Skill Engineer 是一个专为 OpenClaw 代理系统设计的元技能（meta-skill），负责代理技能的完整生命周期管理。它采用多智能体协作架构，通过独立的子模块——设计师（Designer）、审查者（Reviewer）和测试者（Tester）——协同完成技能的设计、评估与迭代优化。该工具的核心理念是‘构建者不评估自己的工作’，从而确保技能开发过程中的客观性与质量可控性。Skill Engineer 不仅支持新技能的创建，也涵盖现有技能的维护与审计，旨在提升整个代理套件中技能的整体质量与一致性。其工作流程高度结构化，强调版本控制、质量门禁和可复现的测试验证，确保交付的技能具备高可靠性与组织适配性。
核心功能特点
- 采用多智能体协作架构，分离设计、审查与测试职责，避免自我评估偏差
- 支持两种运行模式：简单任务使用 Director-Controlled 模式，复杂长流程启用 Orchestrator Subagent Pattern 防止中断
- 强制依赖 DeepWiki 查询以确保技能代码与当前 OpenClaw API 行为一致，避免因版本漂移导致错误
- 集成向量记忆数据库进行跨文档语义检索，自动获取历史会话、笔记和设计决策等上下文信息
- 内置完整的质量评分体系（33项检查），设定 ≥28/33 为发布门槛，保障技能交付标准
- 提供自动化回归测试框架与技能退役机制，当基础模型能力追上时自动识别并建议下线
适用场景
Skill Engineer 主要适用于需要系统化构建和维护代理技能的研发环境，尤其适合团队协作开发大型或复杂的 AI 代理系统。例如，在企业级智能助手项目中，团队可通过该工具快速设计一个用于合规审查的 NDA 分析技能，由 Designer 生成初始实现，Reviewers 从流程忠实度角度提出改进意见，Tester 则通过真实用例验证触发准确率是否达到 90% 以上。若多次迭代仍未达标，系统将明确报告失败原因并提供简化范围或放弃选项，避免资源浪费。另一个典型场景是定期执行 Agent Kit 全量审计，Skill Engineer 可自动盘点所有技能状态、识别重复功能、发现未使用的‘孤儿’技能，并输出包含质量评分和优化建议的综合报告，帮助组织持续优化技能资产结构。此外，在模型升级后，也可利用其运行能力评估，判断某些‘能力增强型’技能是否已变得冗余，实现智能化的技能生命周期管理。