基本信息

来源摘要/节选

公开展示已截断至最多 800 个字符；请访问原始来源查看完整上下文。

场景：AI 怎么知道用哪个命令？ 你问 OpenClaw：「帮我查一下上海今天的天气。」 AI 回复了一段 curl “wttr.in/Shanghai?format=3” 的命令，执行后准确拿到了天气数据。 但这里有个问题值得深究——LLM 是一个语言模型，它并不天然知道"查天气要用 wttr.in “，也不知道"管理 GitHub PR 用 gh CLI”，更不知道"控制 Spotify 用 spotify-player “。 显然有什么东西在"教"它这些。但如果把 50 个工具的完整文档全部塞进系统提示里，光文档本身就会把上下文窗口撑满。 这就是 Skill 系统 要解决的问题： 文档规模问题 ：50+ 个工具，每个都有详细文档——全部预加载会把 LLM 的上下文撑爆。 工具可用性问题 ： gh CLI 没装、 spotify-player 没配置环境变量——向 LLM 暴露不可用的工具毫无意义还会引发错误。 工作流标准化问题 ：工具的用法需要让 LLM 精确理解和遵循，不能靠 LLM “猜”。 用户体验问题 ：用户想通过 /weather 上海 直接触发，而不是每次都打一段自然语言。 一、SKILL.md：给 LLM 看的文档格式 为什么是 Markdown 而不是代码？ Skill 不是一段程序——它是"给 LLM 看的操作手册”。LLM 理解自然语言和 Markdown，所以最合理的格式就是带 YAML frontmatter 的 Markdown 文件。…

来源说明

当前只保存了公开页面节选，不代表原文全文。请以原始来源为准。

本页只呈现已做哈希绑定的来源证据，不包含基于旧正文或缺失原文的扩展推断。