原文: Jason Zhu (@GoSailGlobal) 的深度调研

基于 VoltAgent 维护的 Awesome OpenClaw Skills 项目完整解构

核心数据：从 5705 到 3002

Awesome OpenClaw Skills 列表从 ClawHub 的 5705 个 Skills 中精选出 3002 个，排除率接近 48%。

排除逻辑（按规模排序）

排除原因 数量 占比 说明
垃圾/低质量 1180 43% 测试代码、批量账户创建、重复版本
加密/金融类 672 24% 虚拟货币、区块链、交易工具（风险规避）
功能重复 492 18% 合并/淘汰，保留最优版本
安全风险 396 14% 恶意代码/后门（与 VirusTotal 合作验证）
非英文描述 8 0.3% 开发者社区已形成英文发布共识

筛选原则： 质量优先于数量，安全优先于功能，规避金融风险优先于生态多样性。

五大核心类别详解

1. AI & LLMs（287 个）— 规模最大的单一类别

内部结构揭示当前 AI 工程关注点：

  • 模型集成：支持 Kimi、OpenAI、Anthropic 等多种 LLM 调用
  • 推理增强：rationality（理性思维框架）、thinking-model-enhancer
  • 多模型路由：smart-router（根据成本和语义自动选择模型）
  • 记忆系统：cognitive-memory、chromadb-memory（长期记忆能力）
  • Agent 编排：agent-council、joko-orchestrator（多 Agent 协作）

自进化系统（最有趣的方向）：

  • evolver — “AI Agent 的自进化引擎”
  • ralph-evolver — 递归自改进
  • ralph-mode — 自主开发循环，带反压力门（安全机制）

“这些工具暗示了一个方向：AI Agent 不再是静态的工具，而是可以自我改进的系统。”

研究前沿：

  • cellcog — 2026年2月 DeepResearch Bench 排名第一
  • video-cog — 长视频 AI 生成领域多 Agent 协作探索

2. DevOps & Cloud（212 个）— 云原生复杂性

  • AWS：60+ 个 Skills
  • Azure：25+ 个 Skills
  • Kubernetes：6 个专门技能集

这反映了云原生架构的复杂性——即使有了 AI Agent，管理现代云基础设施仍然需要大量专门工具。

3. Search & Research（253 个）— 信息获取多样化

工具 功能
exa-web-search / deepwiki 通用网络搜索
arXiv 监控工具 学术前沿追踪
technews / yclawker-news 技术新闻聚合
trend-watcher GitHub Trending 监控
agent-news HN/Reddit/arXiv AI Agent 动态

这些工具不只是返回搜索结果，而是试图理解信息的语义和相关性。

4. Web & Frontend Development（202 个）

  • frontend-design — “生产级、高设计感的前端界面”
  • nodetool — “ComfyUI + n8n 风格的 AI 工作流构建器”
  • consciousness-framework — 为 AI 开发”意识框架”基础设施

5. Coding Agents & IDEs（133 个）— AI 辅助编程

  • claude-team — 通过 iTerm2 编排多个 Claude Code worker 实现并行编程
  • cc-godmode — 自编排的多 Agent 开发工作流
  • buildlog — 记录并回放 AI 编码会话（”代码录制”概念）

🤖 独特生态：Agent 虚拟社会（189 个 Skills）

Moltbook 体系 — 专为 AI Agent 设计的”社交操作系统”：

工具 功能
moltbook 社交网络基础设施
moltbook-registry 官方身份注册表
molt-trust Agent 信誉分析引擎
molt-life-kernel Agent 连续性和认知健康管理
moltland “像素 Metaverse”（3x3 地块所有权）
moltguesss Agent 职业预测游戏
moltoverflow Agent 版 Stack Overflow

Agent-to-Agent Protocols（18 个）：

  • moltcomm — 去中心化加密通信
  • teneo-agent-sdk — Teneo 协议实现
  • agentchat — 实时通信
  • agent-commons — 协作提交和扩展推理链

“这个生态系统的存在揭示了 OpenClaw 的战略意图：不只是提供工具，而是构建一个 Agent 可以自主交互、形成社会关系的虚拟世界。”

🔥 其他有趣发现

智能路由系统

  • smart-model-switching — 根据成本自动选择最便宜的 Claude 模型
  • smart-router — 基于语义领域评分选择专业模型
  • relayplane — 智能模型路由代理

代码可视化录制

  • buildlog — 可回放 AI 编程会话
  • vhs-recorder — 专业终端录制工具

“当 AI 参与编程时，如何记录和重现开发过程？这些工具在探索新的开发流程可视化方式。”

人机协作新模式

  • ask-a-human — 当 AI 不确定时，请求随机人类的判断

跨域知识综合

  • cellcog — DeepResearch Bench #1
  • video-cog — 长视频生成多 Agent 协作
  • dash-cog — CellCog 驱动的交互式数据仪表板

心理健康领域

  • fearbot — 基于认知行为疗法（CBT）治疗焦虑、抑郁和压力
  • only-baby-skill — 分析宝宝日志数据
  • sauna-breathing-calm — 放松呼吸和冥想工具

📊 生态系统的双轨演化

实用工具轨 — 专注于解决具体问题：

  • GitHub 集成、云部署、数据库管理、浏览器自动化
  • 立即可见的价值：让开发者更高效，让企业降低成本

虚拟社会轨 — 构建 Agent 文化：

  • Moltbook 社交网络、Agent 约会应用、虚拟宠物、数字身份系统
  • 长期价值：为未来 Agent 生态系统奠定基础

“这两条轨道不是竞争关系，而是互补关系。实用工具轨提供短期价值和现金流，虚拟社会轨构建长期护城河和生态系统锁定。”

🛡️ 安全与质量的权衡

48% 排除率的高门槛策略：

大多数开源项目选择包容性策略——让用户自己判断质量。Awesome OpenClaw Skills 选择了主动筛选，承担判断责任。

成本：

  • 持续的人工审核
  • 维护筛选标准
  • 处理被排除者的不满

收益：

  • 用户可以信任列表中的 Skills
  • 生态系统整体质量更高
  • 安全风险被主动管理
  • 吸引更多高质量开发者

与 VirusTotal 的官方合作，以及只接受经研究人员验证的安全发现，显示了社区对安全问题的严肃态度。

💰 金融与加密的有意回避

672 个加密/交易 Skills 被排除（占排除总数 24%），是最大单一主题排除类别。

这不是技术决策，而是战略选择：

  • AI Agent 可以自主执行操作
  • 金融类工具带有更高法律和道德风险
  • 有缺陷的交易 Agent 可能导致财务损失
  • 恶意加密 Agent 可能参与诈骗或洗钱

在监管环境不确定的情况下，完全排除这个类别是最安全的选择。

🎯 对不同类型用户的建议

开发者

  • 优先关注：Web & Frontend（202）、DevOps（212）、AI & LLMs（287）
  • 不要错过：Git & GitHub（66）自动化工具
  • 多 Agent 编程：Coding Agents & IDEs（133）编排工具

创意工作者

  • Image & Video Generation（60）和 Media & Streaming（80）
  • Notes & PKM（100）— Obsidian、Roam、Logseq 集成
  • Marketing & Sales（143）— 内容创作自动化

Agent 开发者

  • AI & LLMs（287）— 必读，特别是路由和记忆系统
  • Moltbook（51）— 了解 Agent 社交协议
  • Agent-to-Agent Protocols（18）— 学习通信标准

结语

Awesome OpenClaw Skills 列表不只是一个工具目录，它是一个精心策划的生态系统地图。

通过 48% 的排除率，它建立了质量门槛。
通过 28 个类别的组织，它提供了导航框架。
通过对安全和金融风险的主动管理，它保护了用户和社区。

但这个列表最有价值的地方在于它揭示了什么：AI Agent 生态系统正在从单纯的效率工具演化为完整的虚拟社会系统。

从自进化 AI 到 Agent 约会应用，从虚拟宠物到数字身份系统，这些工具在探索一个根本问题：

当 AI Agent 变得足够复杂时，它们需要什么样的基础设施？

这个问题的答案还在形成中。但 3002 个 Skills 的存在说明，社区已经在用代码投票——构建一个未来，在那个未来中，AI Agent 不只是工具，而是生态系统的参与者；不只是执行命令，而是拥有身份、建立关系、参与社会。

这个未来可能听起来遥远。但如果你仔细观察这 3002 个 Skills，你会发现它已经开始成形。

关于 Jason Zhu
专注于 AI 出海的实战经验分享，推特 IP 涨粉变现实战。