Prompt、MCP、Skills：三个阶段，三种能力
在动手之前，先把这三个概念理清楚，很多人混着用，结果什么都没用好。
Prompt 是最原始的交互方式。你说一句，AI 做一句，纯文本、静态、单向。优点是零门槛，缺点也很致命：不可持久、无法复用。每次开新对话，所有需求得从头描述一遍。
MCP（Model Context Protocol）是 Anthropic 推出的标准化协议，解决的是 AI 怎么连接外部工具的问题。说白了就是给 AI 装了一堆「手」，让它能操作外部软件。但 MCP 有个硬伤：每次使用要把所有工具的完整 Schema 一次性注入上下文，几十个工具的 Schema 就能吃掉几千甚至上万 Token。它知道能干什么，但不知道什么时候该干、怎么组合着干。
Skills 是比 MCP 更高一层的抽象。它不只告诉 AI「你能做什么」，还告诉它「什么场景下该做、具体怎么做」。核心机制是按需加载和渐进式披露——只有真正需要某个技能时，才把说明加载到上下文里。OpenClaw 的三级渐进式披露策略，加载整个 Skill 目录只占约 1,200 个 Token 的固定开销，细节按需展开。跟 MCP 那种一股脑全塞进去的做法比，这才是经济实用的设计。
Skill 的运行原理：一个文件夹 + 一份说明书
每个 Skill 本质上就是一个包含 SKILL.md 文件的目录。SKILL.md 是技能的说明书，告诉 AI 这个技能能做什么、什么情况下该调用。如果需要更复杂的执行逻辑，可以在目录里加代码脚本。
这个设计很聪明：不懂编程的人写清楚描述就能创建有用的技能，会写代码的人可以进一步实现复杂功能。门槛低，上限高。
SKILL.md 编写规范：五条规则必须守
编写 SKILL.md 时有明确的规范和规则，违反了会导致 Skill 触发不了或者执行不稳定。核心是文件结构要标准化，描述要精准。具体的格式规范可以参考官方文档，这里不展开，但记住一点：写得越清晰，AI 理解得越准确，执行越稳定。
实战：从零搭建「推特书签助手」Skill
下面用一个真实案例走一遍完整流程——搭建一个每天定时提醒你学习推特收藏内容的 Skill。
第一步：安装官方 Skill 创建工具
先装好官方的 Skill-creator，这是个脚手架工具，帮你生成标准的文件结构。
第二步：调用 Skill-creator 生成文件
用 Skill-creator 创建标准的 Skill 文件格式，OpenClaw 会自动生成完整且规范的文件目录结构。
第三步：修改 SKILL.md 内容
根据自己的需求修改生成的 SKILL.md，核心是把「什么场景触发」和「具体做什么」描述清楚。
第四步：添加代码脚本
将执行逻辑的代码文件放到 scripts 文件夹下。路径示例：
/root/.openclaw/workspace/skills/your-skill-name/scripts
总共需要三个脚本文件，处理书签抓取、内容整理和定时提醒的逻辑。
第五步：测试验收
运行测试，确认 Skill 能在预期场景下被正确触发和执行。
写在最后
创建 Skill 的核心不是写代码，而是想清楚三个问题：这个技能解决什么问题？什么场景下触发？需要什么输入和输出？
建议从纯描述型 Skill 开始练手，不写一行代码，光靠 SKILL.md 的描述就能让 AI 完成不少事。熟练之后再加代码逻辑也不迟。一个好的 Skill 不需要多复杂，恰好解决一个真实问题就够了。当你把日常重复劳动一个一个变成 Skill 的时候，OpenClaw 才算真正用起来了。