AI创想

标题: OpenClaw Skills 安装实战手册（Windows + ClawHub） [打印本页]

---

作者: 创想小编    时间: 前天 13:23
标题: OpenClaw Skills 安装实战手册（Windows + ClawHub）
作者：CSDN博客
OpenClaw Skills 安装实战手册（Windows + ClawHub）

(, 下载次数: 0)

上传

点击文件名下载附件

这篇文章基于一线实操记录，目标是把 OpenClaw 的技能安装流程从“会用”提升到“稳定可复现”：

内置 skill 如何补依赖并变成 ReadyClawHub 社区 skill 如何安装与校验遇到 brew not installed、Rate limit exceeded、slug/技能名不一致时如何处理

---

1. 场景与目标

在 OpenClaw 中，skill 大体分两类：

• 内置技能（openclaw-bundled）
  已随 OpenClaw 提供，但可能缺少外部依赖（如 ffmpeg、gh、summarize）。
  
• ClawHub 社区技能（openclaw-workspace）
  通过 clawhub install <slug> 安装到本地技能目录。
  

本文覆盖 6 个已完成实测的技能：

summarizevideo-framesgithubfind-skillsself-improving-agent（OpenClaw 识别名为 self-improvement）proactive-agent（固定版本 1.2.4）

---

2. 先做体检：统一检查命令

先确认全局状态，再决定装什么：

1. openclaw --version
2. openclaw skills check
3. openclaw skills info summarize
4. openclaw skills info video-frames
5. openclaw skills info github

复制代码

核心判断标准：

✓ Ready：可直接使用✗ Missing requirements：缺依赖，按提示补齐

---

3. 内置技能安装实战

3.1 summarize

功能简介

抽取/总结网页、视频转写内容、文档文本，适合快速信息归纳。

安装命令（Windows）

1. npm install -g @steipete/summarize
2. summarize --help
3. openclaw skills info summarize

复制代码

关键经验

WebUI 上显示 Install summarize (brew) 并不代表 Windows 必须装 brew。在 Windows 原生环境，直接用 npm 安装 summarize CLI 更直接。

---

3.2 video-frames

功能简介

使用 ffmpeg 从视频中抽帧/切片，适合做封面抽取、素材标注、镜头巡检。

安装命令（Windows）

1. winget install -e --id Gyan.FFmpeg --accept-source-agreements --accept-package-agreements
2. ffmpeg -version
3. openclaw skills info video-frames

复制代码

测试命令（示例）

1. $in='D:\视频\情感治愈类\你可以慢慢来.mp4'$out='D:\视频\情感治愈类\vf_test'New-Item-ItemType Directory -Path $out-Force |Out-Null
2. ffmpeg -hide_banner -y -i "$in"-vf "fps=1/5,scale=-2:720""$out\frame_%03d.jpg"Get-ChildItem"$out\frame_*.jpg"|Measure-Object

复制代码

---

3.3 github

功能简介

通过 gh CLI 做 issue/PR/CI 查询与操作，适合开发协作自动化。

安装命令（Windows）

1. winget install -e --id GitHub.cli--accept-source-agreements --accept-package-agreements
2. gh --version
3. openclaw skills info github

复制代码

SSH 登录与校验

1. gh config set git_protocol ssh --host github.com
2. gh auth login --hostname github.com --git-protocol ssh --web
3. gh auth status
4. gh api user -q .login

复制代码

---

4. ClawHub 社区技能安装实战

4.1 find-skills

功能简介

在对话中帮助识别“缺什么能力”，并推荐可安装 skill。

安装命令

1. clawhub install find-skills
2. clawhub list
3. openclaw skills info find-skills

复制代码

---

4.2 self-improving-agent

功能简介

将失败、纠错、反思沉淀为可复用记录，形成持续改进闭环。

安装命令

1. npx clawhub install self-improving-agent

复制代码

若遇到限流（Rate limit exceeded）

1. clawhub login
2. clawhub install self-improving-agent --force

复制代码

注意：技能名映射

slug：self-improving-agentOpenClaw 中技能名：self-improvement

校验：

1. openclaw skills info self-improvement

复制代码

---

4.3 proactive-agent（版本固定）

功能简介

让 Agent 更主动：上下文记忆、任务推进、复盘纠错、持续优化。

版本固定安装

1. clawhub install proactive-agent --version 1.2.4

复制代码

关键经验

proactive-agent-1-2-4 不是可安装 slug。正确做法是：proactive-agent + --version 1.2.4。

校验：

1. clawhub list
2. openclaw skills info proactive-agent

复制代码

---

5. 飞书里如何发布测试指令

在飞书机器人里，不是发 openclaw ... 终端命令，而是发自然语言任务。
示例：

1. 请使用 video-frames 技能处理本地视频：
2. 输入：D:\视频\情感治愈类\你可以慢慢来.mp4
3. 输出目录：D:\视频\情感治愈类\vf_test
4. 要求：每5秒抽1帧，文件名 frame_%03d.jpg
5. 完成后只回复：输出目录、生成数量、前3个文件名。

复制代码

---

6. 飞书可直接复制的测试指令合集

下面这组可以直接复制到飞书机器人里逐条测试。
6.1 summarize（网页总结）

1. 请使用 summarize 技能：
2. 总结这篇文章的核心观点、关键数据和可执行建议，输出为 5 条要点。
3. 链接：https://openai.com

复制代码

6.2 video-frames（视频抽帧）

1. 请使用 video-frames 技能处理本地视频：
2. 输入：D:\视频\情感治愈类\你可以慢慢来.mp4
3. 输出目录：D:\视频\情感治愈类\vf_test
4. 要求：每5秒抽1帧，文件名 frame_%03d.jpg
5. 完成后只回复：输出目录、生成数量、前3个文件名。

复制代码

6.3 github（仓库 issue 查询）

1. 请使用 github 技能：
2. 查看 openai/openai-python 最近 5 个 open issue，
3. 按创建时间倒序输出：标题、创建时间、链接。

复制代码

6.4 find-skills（能力检索）

1. 请使用 find-skills 技能：
2. 我想做“自动整理会议纪要并通过邮件发送”，请推荐 3 个最合适的 skill，
3. 并给出每个 skill 的安装命令与适用场景。

复制代码

6.5 self-improvement（自我改进沉淀）

1. 请启用 self-improvement 工作方式：
2. 如果你接下来执行任务失败或被我纠正，请输出：
3. 1) 失败原因
4. 2) 改进动作
5. 3) 下次避免策略
6. 并给出简短复盘。

复制代码

6.6 proactive-agent（主动推进）

1. 请按 proactive-agent 模式工作：
2. 目标：帮我搭建一个“技术博客自动生产”工作流。
3. 请先给出 3 个阶段计划，每阶段包含：目标、产出物、验收标准、下一步建议。

复制代码

6.7 通用连通性自检

1. 你好，做一次连通性自检并简短回复：连通测试通过。

复制代码

---

7. 常见报错与解决方案

1) brew not installed

现象：WebUI 提示 Install xxx (brew) 且在 Windows 报错。处理：优先用 Windows 原生命令安装依赖（winget / npm），不要强行引入 brew。

2) Rate limit exceeded（ClawHub）

现象：安装社区 skill 时被限流。处理：先 clawhub login，再重试安装。

3) 技能“已安装”但 skills info <slug> 找不到

原因：OpenClaw 使用 SKILL.md 里的 name 作为技能名，不一定等于 slug。处理：openclaw skills check 看最终注册名。

4) 依赖已装但命令不可用

原因：PATH 未刷新。处理：重启终端，必要时重启网关：

1. openclaw gateway restart

复制代码

---

8. 一组可复用的安装流水线命令

1. # 0) 基线检查
2. openclaw skills check
4. # 1) summarize
5. npm install -g @steipete/summarize
6. openclaw skills info summarize
8. # 2) video-frames (ffmpeg)
9. winget install -e --id Gyan.FFmpeg --accept-source-agreements --accept-package-agreements
10. openclaw skills info video-frames
12. # 3) github (gh)
13. winget install -e --id GitHub.cli--accept-source-agreements --accept-package-agreements
14. gh config set git_protocol ssh --host github.com
15. gh auth login --hostname github.com --git-protocol ssh --web
16. openclaw skills info github
18. # 4) clawhub 社区技能
19. clawhub install find-skills
20. clawhub install self-improving-agent
21. clawhub install proactive-agent --version 1.2.4
23. # 5) 总体验证
24. clawhub list
25. openclaw skills check

复制代码

---

9. 结论

这套流程的重点不是“装上一个 skill”，而是建立一条稳定可复用的技能交付链路：

先用 openclaw skills info/check 定位缺口对内置 skill 补系统依赖（npm/winget）对社区 skill 用 clawhub 安装并做版本管理最后统一做 Ready 校验与对话侧联调

做到这一步后，OpenClaw 才真正具备“可持续扩展”的工程化能力。




原文地址：https://blog.csdn.net/weixin_37647148/article/details/158537888

---

欢迎光临 AI创想 (http://www.llms-ai.com/)

Powered by Discuz! X3.4