
冒烟测试

→

↩️
失败回滚
自动恢复

⏰ 每日
04:00

Skill 质量标准

120分制量化评估——只有真正高质量的 Skill 才能入库

核心公式

好 Skill
=
专家独有知识
−
Claude 已知内容

120

满分

90

入库门槛

75%

通过率

Skill 的价值在于弥补 Claude 的知识盲区
提供 Claude 无法自行推导的专家知识

8 个评分维度

25

独特知识密度

Claude 不能自行推导的专家知识比例

20

场景特异性

针对具体工作流/工具的精准指导

15

可操作性

提供明确步骤而非模糊原则

15

完整性

覆盖场景的关键路径，无重大遗漏

15

准确性

信息正确，与实际工具/API 一致

10

简洁度

无冗余内容，每句话都有价值

10

安全合规

无有害内容，符合使用规范

10

使用频率预估

在实际工作中被激活的可能性

当前 Skill 评分排行

基于 judge 120分制评分 · 共 10 个代表性 Skill

🥇

skill-judge

108/120

🥈

skill-creator

103/120

4

orchestrator

98/120

🥉

healthcheck

96/120

5

coding-agent

94/120

6

vibe-coding

94/120

7

weather

92/120

8

openclaw-slides

88/120

9

github-digest

84/120

10

granola

84/120

版本历史与规划

从 v1.0 建立基础能力，到 v2.0 迈向自主进化

✓ v1.0 · 当前版本

基础管理体系建立

2026-03-09 发布

✓ 双轨 Skill 体系明确定义（龙虾 vs Agent）
✓ 三条管理流水线上线（A 发现 / B 安装 / C 维护）
✓ 120 分制质量标准制定，8 个评分维度
✓ 28 个 Skills 完成初始评分与分类
✓ vetter 安全审查 + judge 评分自动化
✓ Pipeline C 每日 04:00 自动更新维护
✓ Skill 评分排行榜公开

◎ v2.0 · 规划中

自主进化能力

预计 2026-Q2

◎ Skill 使用频率追踪（每次激活记录）
◎ 低分 Skill 自动重写触发机制
◎ 使用率 × 质量分 = 综合健康度评估
◎ Skill 版本差量对比与升级建议
◎ 跨 Agent 共享 Skill 市场
◎ 失效 Skill 自动下架（连续 30 天零调用）

目标：从「人工管理」升级为「自主进化」—— Skill 生态自我优化