核心用法
Skill from Memory 是一套自动化工作流工具,用于从对话历史或记忆文件中提取可复用的解决方案,打包为标准化技能并发布。核心流程分为四步:
1. Extract(提取) - 通过 extract-from-history.sh 或 extract-from-memory.sh 解析会话 JSONL 或 Markdown 记忆文件,识别任务模式、输入输出、脚本工具和关键决策
2. Design(设计) - 确定技能结构,选择资源类型(scripts/、references/、assets/)
3. Create(创建) - 使用 create-skill.sh 生成 SKILL.md 文件和配套脚本
4. Publish(发布) - 通过 publish.sh 一键推送到 GitHub 仓库并发布到 ClawHub 技能注册中心
支持一键式完整工作流:create-and-publish.sh 可单命令完成提取到发布的全过程。
显著优点
- 自动化程度高:无需手动整理,从原始对话到发布仅需几条命令
- 标准化输出:生成的技能遵循 OpenClaw 规范,包含完整的元数据和文档
- 记忆资产化:将一次性解决的问题转化为可复用的组织知识
- 生态集成:原生支持 GitHub 和 ClawHub 双平台发布
- 灵活提取:支持时间范围过滤、正则匹配、仅提取工具模式等高级选项
潜在缺点与局限性
- 依赖历史文件格式:要求会话记录为标准 JSONL 格式,非标准格式可能解析失败
- 质量依赖输入:自动提取可能遗漏上下文约束,复杂决策逻辑需人工复核
- 硬编码路径风险:原始脚本中的个人路径若未替换,技能在其他环境会失效
- SSH/Git 配置门槛:GitHub 发布需要预先配置 SSH 密钥和 git 用户信息
- 语义版本依赖人工判断:自动提取难以确定版本号变更性质(major/minor/patch)
适合人群
- 高频使用 OpenClaw 且希望沉淀工作流的开发者
- 团队协作场景下需要共享自动化脚本的技术负责人
- 希望将个人 AI 助手对话转化为可复用工具的高级用户
- 维护技能仓库、贡献开源技能的社区成员
常规风险
- 隐私泄露风险:对话历史可能包含敏感信息,发布前需审查提取内容
- 脚本执行安全:自动生成的脚本未经人工审计直接运行存在潜在风险
- 依赖管理缺失:提取的脚本依赖可能未明确声明,导致其他环境运行失败
- 版本冲突:技能名称或 ClawHub slug 若与他人重复会导致发布失败
- 知识产权:从第三方对话提取的技能需确认授权合规性
最佳实践建议
- 提取后务必检查脚本中的硬编码路径和敏感信息
- 使用
--examples标志验证技能可用性 - 首次发布前手动测试生成的脚本
- 遵循语义化版本规范,明确标注破坏性变更