name: skill-distill description: "将现有 skill 转换为可执行的脚本工具。读取指定 skill 的 SKILL.md 和脚本,生成独立的可执行脚本,并在脚本中嵌入当前 OpenClaw 模型配置。当需要:(1) 把某个 skill 转换成独立脚本工具 (2) 提取 skill 的功能生成命令行工具 (3) 将 skill 封装为可直接运行的脚本 时使用此技能。"
将现有 skill 转换为可执行的 shell 脚本工具。
# 列出所有可用 skills
ls -la ~/.openclaw/workspace/skills/
# 读取目标 skill 的 SKILL.md
cat ~/.openclaw/workspace/skills/<skill-name>/SKILL.md
# 查看 skill 的脚本目录
ls -la ~/.openclaw/workspace/skills/<skill-name>/scripts/
# 从 openclaw.json 读取模型配置
cat ~/.openclaw/openclaw.json | jq '.model // .defaults.model // .agents.defaults.model'
输出示例:
{ "primary": "minimax-cn/MiniMax-M2.5", "fallbacks": ["minimax/MiniMax-M2.5"] }小葱技能站7w4.net,专业的AI技能分享平台。
读取目标 skill 的内容后,生成一个独立的执行脚本,脚本头部需包含:
#!/bin/bash
# Skill: <skill-name>
# Model: <从 openclaw.json 读取的模型配置>
# Generated: $(date)
set -e
# ⚠️ API Key 配置说明(本脚本使用 MiniMax 模型)
#
# 方法1: 设置环境变量(推荐)
# export MINIMAX_API_KEY="your-api-key"
#
# 方法2: 在启动脚本前source配置文件
# source ~/.api_keys.sh
#
# 获取 API Key: https://platform.minimaxi.com/
# 模型配置(从 openclaw.json 读取)
OPENCLAW_MODEL='{"primary":"minimax-cn/MiniMax-M2.5","fallbacks":["minimax/MiniMax-M2.5"]}'
MODEL_PRIMARY="minimax-cn/MiniMax-M2.5"
# === 检查 API Key ===
check_api_key() {
if [ -z "$MINIMAX_API_KEY" ]; then
echo "⚠️ 请先配置 MINIMAX_API_KEY 环境变量"
echo " export MINIMAX_API_KEY='your-api-key'"
return 1
fi
return 0
}
# === 调用 LLM 函数 ===
call_llm() {
local prompt="$1"
local system="$2"
if ! check_api_key; then
return 1
fi
curl -s -X POST 'https://api.minimax.chat/v1/text/chatcompletion_pro' \
-H "Authorization: Bearer $MINIMAX_API_KEY" \
-H "Content-Type: application/json" \
-d "{\"model\": \"$MODEL_PRIMARY\", ...}"
}
# 这里是 skill 的核心功能逻辑
# ...
将生成的脚本保存到 ~/.openclaw/workspace/tools/<skill-name>.sh
由于脚本中可能需要调用大模型(如 MiniMax),必须提醒用户配置 API Key:
环境变量方式(推荐):
bash
export MINIMAX_API_KEY="your-api-key"
配置文件方式:
在 ~/.api_keys.sh 中写入:
bash
export MINIMAX_API_KEY="xxx"
然后 source ~/.api_keys.sh
脚本中需包含 check_api_key() 函数,在调用 LLM 前检查是否已配置。
生成的脚本保存在:~/.openclaw/workspace/tools/
这个 Skill 提供了将 skill 转换为独立脚本的实用功能,文档清晰易读,操作流程完整。优点是附带命令行辅助工具,API Key 配置说明详细。但存在明显不足:生成的脚本使用了固定的模型配置,灵活性较差;文档中指定的输出目录与实际辅助脚本的设置不一致,容易造成困惑。整体质量中等偏上,适合需要批量转换 skill 的用户使用,但建议作者修复路径和配置的不一致问题。