1. 为什么你的 OpenClaw 装完像个“空壳”很多人第一次把 OpenClaw 跑起来心情是激动的终端里 Gateway 起来了模型也接上了对话框能正常回话。可聊了没几句就发现不对劲——你让它整理一份中文会议纪要它给你一段泛泛的总结你让它查一下某个库的最新用法它凭记忆瞎编你让它操作浏览器填个表单它说“我目前没有这个能力”。问题不在模型而在 skills。OpenClaw 的定位是一个运行在你自己机器上的 AI Agent 运行时它本身只提供“调度、记忆、工具调用”的骨架真正让它干活的是一个个 skill。初始状态下 skills 目录基本是空的或者只有几个面向英文场景的默认技能所以它看起来“能聊天”但“干不了活”。我试过在干净环境里跑 OpenClaw默认配置下让它做三件事总结一段中文技术文档、把一段 JSON 转成表格、调用本地脚本处理文件。结果是第一件勉强能做但质量一般第二件它直接手写代码而不是调用工具第三件它说没有对应 skill。这就是典型的“空壳”状态模型有智力但没有可调用的手脚。要解决这个问题核心不是去背 48000 个 skill 的名字而是给 OpenClaw 装上一个“找技能的能力”。这就是 find-skills 的价值它本身是一个 skill作用是让 Agent 能够检索、筛选、加载其他 skill。装完它之后你不需要手动去 skills.sh 网站翻页直接在对话里说需求Agent 会自己去搜、去比对、去推荐。这篇内容面向三类人刚装好 OpenClaw 但不知道下一步做什么的新手手里有一堆 skill 却不知道怎么组织的中级用户以及想把 OpenClaw 接进日常编码、文档、自动化流程的开发者。下面从环境准备讲到 config.toml 骨架再到验证请求和排错全部是可复制的操作。2. 前置准备TaoToken 接入与 npx 环境确认在动 skills 之前得先保证 OpenClaw 的模型通道是通的。因为 find-skills 的检索、推荐、安装确认这些动作都需要模型来理解你的自然语言需求并生成结构化调用。如果模型通道不稳定后面所有步骤都会卡在“Agent 不响应”上。TaoToken 在这里的角色是提供统一的模型接入层。你可以在官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 了解它的接入方式API 入口是 https://taotoken.net/api。它的好处是你不用在 OpenClaw 里分别配置多家模型的 key而是通过一个兼容接口统一调用切换模型时只改一个字段。具体操作上先去控制台创建一个 API Key。打开 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 登录后进入 API Keys 页面新建一个 key复制出来。这个 key 后面要写进 OpenClaw 的 config.toml。然后是 npx 环境。find-skills 的安装命令走的是 npx skills add 这条链路所以本机需要有 Node.js 和 npm。验证方式很简单在终端执行node -v npm -v npx -v三个命令都能输出版本号就说明环境 OK。如果 npx 报“command not found”说明 npm 版本太老或者 Node 没装好建议用 Node 18 LTS 以上。Windows 用户如果遇到 npx 执行权限问题用管理员身份的 PowerShell 跑一次即可不需要改系统策略。这里有个容易忽略的点npx 第一次执行 skills 相关命令时会临时下载包如果你的网络环境对 npm registry 访问慢可能会卡住。可以先手动预热一次npx skills --version看到版本号输出说明 npx 链路通了。这一步不涉及任何敏感网络操作只是确认包管理器能正常拉取公开包。环境确认完之后建议把 OpenClaw 的配置目录结构先看一眼。不同安装方式路径不一样常见的是~/.openclaw/或项目根目录下的config/。你可以用ls -la ~/.openclaw/确认里面有config.toml或者类似的配置文件。如果没有OpenClaw 首次启动时一般会自动生成你也可以手动创建。3. 可复制配置config.toml 骨架与 find-skills 安装这一节是全文的核心。先给出一份可以直接抄的 config.toml 骨架再讲 find-skills 的安装命令和它写进配置的方式。3.1 config.toml 骨架下面这份配置假设你使用 TaoToken 作为模型通道并且启用了 skills 目录扫描。字段名以你实际安装的 OpenClaw 版本为准如果某个字段报未知删掉即可核心是 model、api_base、api_key、skills 这几块。# OpenClaw 主配置 [gateway] host 127.0.0.1 port 8787 # 只监听本地不要暴露到公网 bind_local_only true [model] # 通过 TaoToken 统一接入 provider openai-compatible api_base https://taotoken.net/api api_key sk-你的TaoTokenKey model claude-3-5-sonnet # 对话与工具调用分开配置时工具调用建议用指令遵循更强的模型 tool_model claude-3-5-sonnet max_tokens 4096 temperature 0.3 [skills] # skills 根目录find-skills 安装后会在这里生成子目录 root ~/.openclaw/skills # 启动时自动扫描并加载 auto_load true # 允许 Agent 在对话中动态检索技能 dynamic_discovery true # 检索时返回的最大候选数 max_candidates 5 [skills.registry] # 技能来源默认走 skills.sh 生态 source skills.sh # 安装前是否需要用户确认 confirm_before_install true [logging] level info file ~/.openclaw/logs/openclaw.log几个关键点解释一下。bind_local_only true是安全底线OpenClaw 的控制台如果暴露到公网任何人都能读到你的对话和 key这个坑网上已经有很多案例。dynamic_discovery true是让 find-skills 生效的开关关掉它 Agent 就只能用预装技能。confirm_before_install true建议保持开启避免 Agent 自作主张装一堆用不上的技能。3.2 安装 find-skills配置写好后用一条命令装 find-skillsnpx skills add vercel-labs/skills --skill find-skills这条命令做的事情是从 skills.sh 生态拉取vercel-labs/skills这个仓库里的find-skills技能安装到你的 skills 根目录。执行过程中会提示确认输入 y 回车即可。安装完成后你会看到类似输出Installing find-skills... Cloning vercel-labs/skills... Linking skill find-skills - ~/.openclaw/skills/find-skills Done. 1 skill installed.如果你想把 find-skills 作为所有新 Agent 的“第一技能”可以在 OpenClaw 的初始化模板里把它写进默认 skills 列表。这样每次新建 Agent 时它会自动带上不用重复装。3.3 验证 skills 目录安装后检查目录结构ls -la ~/.openclaw/skills/应该能看到find-skills目录里面通常有SKILL.md、manifest.json或类似的描述文件。这个文件定义了技能的触发条件、输入输出格式和调用方式。OpenClaw 启动时会读取它把 find-skills 注册成一个可调用的工具。如果目录是空的说明安装路径和配置里的skills.root不一致。检查 config.toml 里的路径是否用了~展开有些运行时不支持波浪号需要写成绝对路径如/Users/yourname/.openclaw/skills。4. 验证请求让 Agent 自己找技能配置和安装都完成后重启 OpenClaw Gateway然后进入对话界面做验证。验证的目标不是“find-skills 装没装”而是“Agent 会不会主动用它”。4.1 第一个验证请求在对话里输入帮我找一个能做中文文档摘要的 skill要求支持长文本最好有评分参考。如果 find-skills 生效Agent 的响应应该包含这几个动作先说明它要调用 find-skills 检索然后返回若干候选技能每个候选带名称、来源、功能描述和装机量或评分最后询问你是否安装。一个典型的成功响应长这样我先用 find-skills 搜索一下中文文档摘要相关的技能。 找到 3 个候选 1. doc-summarizer-zh来源community/skills装机量 8.2K支持中文长文本 2. long-text-summary来源vercel-labs/skills装机量 5.1K通用摘要 3. cn-doc-toolkit来源community/skills装机量 3.4K含摘要与关键词提取 推荐第 1 个是否安装看到这个响应说明 find-skills 已经被正确加载并且 Agent 知道在遇到“找技能”类需求时调用它。如果 Agent 直接凭记忆回答“你可以用某某库”而没有走检索流程说明dynamic_discovery没生效或者 find-skills 没被注册。4.2 第二个验证请求安装并调用确认第一个请求后回复“安装第 1 个”。Agent 应该执行安装命令然后你可以继续发一个实际任务用刚装的技能把下面这段文字总结成三句话 粘贴一段 500 字左右的中文技术说明成功的标志是Agent 调用新装的 skill而不是自己手写摘要。你可以在日志里看到 skill 调用记录tail -f ~/.openclaw/logs/openclaw.log日志里会出现类似skill_invoked: doc-summarizer-zh的行。这一步验证的是“检索→安装→调用”的完整链路。4.3 第三个验证请求技能管理再验证一下技能列表和更新npx skills list npx skills checklist会列出当前已安装的所有技能check会检查是否有可更新版本。如果这两个命令能正常输出说明 skills 管理链路也是通的。到这里你的 OpenClaw 已经从“空壳”变成了“能自己找工具”的状态。5. 本篇常见错排查实际操作中大部分人卡在下面几个错误上。逐个说清楚原因和修法。5.1 npx skills add 报 404 或仓库不存在错误信息通常是404 Not Found或repository not found。原因一般是技能名写错或者 skills.sh 上的仓库路径变了。vercel-labs/skills是组织名加仓库名--skill find-skills是仓库内的技能名两者不能混。如果你从别处复制命令注意核对。修法先去 skills.sh 网站搜 find-skills复制页面上给出的完整安装命令不要手打。如果网站访问慢可以先用npx skills search find-skills在终端里搜。5.2 安装成功但 Agent 不调用现象是目录里有 find-skills但对话时 Agent 还是自己回答。原因通常是 config.toml 里dynamic_discovery为 false或者skills.root路径不对导致启动时没扫描到。修法确认配置后重启 Gateway。重启命令一般是openclaw gateway restart或者直接 kill 掉进程再启动。重启后看日志里有没有loaded skill: find-skills这一行。没有的话就是路径问题把skills.root改成绝对路径再试。5.3 模型不返回结构化调用有些模型对工具调用的支持不好你让它检索技能它给你一段自然语言描述而不是触发 find-skills。这时候要检查tool_model配置。建议工具调用单独指定一个指令遵循强的模型不要和对话模型混用。修法在 config.toml 里把tool_model设成支持 function calling 的模型比如 Claude 系列或 GPT 系列。TaoToken 的模型列表可以在 https://taotoken.net/api 的文档里查到选标注了工具调用能力的。5.4 安装后 OpenClaw 启动变慢技能装多了之后启动时扫描所有 SKILL.md 会变慢。如果超过 10 秒说明技能数量太多或者某个技能的描述文件有问题。修法先用npx skills list看数量把不用的卸载掉npx skills remove 技能名另外检查有没有技能的 SKILL.md 里写了死循环的触发条件这种会让扫描卡住。逐个禁用排查即可。5.5 中文需求检索不到合适技能find-skills 的检索是基于语义匹配的如果你的描述太短比如只写“摘要”返回的候选会很杂。建议在需求里带上语言、场景、输入类型比如“中文长文档摘要输入是 Markdown输出三句话”。修法把需求写具体。如果还是搜不到可以先用英文关键词搜一遍很多技能的描述是英文的找到后再看它是否支持中文。6. 把 find-skills 变成你的默认工作流配置跑通之后真正拉开差距的是使用习惯。我的做法是把 find-skills 当成 OpenClaw 的“第一技能”每次新建 Agent 或者换一个工作场景时先让它用 find-skills 扫一遍相关技能再开始干活。具体来说你可以建立一个简单的流程遇到新需求时第一句话不是“帮我做 X”而是“先找一下有没有做 X 的 skill有的话装上再用”。这个习惯看起来多了一步但实际省掉的是后面反复试错的时间。Agent 找到的技能往往比通用知识更新、更贴合场景尤其是那些社区维护的垂直技能。另外定期用npx skills check和npx skills update维护技能库。技能生态更新很快过时的技能可能调用失败或者输出质量下降。保持技能库干净比一次性装一堆更有用。如果你想把这条链路接进日常编码可以进一步了解 Coding Plan 相关的接入方式把 OpenClaw 的技能调用和你的开发流程串起来。模型对话能力可以在 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite 体验接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 可以查到完整的配置字段说明。API Key 管理入口还是 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 需要新建或轮换 key 时从这里进。最后提醒一句OpenClaw 的 Gateway 一定要保持本地监听不要为了图方便绑到 0.0.0.0。技能装得越多Agent 能调用的工具越强暴露出去的后果也越严重。把bind_local_only守住剩下的就是让 find-skills 帮你把能力一点点长出来。