从 OpenClaw 的爆发看 AI Agent 时代的 Skill 共享革命
AI Agent 正从"代码补全工具"进化为"自主任务执行者"，而 Agent Skills 开放标准的出现，让专业能力可以跨模型、跨平台积累和复用。OpenClaw 作为史上增长最快的开源项目（两个月 247K+ GitHub stars），用其模型无关的 Gateway 架构证明了一件事：Skill 是可迁移的数字资产，模型是可替换的执行引擎。
根据 Pragmatic Engineer 2026 年初的调查（样本为其技术订阅者，偏向资深工程师群体）：
AI Agent 的核心吸引力是生产力的范式转变：
| 传统开发 | AI Agent 模式 |
|---|---|
| 人工编写每行代码 | 描述目标，Agent 自主规划 |
| 手动搜索文档 | Agent 自动检索和整合信息 |
| 逐步调试 | Agent 执行-测试-迭代循环 |
| 开发周期以"周"计 | 开发周期以"小时"计 |
关键转变：开发者从"执行者"变为"指挥者"——不是写代码更快了，而是不需要亲自写大部分代码了。
| 产品 | 类型 | 特点 |
|---|---|---|
| Claude Code | CLI 终端 Agent | Agent Skills 标准创建者，Skill 生态最丰富 |
| Cursor | GUI IDE | 流畅的 GUI 体验，兼容 Agent Skills |
| Trae | GUI IDE | 字节跳动出品，免费层慷慨，中文原生支持 |
| GitHub Copilot | IDE 插件 | 与 GitHub 深度集成 |
| OpenClaw | 消息平台网关 | 多模型多平台，模型无关的 Skill 编排 |
Agent Skills 是 AI Agent 的可复用专业能力模块。一个 Skill 就是一个目录，核心是一份 SKILL.md 文件——用 YAML frontmatter 描述"我是什么、何时使用"，用 Markdown 内容描述"具体怎么做"。
my-skill/
├── SKILL.md # 入口文件（必需）
├── references/ # 参考文档（按需加载）
├── scripts/ # 可执行脚本
└── assets/ # 静态资源2025 年 12 月 18 日，Anthropic 将 Agent Skills 发布为开放标准（agentskills.io），核心设计原则：
该标准已被多个主要平台采纳，包括 Claude Code、OpenAI Codex、GitHub Copilot（VS Code）、Cursor、Trae 等。[来源：agentskills.io; Unite.AI]
Anthropic 同时推动了两个互补的开放标准：
| Agent Skills | MCP (Model Context Protocol) | |
|---|---|---|
| 解决什么 | "做什么"——专业指令集 | "怎么连接"——AI 与外部工具的通信协议 |
| 类比 | 职业技能证书 | 通用接口/插座 |
| 格式 | SKILL.md（Markdown） | JSON-RPC 协议 |
| 治理 | agentskills.io（Anthropic 主导） | Linux Foundation AAIF（2025.12 捐赠） |
一个 Skill 可以调用 MCP server 来连接外部系统（如 Slack、GitHub、数据库），两者配合使 AI Agent 既有"专业能力"又有"工具连接能力"。
Skill 跨模型迁移需要从三个层面分析：
| 层面 | 状态 | 说明 |
|---|---|---|
| 格式层 | ✅ 已基本实现 | SKILL.md 标准统一，多个主要平台支持相同格式 |
| 理解层 | ⚠️ 因模型而异 | 复杂 Skill 的执行质量取决于底层模型推理能力 |
| 工具层 | ⚠️ 需适配 | scripts/ 中的脚本需要运行环境支持，沙箱和权限配置因平台而异 |
格式层是最大的进步：Agent Skills 标准确保了同一份 SKILL.md 在不同平台都能被正确识别和加载。但"格式兼容"不等于"效果相同"——一个为 Claude Opus 4.6 设计的 50 步复杂工作流，在推理能力较弱的模型上可能需要简化。
2026 年 2 月，四大国产模型同时发布重大更新：
| 模型 | 厂商 | 核心亮点 |
|---|---|---|
| Kimi K2.5 | 月之暗面 | Agent Swarm，可并行调度 100 个子 Agent |
| GLM-5 | 智谱 AI | 744B 参数，HumanEval 92.8% |
| MiniMax M2.5 | MiniMax | SWE-Bench Verified 80.2%（2026-02-12 发布） |
| Qwen 3.5 | 阿里 | 397B 参数原生多模态 |
Agent Skills 标准对国产模型意味着：
限制条件：Skill 迁移还受脚本运行环境、安全沙箱配置、权限模型等因素约束，并非"一键迁移"。
Trae 由字节跳动于 2025 年 1 月发布，是专为中国开发者打造的 AI IDE。截至 2026 年初月活超过 100 万用户。[来源：AIBase]
注：Trae 的免费策略和模型包可能随时间调整，建议以 trae.ai 官网最新信息为准。
Trae 支持 SKILL.md 格式的 Skills：
.trae/skills/ 目录~/.trae/skills 目录Trae 是门槛较低的 Skill 生态入口之一，核心优势：
对于想要尝试 Skill 驱动开发但不熟悉命令行的开发者，Trae 的 GUI 体验是一个较好的起点。
OpenClaw 于 2026 年 1 月底发布，创造了开源项目的增长奇迹：
[数据截至 2026-03-02，来源：Winbuzzer / Open Source For You]
OpenClaw 的核心架构是四层解耦：
┌─────────────────────────────────────────┐
│ 消息平台层 Telegram / Discord / Slack / WhatsApp / iMessage │
├─────────────────────────────────────────┤
│ Gateway 层 消息路由 · 状态管理 · Skill 编排 │
├─────────────────────────────────────────┤
│ LLM 层 Claude / GPT / Kimi / GLM / MiniMax / 本地模型 │
├─────────────────────────────────────────┤
│ 记忆层 跨会话上下文 · 持久化存储 │
└─────────────────────────────────────────┘关键设计：模型无关（model-agnostic）——通过 LLM Provider 抽象层支持任何暴露 OpenAI 兼容 API 的模型。
OpenClaw 采用 per-agent + 共享 的双层 Skill 模型：
| Skill 位置 | 可见范围 | 用途 |
|---|---|---|
agent/skills/ | 仅该 Agent | 专用能力（如特定 Agent 的报告格式） |
~/.openclaw/skills | 所有 Agent | 通用能力（如代码审查、调研流程） |
这意味着可以：
OpenClaw 已支持主流国产模型的即插即用接入：
OpenClaw 初步验证了 AI Agent 生态的一个关键命题：
Skill 是数字资产，模型是可替换引擎。
AI Agent 时代，Skill 是跨模型可迁移的数字资产——OpenClaw 证明了多模型共享 Skill 生态的可行性，Trae 让中国开发者零门槛接入这个生态。
| 层级 | 功能 | 代表 |
|---|---|---|
| 标准层 | 定义 Skill 格式和接口 | Agent Skills (agentskills.io) |
| 平台层 | 加载和执行 Skill | Claude Code, Trae, Cursor, VS Code |
| 编排层 | 跨模型/跨平台调度 | OpenClaw Gateway |