3 篇博文 含有标签「Skill」

在 OpenClaw 开源 AI 智能体生态中，ACI 全称 Agent Capability Interface（智能体能力接口），是社区对 OpenClaw 核心能力调度体系的标准化命名，是一套专为大模型设计的、标准化的智能体能力注册、调度、安全管控与执行闭环的接口框架，也是 OpenClaw 实现「AI 从被动对话到主动执行」核心突破的技术底座。

一、ACI 的核心定义与在 OpenClaw 中的定位​

1. 本质定位​

ACI 是 OpenClaw 中连接大模型推理层与本地 / 云端执行层的「中枢神经与执行手脚」，彻底解决了传统大模型「能理解、能规划，但不能安全、可靠地落地执行」的核心痛点。OpenClaw 的核心理念是访问控制优于智能，ACI 正是这一理念的落地载体 —— 所有 AI 对系统资源的操作，必须经过 ACI 的统一管控，而非让大模型直接触碰底层系统。

2. 架构层级定位​

在 OpenClaw「Gateway 为核心」的分层架构中，ACI 是 Gateway 控制平面的核心子系统，上承大模型的任务规划，下接各类 Skill（技能）与执行器，是整个 Agent 执行循环的核心调度层。

用户指令 → 多渠道入口 → Gateway控制平面 → 大模型推理（任务规划） → ACI核心层 → 执行层 → 结果返回 → 大模型总结 → 用户

本文将一次性梳理清楚 AI 领域中 SKILLS 的定义，以及其与 prompt、command、MCP、workflow 等核心概念的内在联系，清晰呈现各概念的层级与应用逻辑。

一、基础指令层：prompt（提示词）​

让 AI 执行任务的最基础指令形式，即向 AI 发送的操作要求，如「帮我写个简历」。但AI输出的结果可能在格式和内容上都不太符合我们预期，为了让效果更好，你可能会加入很多规则为提升 AI 输出效果，可在基础提示词中加入详细规则（如个人信息居中、教育经历用表格呈现、项目经历按 STAR 法则拆解），这类详细规定执行步骤的提示词，被称为结构化提示词。

二、便捷调用层：command（命令）​

结构化提示词往往内容较长，每次手动输入效率极低，由此诞生了 command 功能。指 AI 客户端（如 Claude code）支持将常用的长提示词固化为文件，通过短命令 / 快捷键即可唤出对应固定内容的功能，实现长提示词的便捷调用。

三、高优先级指令层：system prompt（系统提示词）​

1. 一般在 AI 输入框中输入的内容为user prompt（用户提示词），而 system prompt 是优先级更高的大模型指令，相同要求放入系统提示词，大模型的指令遵循效果会远优于用户提示词，能解决长提示词下 AI「不听话」的问题。
2. 常规 AI 使用仅一个输入框，内容默认以用户提示词发送，部分 AI 软件（如 cursor、Claude code）提供专属入口，可将内容以文件形式（如 cursor 的 cursorrule、Claude code 的 Claude.MD）作为系统提示词发给大模型。最常见的里面可以放“请用中文回复我 ”

Agent Skills 是由 Anthropic 于 2025 年确立并推进为开放标准的AI 智能体能力扩展方案，本质是将复杂的 Prompt 工程、领域知识库、执行逻辑与脚本，封装成标准化的文件夹结构（核心为 SKILL.md ），支持模型动态发现、按需加载，大幅提升任务执行的稳定性与 Token 效率，避免重复的 Prompt 粘贴与维护。通过模块化技能封装提升AI智能体的专业能力，让AI模型能够按需加载、自主调用特定任务的能力包。

Agent被视为AI系统的基本构成单元。一个功能完备的智能体必须具备一套核心技能，即 “Agent skills”。这些技能使其不仅能执行简单指令，还能像人类一样进行复杂的任务处理。文档明确指出，这些技能包括：

• 规划能力（Planning）: 智能体能够将复杂的用户目标分解成一系列可执行的子任务和步骤，并制定出合理的行动方案。
• 推理能力（Reasoning）: 智能体具备逻辑思考和因果推断的能力。它能够根据已知信息、环境状态和物理常识，判断如何行动以及为什么要这样行动。这在解决现实世界中的“长尾问题”（罕见或不可预见的场景）时至关重要。
• 执行能力（Execution）: 智能体能够调用工具、API或模型，将规划好的任务步骤转化为具体的操作。例如，编写代码、操控软件、控制机械臂等。
• 研究能力（Research）: 智能体能够主动搜索、获取并整合新信息和知识，以完成当前任务或优化未来的决策。这使其具备持续学习和适应的潜力。