搭建了一个Openclaw的Skill，实现"从零搭建会自我进化的Agent"

事情的起点：一个让我头疼的问题#

最近在玩 OpenClaw，每次想新建一个 Agent，都得手动创建一堆文件：SOUL.md、IDENTITY.md、AGENTS.md、MEMORY.md……

每一个都不能少，每一个格式都有讲究，写完还要跑一堆 CLI 命令注册、绑频道、装 skill。

整个过程枯燥又容易出错。

某天我突然想：我能不能让 AI 帮我做这件事？

不是让它帮我写某一个文件，而是——我说一句”帮我创建一个 Agent”，它把所有事情都搞定。

于是就有了这篇文章要讲的故事。

什么是 Skill？#

在 OpenClaw 里，Skill 是一段给 AI 看的”操作手册”。

你把它放进系统，当用户触发了对应的关键词，AI 就会读这份手册，按里面的步骤一步步去执行。

本质上，Skill 就是用自然语言写的自动化流程。

我们要做的，就是写一个叫 create-agent 的 Skill，让 AI 读完它之后，知道怎么从零创建一个完整的 Agent。

设计思路：先想清楚流程#

动手之前，我跟 Claude 把整个流程捋了一遍。

一个完整的 Agent 创建，至少需要：

1. 收集信息 — 知道要建什么样的 Agent
2. 检查冲突 — 确认 ID 没被占用
3. 确认频道参数 — 不同平台（飞书/Telegram/Discord）的鉴权参数完全不同
4. 生成 Workspace 文件 — 6-8 个 Markdown 配置文件
5. 执行 CLI 注册 — openclaw agents add、set-identity、bind
6. 安装进化 Skill — 让 Agent 具备自我学习能力
7. 输出用户待办 — 告诉人类还需要做什么

每一步都不能少，顺序也不能乱。

最有意思的部分：自我进化#

这是整个设计里我最满意的一个环节。

创建出来的 Agent 不是一个静态的机器人，而是会随着使用不断进化的。

具体怎么实现的？靠两个配合工作的 Skill：

self-improving-agent 充当观察者。每次对话结束，它把发生的事情记录到 memory/YYYY-MM-DD.md，格式是结构化的——做了什么、成功了还是失败了、犯了什么错、学到了什么。

capability-evolver 充当执行引擎。它定期扫描 memory/ 目录和 .learnings/ 日志，从中提取信号，生成进化方案。

两者的分工一句话概括：

self-improving-agent 是日记本，capability-evolver 是读完日记后动手改造自己的工程师。

关键细节：memory/YYYY-MM-DD.md 是两者的衔接点。如果 Agent 没有按规定格式写入这个文件，capability-evolver 就读不到信号，进化就不会触发。所以我们在 AGENTS.md 模板里写死了格式要求。

另外，所有涉及核心配置（SOUL.md、AGENTS.md）的变更，必须经过用户批准才能执行，不会自动乱改。

踩过的一个坑：频道参数#

最开始设计「绑定频道」这一步时，我简单地让用户填一个 telegram:ops 就完事了。

Claude 直接指出了问题：不同频道的鉴权参数完全不同。

• Telegram 只需要一个 Bot Token
• 飞书需要 App ID + App Secret + Verification Token + Encrypt Key
• WhatsApp 不需要 Token，但需要扫 QR 码
• Slack 需要两个 Token（Bot Token + App Token）

写死一个字段根本没法处理这种差异。

解决方案是新建一个 references/channel-params.md，把 11 个主流频道的参数模板都写进去。Skill 在执行时识别用户填写的频道类型，动态读取对应的参数模板，再生成问卷让用户填写。

后续新增频道，只需要往这个文件里加一条，主流程完全不用动。

还有一个细节：如果用户填写的频道和当前对话所在频道一致，需要额外确认——是绑定当前这个机器人应用，还是换一个新的？这步如果不问清楚，很容易把配置搞乱。

最终的文件结构#

1
create-agent/
2
├── SKILL.md                        ← 主流程（5个阶段 + 2个中间检查）
3
├── scripts/
4
│   └── generate-workspace.sh       ← 自动生成所有 workspace 文件
5
└── references/
6
    ├── workspace-templates.md      ← 6-8 个配置文件的完整模板
7
    └── channel-params.md           ← 11 个频道的鉴权参数映射表

整个 Skill 的执行流程是：

1
Phase 1   一次性问卷（必填 + 选填）
2
Phase 1.5 ID 冲突检查（执行 openclaw agents list）
3
Phase 1.8 频道参数确认（识别频道类型 → 动态问卷）
4
Phase 2   生成 Workspace 文件（调用 generate-workspace.sh）
5
Phase 3   执行 CLI 注册（add → set-identity → bind）
6
Phase 4   安装进化 Skills（self-improving-agent + capability-evolver）
7
Phase 5   输出用户操作清单

使用效果#

触发词说一句”帮我创建一个 Agent”，AI 会：

1. 展示一张问卷，你只需填写 Agent ID、名称、性格主题，其余都有默认值
2. 自动检查 ID 是否冲突
3. 根据你填写的频道类型，展示对应的参数问卷
4. 调用脚本生成所有 workspace 文件
5. 依次跑完所有 CLI 命令完成注册
6. 安装进化 Skill
7. 最后给你一份清单，告诉你还需要做哪几件事（比如 git init、扫 QR 码等）

整个过程人工介入的地方只有两处：填问卷 和 确认频道参数，其余全部自动完成。

#

一个更大的延伸#

做完 create-agent 之后，我顺手又做了一个 create-agent-network。

它解决的是更复杂的问题：当你需要的不是一个 Agent，而是一套主 Agent + 多个子 Agent + 若干 Skill 组成的协作网络时，怎么自动化搭建？

流程变成了：

1. 分析用户描述中的工作流（几个节点、每个节点做什么）
2. 判断每个节点适合用 Agent 还是 Skill
3. 先去 ClaWHub 搜索有没有现成的 Skill 可以用
4. 依次创建每个节点（调用 create-agent 或 skill-creator）
5. 自动注册主子 Agent 之间的路由关系
6. 输出整个网络的拓扑图和用户待办

子 Agent 的所有参数（ID、名称、性格、路由条件）全部根据工作流分析自动生成，不需要用户逐一填写。

最后想说的#

这个过程里让我感受最深的，不是”AI 帮我省了多少时间”，而是：

当你开始用 AI 来构建 AI 的基础设施，整个工作方式就变了。

以前我需要理解每个配置文件的格式、每条 CLI 命令的参数、每个频道的鉴权方式……现在这些知识被沉淀到 Skill 里，变成了可复用的流程资产。

下一个人想创建 Agent，直接用这个 Skill，什么都不需要知道。

这大概就是所谓的”知识的自动化”吧。

已上架Clawhub#

链接是：https://clawhub.ai/dao24dao/create-agent-arch 欢迎使用并反馈.

常驻提醒 ，别错过#

WARNING

阳清博客：http://dao24dao.online

免费星球：https://t.zsxq.com/QxWxg

见面礼#

1. 加 阳清 私人微信（dao24dao） ，备注”公众号”，领取：【飞巴超级个体，梁靠谱0-1000万之路，findyi超级个体0-100万变现】副业百万秘籍的电子书。

2. 《一人企业复利商业化》最新电子版，在 “阳清AI一人企业” 公众号后台回复 2501 直接拿（免费）