核心定位
Skillcraft 是 Clawdbot 生态的官方技能创建框架，专注于解决AI-native 技能设计这一特定问题：如何将零散的功能（脚本、指令、工作流）转化为符合 Clawdbot 集成规范、可组合、可复用的正式技能单元。
核心用法
该技能采用五阶段设计序列：
1. Stage 0 - 盘点（功能提取专用）：识别工作区中未封装的脚本、TOOLS.md 段落、反复出现的对话模式
2. Stage 1 - 问题理解：明确技能边界、触发条件（自然语言示例）、成功标准
3. Stage 2 - 能力发现：评估通用性（Universal vs Particular）、扫描协同技能、梳理外部依赖与 Clawdbot 原生功能（cron、message、memory、subagent 等）
4. Stage 3 - 架构设计：确定脚本vs指令的分工（脚本处理确定性逻辑，指令处理判断与交互），选择设计模式（CLI包装、API包装、监控等）
5. Stage 4 - 设计规范：确认状态策略（无状态/会话状态/持久状态）、密钥管理、用户偏好，输出可评审的规范文档
6. Stage 5 - 实现：同会话逐步实现，用户逐段验收
关键设计原则包括：Agent→Script→Agent 三段式流程（Agent解析意图→Script执行确定性操作→Agent综合判断输出）、clawddocs 前置依赖（所有 Clawdbot 功能使用需先查官方文档验证）、路径可移植性（使用 <workspace>/ 和 <skill>/ 前缀，禁止硬编码绝对路径）。
显著优点
- 权威性：由 Clawdbot 官方维护，深度集成平台特性（subagent、canvas、node camera、gateway 配置等），避免"重新发明轮子"
- 实战导向：提供 7 个可组合模式示例（视觉监控流水线、并行研究聚合器、位置感知上下文切换等），展示非显而易见的特性组合
- 清晰的权衡框架：Universal vs Particular、Script vs Agent instructions、多种状态存储位置的决策矩阵
- 生态系统思维：强调技能协同扫描（Skill Synergy Search），鼓励在现有能力之上构建而非重复造轮子
局限性与风险
- 平台绑定：所有设计决策都假设 Clawdbot 运行时环境，技能无法直接迁移到其他 AI Agent 平台
- 文档依赖：要求前置加载
clawddocs技能获取最新功能细节，若文档滞后或缺失可能导致设计基于过时假设 - 实现复杂度：Stage 2 的"creatively-minded review of documentation"依赖设计师对 Clawdbot 功能深度的熟悉度，新手可能遗漏关键组合
- 状态管理风险：持久状态文件位置选择（
<skill>/state.jsonvs<workspace>/state/）若决策不当，可能导致技能更新时用户数据丢失，或跨技能状态冲突
适合人群
- 需要将重复性工作流固化为可复用技能的 Clawdbot 深度用户
- 开发计划发布到 ClawdHub 的 技能作者
- 维护复杂工作空间、面临"上下文碎片化"问题的 多项目管理者
- 希望将 ad-hoc 脚本转化为具备智能判断边界技能的 开发者
安全风险
- 密钥管理：明确禁止硬编码密钥，但未强制要求特定密钥管理方案（1Password、macOS Keychain、环境变量等由用户自选），存在用户选择低安全性方案的可能
- 子代理隔离：
sessions_spawn可能运行于沙箱容器，路径映射问题若未按 clawddocs 最新配置处理，可能导致子代理无法访问预期文件 - 技能权限边界：Universal 技能要求最小权限设计，但规范依赖作者自觉，无强制审计机制
- 状态污染风险：技能被鼓励写入
<workspace>/memory/和TOOLS.md，恶意或缺陷技能可能污染用户核心工作区