学习与记录 Skill

核心理念

学习不固化 = 白学。每次学完一个东西，必须产出可复用的资产。

学习流程

Phase 0: 准备（开始前）

1. 明确目标 — 学什么？学到什么程度？能用来干什么？
2. 收集入口 — 官方文档、GitHub repo、教程、示例项目
3. 建立笔记文件 — 在 memory/learning-logs/<主题>-<日期>.md 创建学习日志
4. 列出探索清单 — 预估要搞清楚的关键问题

Phase 1: 环境搭建

记录以下内容：

• 安装命令（完整、可复现）
• 依赖冲突和解决方案
• 版本信息（--version）
• 环境变量配置
• 踩坑：任何报错、意外行为、文档没说的注意事项

Phase 2: 最小可用验证

• 写一个最简单的 hello world / demo
• 确认基本通路跑通
• 记录最小可用代码
• 踩坑：初始化、权限、网络、路径等常见问题

Phase 3: 系统探索

按以下维度逐一探索，每个都记录：

• 核心概念 — 这个工具的世界观是什么？关键术语？
• API/命令 — 主要接口有哪些？参数含义？
• 配置项 — 可调的参数、默认值、最佳实践
• 边界情况 — 极端输入、错误处理、性能限制
• 集成方式 — 怎么和其他工具配合？
• 高级特性 — 不是必需但很强大的功能
• 常见坑 — 文档没提但你踩到了的
• 社区智慧 — GitHub issues、讨论区的高频问题

Phase 4: 实战验证

• 用学到的知识做一个小项目
• 记录从构思到完成的全过程
• 遇到的问题和解决方案
• 和文档描述不一致的地方

Phase 5: 固化输出（最重要！）

学习不固化 = 白学。每完成一个主题，必须产出可复用的资产。

固化产物选择

判断规则：

• 只需要 AI "知道怎么用" → Skill（知识文档）
• 需要反复执行的具体操作 → 脚本（scripts/ 目录）
• 需要 AI 主动调用的工具能力 → MCP Server（长期服务）
• 三者可组合：Skill 引导流程，Skill 内嵌脚本，MCP 提供工具接口

5a: 创建 Skill（知识固化）

当满足以下任一条件时，必须创建 Skill：

• 学到了可重复使用的工作流或代码模式
• 涉及 API 调用、配置模板、最佳实践
• 未来可能再次用到这些知识

⚠️ 必须严格按照 skill-creator 规范创建：

Step 1: 初始化（必须用脚本）

python3 ~/.npm-global/lib/node_modules/openclaw/skills/skill-creator/scripts/init_skill.py \
  <skill-name> --path <输出目录> --resources references

Step 2: 编辑 SKILL.md

• 填写 YAML frontmatter：name + description（description 是触发机制，必须写清使用场景）
• 删除模板中的 TODO 和 Structuring 段落
• SKILL.md 保持 < 500 行，核心用法
• 详细内容放 references/ 目录

Step 3: 添加 references/

• 从学习笔记中提取详细内容
• 按 references/models.md、references/examples.md、references/best-practices.md 等组织
• 大文件（>100行）顶部加目录索引

Step 4: 如有可复用脚本，添加到 scripts/

• 必须 chmod +x，支持 --help
• 参数通过命令行传入，禁止硬编码
• 输出结构化文本（JSON/表格）

Step 5: 打包（必须用脚本）

python3 ~/.npm-global/lib/node_modules/openclaw/skills/skill-creator/scripts/package_skill.py \
  <skill-folder路径> [输出目录]

Step 6: 更新 TOOLS.md Skills 列表

Step 7: 删除或归档原始学习笔记（知识已沉淀到 Skill 中）

5b: 创建脚本（功能固化）

脚本规范：

• 放在 skills/<主题>/scripts/ 或 ~/.openclaw/scripts/
• 必须 chmod +x，支持 --help
• 关键参数通过命令行参数传入，禁止硬编码
• 输出结构化文本（JSON/表格），方便 AI 解析
• 包含错误处理和退出码

脚本模板（Python）：

#!/usr/bin/env python3
"""<一句话描述>

用法: python3 script.py <参数>
"""
import argparse, sys, json

def main():
    p = argparse.ArgumentParser(description=__doc__)
    p.add_argument('input', help='输入')
    p.add_argument('-o', '--output', help='输出')
    args = p.parse_args()
    # ... 逻辑 ...
    print(json.dumps(result, ensure_ascii=False))

if __name__ == '__main__':
    main()

5c: 创建 MCP Server（工具服务固化）

MCP Server 规范：

• 放在 ~/.openclaw/mcp-servers/ 或独立 Git 仓库
• 使用 @modelcontextprotocol/sdk 或 mcp Python 包
• 每个工具必须有清晰的 name、description、inputSchema