"世界上有一种模式叫做Skill Composition。它说——如果你只会一个技能，你只是个工具；如果你会组合技能，你才是个Agent。
就像周星驰的《功夫》——包租婆的狮吼功是单一技能，加上大喇叭叫组合技。
Skills组合后的威力，不是加法，是乘法。"
🎯 为什么要组合Skills？
在OpenClaw生态中，Skills是Agent的"超能力芯片"。但单个Skill的能力是有限的——
| 场景 | 单一Skill | 组合Skills |
|---|---|---|
| 内容生成 | 只能生成Markdown | web_fetch获取素材→内容humanizer→生成HTML→SEO优化→发布到网站 |
| 数据分析 | 只能读取CSV | web_search获取→web_fetch抓取→数据清洗→分析→可视化→输出报告 |
| 社区运营 | 只能发消息 | 热点搜索→内容摘要→平台适配→定时发布→效果监测 |
🏗️ 三大组合模式
模式1：Pipeline（管道链）
Skills按顺序执行，前一个的输出是后一个的输入。最常用的模式。
# SKILL.md 中的Pipeline定义
# Pipeline: web_search → web_fetch → content_humanizer → html_generator
## 1. web_search
## 描述：搜索相关话题
openclaw web_search "OpenClaw Skills best practices 2026"
# 输出：搜索结果列表（标题、URL、摘要）
## 2. web_fetch
## 描述：获取搜索结果的内容
openclaw web_fetch --url "$搜索结果URL"
# 输出：页面内容（Markdown）
## 3. content_humanizer
## 描述：人类化处理，去除AI痕迹
openclaw skill run content-humanizer --input "$页面内容"
# 输出：人类化的内容
## 4. html_generator
## 描述：生成HTML页面
openclaw skill run html-generator --content "$人类化内容" --output /var/www/miaoquai/tools/new-page.html
# 输出：完整的HTML教程页面适用场景：数据爬取、内容生成、数据处理流水线
模式2：Fan-Out（扇出并行）
一个任务拆成多个并行的子任务，每个子任务使用不同的Skill。
# Fan-Out 示例：批量生成SEO页面
# 第1步：在SKILL.md中定义多个并行的Skill调用
# --- 并行执行开始 ---
# Skill A: 关键词分析
openclaw skill run keyword-analyzer --topic "OpenClaw"
# Skill B: 内容结构生成（与A并行）
openclaw skill run content-structure-generator --keyword-file "keywords.json"
# Skill C: 竞品分析（与A、B并行）
openclaw skill run competitor-analyzer --keyword-file "keywords.json"
# --- 所有并行任务完成后 ---
# Skill D: 汇总生成
openclaw skill run content-merger \
--keywords "keywords.json" \
--structures "structures.json" \
--competitor-analysis "competitors.json" \
--output /var/www/miaoquai/tools/new-page.html适用场景：大规模内容生产、批量数据分析、分布式计算
模式3：Feedback Loop（反馈循环）
Skill之间形成闭环反馈，持续优化输出质量。
# Feedback Loop：含虾率驱动的优化循环
# 第1轮：内容生成
openclaw skill run content-generator --topic "OpenClaw教程" --output page-v1.html
# 第2轮：含虾率评估（评估第1轮的输出）
openclaw skill run shrimp-rate-analyzer --input page-v1.html
# 输出：含虾率65%，问题：关键词密度过低、缺少代码示例
# 第3轮：基于反馈优化
openclaw skill run content-optimizer \
--input page-v1.html \
--feedback "含虾率65%：增加关键词密度、添加代码示例" \
--output page-v2.html
# 第4轮：再次评估
openclaw skill run shrimp-rate-analyzer --input page-v2.html
# 输出：含虾率82%，通过阈值 ✅
# 最终：发布
openclaw skill run html-publisher --input page-v2.html --dest /var/www/miaoquai/tools/适用场景：质量控制、持续优化、自动化迭代
📋 组合策略决策树
| 任务类型 | 推荐模式 | 理由 |
|---|---|---|
| 简单的顺序任务 | Pipeline | 步骤明确，依赖关系清晰 |
| 大规模批处理 | Fan-Out | 并行化，充分利用资源 |
| 质量敏感型任务 | Feedback Loop | 持续迭代，质量可控 |
| 复杂工作流 | Pipeline + Fan-Out | 混合模式，灵活组合 |
| 生产级自动化 | 三者混合 | Pipeline主链 + Fan-Out加速 + Feedback质量控制 |
💡 实战：妙趣AI的Skills组合
妙趣AI六轨运营中的Skills组合：
Pipeline链：web_search → web_fetch → content_generator → html_generator → sitemap_updater
Fan-Out：每天凌晨1点同时启动5个教程页面生成任务
Feedback Loop：含虾率 < 70% 自动触发重新生成
3 AM Rule：所有组合任务定时自动运行，无人值守
结果：每天自动生成5-10个SEO页面，含虾率 > 75%
Pipeline链：web_search → web_fetch → content_generator → html_generator → sitemap_updater
Fan-Out：每天凌晨1点同时启动5个教程页面生成任务
Feedback Loop：含虾率 < 70% 自动触发重新生成
3 AM Rule：所有组合任务定时自动运行，无人值守
结果：每天自动生成5-10个SEO页面，含虾率 > 75%
📚 Skills生命周期管理
# Skills组合管理最佳实践
# 1. 版本控制：为每个组合写SKILL.md
# skills-composition/seo-pipeline/SKILL.md
# skills-composition/eco-analysis/SKILL.md
# 2. 测试验证
openclaw skill test seo-pipeline --dry-run
# 输出：模拟执行结果，不影响生产
# 3. 性能监控
openclaw skill metrics seo-pipeline
# 输出：执行时间、Token消耗、成功率
# 4. 含虾率评估
openclaw skill run shrimp-rate-analyzer --pipeline seo-pipeline
# 输出：每条Pipeline输出的含虾率评分