技能与渐进式披露

这篇只讲一个核心观点：
Skill 是“渐进式披露”的标准落地方式。

什么是渐进式披露

渐进式披露就是：

• 先给模型最小索引
• 需要时再展开细节
• 不把全部规则一次性塞进上下文

这样做的目标是减少上下文噪音，把注意力留给当前任务。

为什么 Skill 天然适合这件事

Skill 的结构本来就是“索引 + 按需展开”：

• 平时只暴露技能名称和简短用途
• 真要执行该类任务时，才读取对应 SKILL.md

这正是渐进式披露的标准范式。

对模型注意力的直接收益

通过 Skill 做最小化引用，通常会带来三点收益：

• 减少 token 占用，留出更多有效推理空间
• 降低无关信息干扰，减少跑偏
• 提高当前任务的注意力密度与执行稳定性

一句话：少而准的上下文，比大而全的上下文更容易让模型专注。

如何组织 Skill 才能真正提效

• SKILL.md 标题即能力标签，命名明确
• 首段只写“何时用”，不要先写长教程
• 把大段流程放到后文，按步骤编号
• 每个 Skill 只解决一类问题，避免大杂烩

三层加载位置与优先级

OpenClaw 常见加载位置：

1. bundled skills（内置）
2. ~/.openclaw/skills（本机共享）
3. <workspace>/skills（项目私有）

冲突优先级：

<workspace>/skills > ~/.openclaw/skills > bundled skills

一个反例（不推荐）

• 把所有操作手册都塞进 AGENTS.md
• 把几十个工具说明一次性注入

结果通常是：

• 上下文臃肿
• 指令竞争
• 模型注意力被稀释

推荐做法（可直接用）

• AGENTS.md：只留总原则与路由规则
• SKILL.md：放具体任务流程
• MEMORY.md：放长期记忆提炼
• memory/YYYY-MM-DD.md：放原始过程记录

这样分层后，模型会更容易“在正确时机读正确文档”。