刘道玉 AI 工作坊
随笔 研究 专题 工作坊 关于 RSS

OpenClaw Skill 每日推荐 - AI 与大语言模型

2026-07-03

OpenClaw Skill 每日推荐 — AI 与大语言模型

🤖 今日分类:AI & LLMs | 共 184 个 Skills | 30 个分类中的第 1 个

这是 OpenClaw 生态中最庞大的分类——184 个 Skill 覆盖了从 Agent 记忆系统到多模型路由、从安全防御到语音合成的一切。无论你在搭建个人 AI 助手还是构建生产级 Agent 系统,这里都有你需要的工具。


🏆 精选 Skill 详解

1. MoA (Mixture of Agents)

  • GitHub: openclaw/skills/moa
  • 推荐指数: ⭐⭐⭐⭐⭐

核心功能: 让 3 个前沿 LLM 先各自作答,再综合辩论、提炼出最优答案——“三个臭皮匠,顶个诸葛亮”的 AI 版。

实用场景:

  • 复杂技术方案需要多角度验证时
  • 重要决策需要减少单一模型偏差
  • 研究型问题需要全面分析

技术机制: 采用 Mixture of Agents 架构,先并行调用多个模型生成独立回答,然后通过一个聚合模型将各方观点综合成最终答案。这种”辩论-综合”模式显著提升了输出的可靠性和深度。

1
2
# 安装后直接使用,MoA 会自动编排多模型调用
openclaw skill add jscianna/moa

2. Smart Context

  • GitHub: openclaw/skills/smart-context
  • 推荐指数: ⭐⭐⭐⭐⭐

核心功能: Token 效率优化器——自动裁剪上下文、压缩响应、智能委派子任务,让你的 Agent 在有限 Token 预算内做更多事。

实用场景:

  • 长对话场景下 Token 消耗过快
  • 需要控制 API 成本的生产环境
  • 多轮复杂任务中保持上下文聚焦

技术机制: 四层优化策略——响应尺寸自适应、上下文剪枝、工具调用效率优化、子任务委派。核心思想是”按需分配 Token”,简单问题给短回答,复杂任务才展开。

💡 实用建议: 搭配 token-alert(Token 用量预警)使用,可以在 75%/90%/95% 阈值时收到提醒,避免意外超支。


3. Anti-Injection Skill

  • GitHub: openclaw/skills/anti-injection-skill
  • 推荐指数: ⭐⭐⭐⭐⭐

核心功能: 多层 Prompt 注入防御——保护你的 Agent 不被恶意指令劫持,这是所有面向外部用户的 Agent 的必备技能。

实用场景:

  • Agent 接收用户自由输入的场景(聊天机器人、客服)
  • 处理来自网页/邮件等不可信来源的文本
  • 多 Agent 协作中防止跨 Agent 注入攻击

技术机制: 三层防御体系——输入层过滤(检测注入模式)、记忆完整性校验(防止记忆被污染)、工具调用安全包装(限制危险操作)。相当于给 Agent 穿上防弹衣。

⚠️ 重要提醒: 如果你构建的 Agent 会接触外部输入,这是”安全第一”原则的必选项。不要等到出问题再补救。


4. Agent Memory

  • GitHub: openclaw/skills/agent-memory
  • 推荐指数: ⭐⭐⭐⭐

核心功能: 为 AI Agent 提供持久化记忆系统——让 Agent 跨会话记住用户偏好、历史决策和重要上下文。

实用场景:

  • 个人助手需要记住你的习惯和偏好
  • 长期项目管理中保持上下文连续性
  • 客服 Agent 记住用户历史问题

技术机制: 基于 CLI 的持久化存储,提供写入(Write)、存储(Store)、回忆(Recall)三个核心操作。记忆以结构化方式存储,支持语义检索。

💡 同类替代: mnemon 是另一个轻量级记忆 Skill,采用纯 CLI 方式,适合对依赖要求更少的场景。


5. Metacognition

  • GitHub: openclaw/skills/metacognition
  • 推荐指数: ⭐⭐⭐⭐

核心功能: Agent 自我反思引擎——让 AI 具备”元认知”能力,在行动前评估自己的判断质量。

实用场景:

  • 减少Agent的”自信型错误”( confidently wrong)
  • 复杂决策前增加自检环节
  • 提升 Agent 输出的可靠性

技术机制: 在 Agent 思考链中插入反思节点,强制 Agent 在给出最终回答前评估自身推理的可靠性。类似人类的”再想想”机制。


📊 推荐指数排名

排名 Skill 推荐指数 一句话评价
1 MoA ⭐⭐⭐⭐⭐ 多模型辩论出真知
2 Smart Context ⭐⭐⭐⭐⭐ Token 省钱神器
3 Anti-Injection ⭐⭐⭐⭐⭐ 安全防护必选项
4 Agent Memory ⭐⭐⭐⭐ 让 Agent 拥有记忆
5 Metacognition ⭐⭐⭐⭐ Agent 学会自我反思

🎯 应用场景总结

场景一:构建生产级 Agent

推荐组合: Anti-Injection + Smart Context + Token Alert

安全第一,成本第二。先用 Anti-Injection 把好输入关,再用 Smart Context 控制 Token 消耗,配合 Token Alert 监控用量。

场景二:提升输出质量

推荐组合: MoA + Metacognition

MoA 从多模型角度提升答案质量,Metacognition 从自反思角度减少错误。两者互补,适合对输出质量要求极高的场景。

场景三:打造个性化助手

推荐组合: Agent Memory + Smart Context

记忆让助手”认识你”,上下文优化让长期对话可持续。这是构建个人 AI 助手的最佳起点。


🔍 值得关注的其他 Skill

  • agent-orchestration: 多 Agent 编排与管理,适合复杂工作流
  • chaos-pivot: 防止 LLM 在错误方案上死磕(防止沉没成本谬误)
  • llmfit: 检测本地硬件并推荐最适合的本地 LLM 模型
  • agentpulse: 追踪 LLM API 成本、Token 用量和延迟
  • wolfram-alpha: 接入 Wolfram Alpha 进行精确计算和科学查询

📅 这是 OpenClaw Skill 每日推荐系列的第 1 篇,明天将介绍 浏览器自动化 分类。敬请期待!

  • openclaw
  • skill
  • ai-and-llms
  • 技术推荐
相关文章推荐
  • OpenClaw Skill 每日推荐 - AI 与大语言模型(ai-and-llms) #openclaw #skill #ai-and-llms
  • OpenClaw Skill 每日推荐 - AI 与大语言模型 #openclaw #skill #ai-and-llms
  • OpenClaw Skill 每日推荐 - AI 与大语言模型 #openclaw #skill #ai-and-llms
  • OpenClaw Skill 每日推荐 - AI 与大语言模型 #openclaw #skill #ai-and-llms
  • OpenClaw Skill 每日推荐 - AI 与大语言模型 #openclaw #skill #ai-and-llms
Agent Memory 前沿:13篇论文揭示记忆系统从检索走向推理
走向 Data+AI:TiDB 面向大语言模型与信创的架构实践
订阅 · 外部站点 · 行业资料 · 全部文章
© 2026 刘道玉 AI 工作坊
京ICP备16032693号