通过泄露的Claude Code优化本地龙虾机器人技能的详细过程。
起因：2026年3月底，Anthropic的Claude Code源码泄露事件在技术圈掀起轩然大波。但很少有人注意到，这场"泄露风波"背后，还有一个更值得关注的赢家——本地AI助手OpenClaw。通过深度学习Claude Code的Skills技能系统，OpenClaw实现了能力的质的飞跃。今天咱们就聊聊，一个本地AI机器人是怎么"偷师"业界顶尖产品，把自己升级成超级助手的。
一、先搞清楚：OpenClaw和Claude Code是什么关系？
OpenClaw是谁？
如果你还没用过OpenClaw，简单介绍一下：这是一个本地运行的AI助手，跟ChatGPT、Claude这些云端产品不一样，OpenClaw跑在你自己的电脑上，数据不出本地，隐私更有保障。
OpenClaw有个特色功能叫"Skills"（技能），你可以理解为给AI装上的"专业插件"。比如：
• 装了
codeSkill，AI就变成编程专家• 装了
docxSkill，AI就能帮你处理Word文档• 装了
pdfSkill，AI就能分析PDF文件
这些Skills以目录形式存在，启动时自动加载，让AI具备特定领域的专业能力。
Claude Code又是啥？
Claude Code是Anthropic推出的AI编程助手，号称"程序员的AI搭档"。它最大的特点是有一套完善的Skills系统，让Claude可以根据不同场景切换专业身份。
比如：
• 你让它写Python，它就变成Python专家
• 你让它审代码，它就变成代码审查专家
• 你让它写文档，它就变成技术文档工程师
这种"身份切换"不是简单的提示词变化，而是一套完整的技能封装机制。
泄露事件给了OpenClaw什么机会？
3月31日，Claude Code的源码泄露到了网上。虽然Anthropic官方保持沉默，但这批代码成了业界的"学习资料"。
OpenClaw的开发者（也就是我）第一时间下载了代码，进行了深入分析。结果发现：Claude Code的Skills系统设计得非常精妙，有很多值得借鉴的地方。
于是，一个大胆的想法诞生了：让OpenClaw"学习"Claude Code的Skills系统，把好东西搬过来！
二、深度拆解：Claude Code的Skills系统强在哪？
1. 三层架构设计
Claude Code的Skills不是简单的"提示词模板"，而是一个分层架构：
┌─────────────────────────────────────┐
│ 第一层：Bundled Skills（内置技能） │
│ 随软件分发，开箱即用 │
│ 包括：batch, debug, verify, remember │
└──────────────┬──────────────────────┘
│
┌──────────────▼──────────────────────┐
│ 第二层：Local Skills（本地技能） │
│ 用户自定义，完全控制 │
│ 位置：~/.codex/skills/ │
└──────────────┬──────────────────────┘
│
┌──────────────▼──────────────────────┐
│ 第三层：MCP Skills（外部技能） │
│ 通过MCP协议动态获取 │
│ 来自第三方服务 │
└─────────────────────────────────────┘这种设计的巧妙之处在于：既有开箱即用的便利，又有自定义的灵活，还能接入外部生态。
2. SKILL.md文件格式
Claude Code用SKILL.md文件定义技能，格式非常规范：
# Skill名称
## Description
AI角色定义和能力描述
## When to Use
使用场景和触发条件
## Guidelines
具体指南和规范
## Examples
代码示例（Good/Bad对比）
## Related Skills
相关技能引用这种结构的好处是：
• 标准化：所有Skill遵循统一格式
• 自文档化：Skill文件本身就是文档
• 可解析：程序可以自动提取关键信息
3. 动态加载机制
最厉害的是，Claude Code支持运行时动态加载Skills。
什么意思呢？
传统的AI助手，Skills是启动时加载好的，运行过程中没法换。但Claude Code有个Skill工具，可以在对话过程中随时加载新的Skill。
比如：
用户：帮我分析这个CSV文件
AI：我来加载数据分析Skill... [加载中]
好的，作为数据分析专家，我建议...这种"按需加载"的能力，让AI可以根据任务动态调整专业身份，而不是一开始就加载所有技能。
4. CLAUDE.md项目上下文
Claude Code还有一个绝活：自动发现项目上下文。
它会从当前工作目录开始，向上查找CLAUDE.md文件，把里面的内容自动注入到系统提示词中。
比如你在一个Python项目里，项目根目录有个CLAUDE.md：
# MyProject
这是一个Python数据分析项目。
## 使用的Skills
- python-data-analysis
- technical-writing
## 项目规范
- 使用Python 3.10+
- 代码风格：Black + isort
- 测试框架：pytestClaude Code会自动读取这个文件，知道这是一个Python项目，应该用什么代码风格、什么测试框架。
这种"项目感知"能力，让AI不再是"通用助手"，而是"懂你的助手"。
三、OpenClaw的"学习"过程
第一步：代码分析（3小时）
下载Claude Code泄露代码后，我花了3个小时进行深入分析：
看了哪些文件？
•
src/skills/bundled/- 20个内置Skills的源码•
src/skills/loadSkillsDir.ts- Skills加载逻辑•
rust/crates/tools/src/lib.rs- Rust版Skill工具实现•
rust/crates/runtime/src/prompt.rs- 提示词组装逻辑•
PARITY.md- 功能对比文档
发现了什么？
• Claude Code的Skills系统有约20个内置技能
• Rust版本（Claw Code）实现了约2万行代码
• 核心机制是"Skill工具+路径解析+提示词注入"
第二步：知识整理（6小时）
分析完代码，我开始系统整理知识，创建了完整的知识库：
知识库结构：
~/.stepclaw/skills/claude-code-skills/
├── SKILL.md # Skills核心概念（4,600字）
├── architecture-analysis.md # 架构深度分析（11,800字）
├── bundled-skills-analysis.md # 20个内置技能解析（2,500字）
├── README.md # 知识库入口（4,100字）
└── templates/
├── code-review.md # 代码审查模板（4,000字）
└── refactoring.md # 重构模板（5,700字）总计约35,000字，涵盖了：
• Skills系统的核心概念
• 系统架构的详细分析
• 数据流的完整解析
• 实现细节的代码解读
• 可直接使用的模板
第三步：创建自定义Skills（4小时）
学以致用，我基于学到的知识，创建了两个实用的自定义Skills：
1. Python数据分析专家（7,000字）
这个Skill让OpenClaw变成数据分析专家，包含：
• 数据清洗流程（去重、缺失值处理、类型优化）
• EDA快速概览函数
• 可视化模板（分布图、热力图、时间序列）
• 统计分析函数
• 完整工作流示例
2. 技术文档编写专家（5,700字）
这个Skill让OpenClaw变成技术文档工程师，包含：
• README.md标准结构模板
• API文档结构模板
• 教程文档结构模板
• Markdown最佳实践
• 写作技巧指南
第四步：改进提案（3小时）
最后，我基于对Claude Code的学习，为OpenClaw写了一份详细的改进提案：
《OpenClaw Skills系统改进提案》（9,800字）
内容包括：
• 现状分析：OpenClaw与Claude Code的对比
• 改进目标：6项核心改进
• 具体方案：目录结构、Skills工具、CLAUDE.md支持
• 实施计划：分三阶段，共7-9周
• 代码示例：Skills加载器、CLAUDE.md发现器
四、能力提升：OpenClaw学到了什么？
能力提升对比
能力维度学习前学习后提升幅度 Skills数量12个内置12+2个自定义+17%知识深度通用编程专业领域质的飞跃文档质量一般专业规范显著提升代码审查基础系统化数倍提升项目感知无提案中从0到1
具体提升案例
案例1：数据分析任务
以前让OpenClaw分析CSV文件，它会给出一个通用的Python脚本。
现在加载了python-data-analysis Skill后：
• 自动提供数据清洗流程
• 给出可视化建议
• 提供性能优化技巧
• 输出符合数据科学规范的报告
案例2：代码审查
以前审查代码，OpenClaw会说"这里可以改进"。
现在使用code-review模板后：
• 按照标准化流程检查
• 给出具体的评分
• 提供可执行的改进建议
• 区分Critical Issues和Suggestions
案例3：文档编写
以前写README，OpenClaw会给一个基础模板。
现在使用technical-writing Skill后：
• 提供3种标准文档结构
• 给出Markdown最佳实践
• 提供写作技巧指导
• 包含发布前检查清单
五、普通用户能学到什么？
1. Skills是AI的"专业证书"
Skills的本质是领域知识的封装。就像医生有医师资格证、律师有律师执照，AI有了Skills就有了"专业身份"。
对于普通用户来说，这意味着：
• 你可以让AI扮演特定角色（代码审查员、数据分析师、文档工程师）
• AI的回答会更专业、更精准
• 你可以创建自己的Skills，让AI学会你的业务知识
2. 提示词工程的高级形式
很多人以为Skills就是"高级提示词"，其实不完全对。
Skills是提示词工程的高级形式：
• 不是简单的"你是一个Python专家"
• 而是完整的知识体系、工作流程、最佳实践
• 是可复用、可维护、可分享的专业模块
3. 本地AI的优势
这次学习过程也体现了本地AI的优势：
• 隐私安全：代码分析在本地完成，不上传云端
• 深度定制：可以根据自己的需求修改Skills
• 知识积累：Skills可以长期保存，不断积累
4. 如何创建自己的Skills
如果你也想创建自己的Skills，可以参考这个流程：
Step 1：确定领域
• 你经常让AI做什么任务？
• 这个任务有什么专业规范？
• 有没有标准的流程或模板？
Step 2：整理知识
• 收集该领域的最佳实践
• 整理常用的代码片段
• 总结常见错误和解决方案
Step 3：编写SKILL.md
# 你的Skill名称
## Description
AI角色定义
## When to Use
使用场景
## Guidelines
具体指南
## Examples
代码示例Step 4：测试优化
• 在实际任务中使用
• 根据效果调整内容
• 持续迭代改进
六、写在最后
这次学习的意义
OpenClaw通过学习Claude Code的Skills系统，实现了能力的数倍提升。这不仅仅是"抄作业"，而是站在巨人肩膀上的创新。
Claude Code的Skills系统设计得非常优秀，值得所有AI助手产品学习。OpenClaw作为本地AI助手，能够吸收这些优秀设计，对用户来说是一件好事。
未来展望
基于这次学习，OpenClaw的Skills系统还将持续改进：
短期（本月）：
• 创建更多领域Skills
• 在项目中使用CLAUDE.md
• 分享Skills给社区
中期（本季度）：
• 实现动态Skill加载
• 添加CLAUDE.md自动发现
• 开发Skills市场
长期（今年）：
• 支持MCP协议
• 社区Skills生态
• AI自动生成Skills
给读者的建议
如果你也在用AI助手（不管是OpenClaw、Claude Code还是其他产品），建议你：
1. 善用Skills：别让AI一直当"通才"，给它装上"专业证书"
2. 创建自己的Skills：把你的业务知识封装起来，让AI更懂你
3. 关注隐私：本地AI虽然配置麻烦点，但数据安全更有保障
4. 持续学习：AI技术变化快，保持学习才能跟上节奏
关注钩子
觉得这篇文章有用？
? 关注我的公众号，获取更多AI技术干货：
• 本地AI助手使用技巧
• Skills系统深度解析
• 开源项目实战分享
• AI行业趋势分析
下期预告：《手把手教你创建第一个AI Skill：从零开始封装你的专业知识》
我将详细演示如何：
• 分析你的业务需求
• 整理领域知识
• 编写SKILL.md文件
• 测试和优化Skills
不要错过！点击关注，第一时间获取更新。
作者：未来
官网：www.weilai.wang
更新时间：2026年4月1日
本文基于OpenClaw实际学习记录整理，所有技术细节均来自Claude Code泄露代码的深度分析。