skill-manager

核心功能

skill-manager 是 OpenClaw 平台的元管理工具，扮演技能生态的"控制面板"角色。其核心能力分为三层：

1. 技能目录管理 —— 通过本地文件扫描（~/.openclaw/workspace/skills/）或 ClawHub 远程查询，列出所有已安装技能；支持查看各技能的 SKILL.md 元数据，快速理解功能定位。

2. 功能说明检索 —— 解析技能描述字段，为用户解答"某个 skill 是做什么的"，降低多技能环境下的认知负担。

3. 使用统计追踪 —— 基于 PostgreSQL 数据库记录技能调用日志（skill_name/action/timestamp），但需手动触发（track_usage.py），非自动化埋点。

显著优点

• 生态整合：统一入口管理分散的技能模块，避免碎片化
• 轻量查询：无需启动具体技能即可获取元信息
• 可审计性：数据库化留痕满足合规追溯需求

局限与风险

| 问题 | 说明 |

|------|------|

| 手动统计 | 依赖用户主动记录，数据完整性无法保证 |

| 无自动发现 | 新安装技能需手动刷新列表 |

| 权限边界模糊 | 脚本直接操作文件系统与数据库，未显式隔离 |

适合人群

OpenClaw 重度用户、多技能工作流开发者、需要审计日志的企业场景。

常规风险

• 数据库连接凭证若硬编码可能导致信息泄露
• track_usage.py 的 --action 参数未过滤特殊字符，存在 SQL 注入理论可能（需验证参数化查询）

核心用法

skill-manager 是一款面向 OpenClaw 生态系统的技能管理工具，主要用于解决用户在面对大量已安装 Skills 时的信息混乱问题。其核心功能分为三大模块：

1. 技能清单浏览：通过读取本地 ~/.openclaw/workspace/skills/ 目录或调用 clawhub list 命令，快速列出所有已安装的 Skills，帮助用户建立全局视图。

2. 功能速查解读：自动解析各 Skill 的 SKILL.md 文件中的 description 字段，为用户提供简明的能力说明，无需手动翻阅文档即可了解如 video-stt（视频转文字）、memory-system（长期记忆）等技能的具体用途。

3. 使用统计追踪：通过配套脚本 track_usage.py 手动记录 Skill 调用行为，数据持久化至 PostgreSQL 数据库，支持后续通过 get_usage.py 生成使用报告，辅助用户优化技能调用策略。

显著优点

• 零依赖架构：仅依赖 Python 标准库（os、subprocess），无第三方包引入，从根本上杜绝了供应链攻击风险。
• 极简攻击面：代码总量仅 146 行，功能边界清晰，不涉及网络通信、加密操作或敏感数据处理，安全审计成本极低。
• 符合最小权限原则：脚本仅读取本地文件和执行已声明的 shell 命令，无动态代码执行（无 eval/exec）、无文件系统越界访问。
• 隐私合规零风险：不采集、不传输任何个人数据，完全符合 GDPR 和 CCPA 要求，适用于对数据合规敏感的企业环境。
• 即开即用：无需复杂配置，直接集成于 OpenClaw 运行时环境，响应速度快。

潜在缺点与局限性

• 来源可信度有限：维护者为个人开发者（damien），无企业背书或开源社区广泛维护，长期更新保障存疑，属于 T3 级别来源。
• 手动追踪负担：调用统计需人工触发 track_usage.py，无法实现无感知的自动化埋点，用户容易遗忘记录导致数据缺失。
• 功能深度不足：仅提供基础列表和描述展示，不支持技能依赖关系分析、性能监控、版本冲突检测等高级管理功能。
• 数据库依赖外部：统计功能依赖外部 PostgreSQL 数据库，若用户未配置数据库环境则追踪功能无法使用。
• 生态锁定：专为 OpenClaw 设计，无法迁移至其他 Agent 框架使用。

适合的目标群体

• OpenClaw 重度用户：已安装 5 个以上 Skills，需要快速检索和记忆各技能能力的开发者或知识工作者。
• 技能开发者：需要参考现有技能描述规范、了解生态内技能分布的 OpenClaw 生态贡献者。
• 小型团队管理员：希望手动统计团队内 Skill 使用频率，优化技能采购或自研决策的技术负责人。
• 安全敏感型用户：偏好零外部依赖、代码可完全审计的轻量化工具，对供应链安全有较高要求的场景。

使用风险

• 性能风险：极低。本地文件遍历和 shell 命令执行开销可忽略，无资源密集型操作。
• 依赖风险：PostgreSQL 数据库为可选依赖，若未配置仅导致统计功能失效，不影响核心列表功能。
• 维护风险：个人项目存在维护中断可能，建议关注 ClawHub 官方是否纳入维护体系。
• 误操作风险：subprocess 调用 clawhub 命令时若环境配置异常可能返回错误，但无破坏性操作设计。
• 数据持久化风险：手动追踪模式易导致数据不完整，不宜用于精确的计费或绩效考核场景。