150+ 技能精简到 52 个，一次 AI Agent 技能体系的「断舍离」
下午花了点时间，把 OpenClaw 上的技能库搬到了 Codex。不是简单的复制粘贴——150 多个技能里，真正值得留下的只有 52 个。剩下的，要么功能重叠，要么早已过时。
这篇文章记录整个搬家过程：怎么盘点、怎么分批、踩了什么坑、最终留下了什么。
为什么要搬？
OpenClaw 是我自建的 AI Agent 平台，跑了大半年，技能越攒越多，到 150+ 的时候出了问题：
- 选择困难：每次让 Agent 干活，它要在 150 个技能里挑，经常挑错
- 维护成本：技能之间依赖关系乱如麻，改一个崩一片
- 启动变慢：技能列表太长，上下文窗口吃紧
Codex 的技能机制更简单——一个目录、一个 SKILL.md、一段 YAML frontmatter。没有复杂的依赖声明，没有运行时注册。技能就是文档，文档就是技能。
简单，就是优势。
搬家前的盘点
搬家之前先做了一次「大扫除」。OpenClaw 的技能分散在两个目录：
~/.openclaw/workspace/skills/：主力目录，120+ 个~/.openclaw/skills/：早期实验，30+ 个
很多技能是同一功能的多个版本，比如股票分析就有 4 个不同版本。内容创作类更是重灾区——写作、润色、排版、SEO，每个环节都有两三个技能在竞争。
盘点结论：真正独立、有价值的技能不到 60 个。
五批搬家策略
没有一口气全搬，而是分成五批，按优先级逐批迁移：
第一批：工具类（10 个）
最基础的能力——文件转换、图片生成、drawio 画图、joke 讲笑话。这些是 Agent 的「手脚」，先搬。
第二批：内容创作（12 个）
写作、调研、文案、编辑、SEO、站点架构。合并了重复项，比如原来有三个写作技能，最后只留了一个 content-research-writer。
第三批：LeisureLinux 专用（5 个）
公众号写作计划、排版引擎、Markdown 转微信文章、去 AI 痕迹。这些是公众号生产线的核心。
第四批：阅读与学习（8 个）
微信读书、电子书下载、找书、NotebookLM、费曼学习法。知识输入链路。
第五批：金融分析（17 个）
A 股技术分析、东方财富数据、同花顺系列（行情/财务/行业/基金/期货/可转债/ETF 筛选）。这是最大的一批，也是最有价值的一批。
踩坑记录坑一：YAML frontmatter 缺失
搬过来之后，Codex 报了四个警告：
⚠ diary-writer/SKILL.md: missing YAML frontmatter delimited by --- ⚠ ebook-download/SKILL.md: missing YAML frontmatter delimited by --- ⚠ find-the-book/SKILL.md: missing YAML frontmatter delimited by --- ⚠ markdown-to-wechat-article/SKILL.md: missing YAML frontmatter delimited by ---
Codex 要求每个 SKILL.md 必须以 —— 包裹的 YAML frontmatter 开头，包含 name 和 description 字段。OpenClaw 没有这个要求。
修复很简单——给每个文件加上：
name: diary-writer description: 一个简单的日记记录系统...
四个文件，两分钟搞定。但如果不修复，Codex 就不会加载这些技能。
教训：不同平台对「技能」的定义不同，搬家不是复制文件，是适配协议。
坑二：技能描述太长
有些 OpenClaw 技能的描述写了几百字，Codex 的技能列表会把所有描述加载到上下文里。描述太长，直接挤占有效 token。
解决：每个技能的 description 压缩到 1-2 句话，说清楚「什么时候用」就行。
坑三：路径依赖
OpenClaw 的技能经常引用 ~/.openclaw/workspace/ 下的脚本和配置。搬到 Codex 后路径全变了。
解决：把依赖的脚本也搬过来，或者改成相对路径。对于公众号发布脚本 wechat_draft_api.py，它跑在 wpad.lan 上，本地只需要知道调用方式就行。
搬家后的成果
最终 Codex 里留下 52 个技能，按类别分布：
| 类别 | 数量 | 代表技能 |
|---|---|---|
| 工具类 | 8 | drawio-generator, md-to-image, x2md |
| 内容创作 | 10 | content-research-writer, copywriting, humanizer-zh |
| LeisureLinux | 5 | leisurelinux-writing, gzh-design, markdown-to-wechat-article |
| 阅读学习 | 6 | 微信读书, ebook-download, feynman-learning |
| 金融分析 | 17 | hithink-* 系列, stock-analysis, eastmoney-stock |
| 企业微信 | 6 | wecomcli-* 系列 |
从 150+ 到 52，砍掉了 2/3。但实际能力没缩水——因为砍掉的都是重复和低价值的。
几点反思
1. 少即是多
技能不是越多越好。Agent 的选择能力和人类一样——选项太多反而决策瘫痪。52 个技能，每个都有明确的触发场景，Agent 用起来反而更准。
2. Frontmatter 很重要
看似形式主义的 YAML 头，实际上是技能的「身份证」。没有它，Codex 不知道这个技能叫什么、什么时候该用。写技能的时候，先想清楚 description，这比写正文更重要。
3. 分批迁移是对的
一口气搬 150 个技能，出了问题根本没法排查。分五批，每批验证通过再搬下一批。遇到问题也能快速定位是哪一类的问题。
4. 搬家是重构的好时机
不是把所有东西原封不动搬过去，而是借机清理、合并、精简。这才是「搬家」的真正价值——不是换个地方堆东西，是换个活法。
下一步
52 个技能已经就位，接下来要做的是：
- 给每个技能写测试用例，确保触发条件准确
- 建立技能版本管理，跟踪每次修改
- 定期复盘，砍掉不再使用的技能
AI Agent 的技能管理，本质上和代码仓库管理是一样的——持续集成、持续清理、持续进化。
━━━ ━━━ ━━━
你在管理 AI Agent 技能时遇到过什么问题？是技能太多挑花眼，还是技能之间打架？留言聊聊。
