OpenClaw （龙虾）如何学会新东西 ？

由于不可抗力的限流导致无法接收推送文章的问题，我们迫切需要以下操作：

点击标题下方蓝字 “一半杯 ” → 点击右上角“...” → 点选“设为星标★”，这样就更容易找到我们和收到推送文章！

保持爱读文章，保持领先！

人工智能与人类在学习新事物方式上的巨大差距，促使研究人员重新思考当今 AI 模型背后的数学基础。

但开发者找到了一种更即时、更实用的权宜之计，让 AI 能持续学习：所谓“skills（技能）”。

所谓技能，是一段文本提示词，其中包含指令，告诉智能体（agent）该如何完成某项任务。比如，一个被要求去调整 PDF 的智能体，在执行任务前可能会先查阅一条用于 PDF 编辑的技能说明。

OpenClaw是一款增长迅速的开源软件，用于驱动个人 AI 智能体。它可以浏览一个名为 ClawHub的网站，在那里寻找技能，内容涵盖从总结 YouTube 视频到使用 Google Cloud等各种任务。

像 Claude Code和 Codex这样的编程智能体，也能利用技能来更轻松地处理各种任务，否则它们会更吃力。

技能弥补了 AI 模型学习新能力方式中的一个关键缺口。如今的 AI 要么在训练过程中吸收知识，要么在与用户对话的过程中学到东西，但对话一结束就很快遗忘这些信息。（像 ChatGPT这样的聊天机器人也可以存储关于用户的简单备注，并在未来对话中引用。）

相比之下，人类能在当下迅速而灵活地掌握新技能或新信息，并且在最后一次使用后的数月甚至数年之后仍能回忆起来。

一些开发者认为，给 AI 智能体配备 skills（技能），是一条长期没有得到充分重视的解决路径。

Jo是一家成立两年的旧金山湾区初创公司，开发的智能体与 OpenClaw类似，采用设备端模型。其首席市场官 Kevin Li说：“我觉得很多人没有意识到，OpenClaw 因为能访问自己的文件系统，其实具备自我改进的能力。我认为，只要你持续给它加载越来越好的技能，或者它在犯错后自己写出技能并据此改进，用户手里的 OpenClaw 的能力演进速度就会随着时间推移转为指数级加速增长。”

让一个 AI 智能体在执行任务前先去浏览一套“说明书库”，与从底层重新设计 AI 模型相比，听起来像是用胶带临时粘出来的方案。但技能相较于通过编写软件代码或更新模型权重来学习新能力，有一个关键优势：技能用的是自然语言写成，人类用户更容易理解。

不过，在技能以及其他面向智能体的指令体系上，仍有一些毛病需要修补。

例如，除了面向具体任务的技能之外，Claude Code还使用一个名为 claude.md 的文本文件，用户会在其中存放背景偏好与指令，比如要求 Claude 避免不必要的奉承。

当 Claude 出错时，“它会承诺下次做得更好。”AI Policy Network（人工智能政策网络）政策负责人 彼得·威尔德福德（Peter Wildeford）说。该组织位于华盛顿，致力于推动 AI 立法游说。“但 Claude 并不总是有那种直觉，知道为了下次改进，它需要把东西写下来。所以我得告诉 Claude，类似这样：‘不，你没有持久记忆。请把这点标记到你的 claude.md 文件里。’然后它才会这么做。”（不过，Anthropic昨天开始测试一项新的自动记忆存储功能，这可能会改善 Claude Code 如何为自己保存备注。）

尽管有这些磕绊，claude.md 可能比技能更好用，因为这个文件始终对智能体可用。相比之下，潜在技能的数量太多了，智能体不可能全部读完，所以它必须在恰当的时候加载恰当的技能。

Zo Computer是一家成立三年的初创公司，正在为非技术用户开发个人智能体。其联合创始人 Ben Guo说，技能往往“不会在正确的时机被调用”。他还表示，当下围绕技能与 claude.md 这类文件的做法“非常原始”。

但 Guo 的联合创始人 Rob Cheung说，人和组织同样依赖这种原始的笔记方式来记住如何完成工作。比如，他说，GitLab就使用一套内容极其庞大的员工手册，让远程员工保持一致。

这反倒让人安心，因为要等到 AI 研究人员用一种更聪明也更简洁的新模型设计真正破解“持续学习”，很可能还得花上好几年。与此同时，像 ClawHub这样的网站会不断拿出更好的技能，而像 OpenClaw这样的智能体也会越来越擅长在需要时把这些技能调出来并用得更到位。