awesome-openclaw-skills 是什么?

Awesome OpenClaw Skills 是由 VoltAgent 维护的一份「精选清单」(awesome list),从 OpenClaw 的公开技能注册中心 ClawHub 里筛选并分类整理了 5,200+ 个社区构建的技能。OpenClaw 是一个在本地运行、直接操作用户机器的 AI 助手,技能(Skills)用来扩展它的能力——连接外部服务、自动化工作流、完成专门任务。这份清单的作用是帮助用户在海量社区技能中发现和挑选可用的技能,也可作为 OpenClaw 用例的灵感来源。许可为 MIT,约 49,212 stars。它本身不是软件,而是一个按类目组织、附安装方式和安全提示的导航目录。

⭐ 47,721 Stars 🍴 4,681 Forks 作者: VoltAgent
来源:README.md(首段、Why This List Exists);GitHub 仓库元数据(stars=49212、license=MIT、homepage clawskills.sh) 查看 GitHub 仓库 →

为什么值得关注

OpenClaw 这类「本地运行的 AI 助手 + 可插拔技能」生态在 2026 年快速膨胀——ClawHub 注册中心截至 2026-02-28 已托管 13,729 个社区技能。技能数量爆炸带来「发现难、质量参差、安全存疑」的问题,而这份清单正是针对该痛点:它做了大量过滤(剔除疑似垃圾/机器人账号、重复、低质或非英文描述、加密货币/金融交易类、以及被安全研究者审计标记为恶意的技能),把 1.3 万多个原始条目筛到约 5,200 个,并按类目编排。高 star(约 49,212)反映了社区对「可信技能发现入口」的强需求。

来源:README.md(Why This List Exists 的过滤表:从 13,729 筛到约 5,211);GitHub 仓库元数据(stars=49212)

核心功能

5,200+ 精选并分类的技能

从 ClawHub 的 1.3 万多个社区技能中筛选出约 5,200 个,按数十个实用类目(Git、通讯、生产力、浏览器自动化、DevOps、数据分析等)组织,便于按需发现。

来源:README.md(首段、Why This List Exists 过滤表、Table of Contents)
明确的质量过滤标准

公开列出剔除项:疑似垃圾/机器人/测试账号(4,065)、重复或近似命名(1,040)、低质或非英文描述(851)、加密货币/区块链/金融交易类(886)、被安全审计标记为恶意(373)。

来源:README.md(Why This List Exists 的过滤明细表)
多种安装路径

可用 ClawHub CLI(clawhub install )安装,或手动把技能文件夹放到全局 ~/.openclaw/skills/ 或工作区 /skills/(优先级 Workspace > Local > Bundled),也可把技能 GitHub 链接直接发给助手让其自动配置。

来源:README.md(Installation 段落)
安全提示与工具指引

强调「精选不等于审计」,提醒技能可能含提示注入、工具投毒、隐藏恶意载荷等风险;建议安装前自查源码、利用 OpenClaw 的 VirusTotal 合作扫描,并推荐 Snyk Agent Scan、Agent Trust Hub 等工具。

来源:README.md(Security Notice 段落)

技术架构

作为 awesome-list,它的「架构」就是其组织方式:技能全部来源于官方 github.com/openclaw/skills 仓库(不接受个人 repo、gist 或其它外部来源的链接),由维护者从 ClawHub 拉取后按类目编排成一份带目录(Table of Contents)的 README。类目覆盖很广,包括 Git & GitHub、Marketing & Sales、Communication、Coding Agents & IDEs、Productivity、Browser & Automation、AI & LLMs、Smart Home & IoT、Data & Analytics、DevOps & Cloud、Image & Video Generation、PDF & Documents、Security & Passwords、CLI Utilities 等数十个分类。配套页面是 clawskills.sh(由维护者单独管理)。值得注意的是它明确区分「精选(curated)≠ 审计(audited)」,并在 Security Notice 中给出安全建议。

来源:README.md(Want to add a skill 段落的来源约束、Table of Contents 类目、Security Notice)

项目知识图谱

知识图谱:项目核心节点(中心)+ 核心功能(内环六边形)+ 关键技术依赖(外环 chip) OpenClaw(本地 AI 助手)OpenClaw(本地… ClawHub(官方技能注册中心)ClawHub(官方技… github.com/openclaw/skills(技能来源仓库)github.com/ope… 5,200+ 精选并分类的技能5,200+ 精选并分类的技… 明确的质量过滤标准 多种安装路径 安全提示与工具指引 awesome-openclaw-ski… 项目本体 核心功能 关键依赖

中心为项目本体,内环 = 核心功能模块,外环 = 关键技术依赖;按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成

技术栈

语言不适用(内容为 Markdown 清单,无代码)框架awesome-list(markdown 目录);配套站点 clawskills.sh
OpenClaw(本地 AI 助手)ClawHub(官方技能注册中心)github.com/openclaw/skills(技能来源仓库)
GitHub 仓库 + PR 收录流程;clawskills.sh 网站由维护者单独管理
来源:README.md(Installation、Want to add a skill、Why This List Exists);GitHub 仓库元数据(language=null)

快速上手

这份清单本身无需安装:在 README 的目录里按类目找到需要的技能即可。要使用某个技能,可用 ClawHub CLI:clawhub install ;或手动把技能文件夹复制到全局 ~/.openclaw/skills/ 或项目工作区 skills/ 目录(优先级 Workspace > Local > Bundled);或直接把技能的 GitHub 链接发给 OpenClaw 助手让它自动配置。务必注意安全:这些技能是「精选但未经审计」,可能包含提示注入、工具投毒或隐藏恶意代码——安装前应自行审阅源码,并查看 ClawHub 上对应技能的 VirusTotal 报告,必要时用 Snyk Agent Scan 等工具扫描。
来源:README.md(Installation、Security Notice 段落)

使用场景

适合 OpenClaw 用户在庞大的社区技能生态里快速发现可信、可用的技能:按类目找到连接 GitHub/Slack/Gmail 等外部服务、做浏览器自动化、处理 PDF/文档、数据分析、DevOps、图像视频生成等任务的技能;也适合开发者把它当作「OpenClaw 能做什么」的用例灵感库,了解社区都在围绕本地 AI 助手构建哪些能力。由于技能直接在本地机器上运行并可操作外部服务,选用时应把安全审查放在前面。

来源:README.md(首段定位、Table of Contents 类目、Security Notice)

优势与局限

优势

  • 从 1.3 万多个技能筛到约 5,200 个,过滤标准公开透明,显著降低发现成本
  • 类目划分细、覆盖广,附多种安装方式说明
  • 对安全风险有明确、负责任的提示,并指引使用 VirusTotal/Snyk 等工具自查
  • 来源限定为官方 openclaw/skills 仓库,收录门槛清晰

局限

  • 只是精选清单而非审计——明确声明技能未经安全审计,安装后维护者仍可随时修改
  • 技能在本地运行且可操作外部服务,存在提示注入、工具投毒、隐藏恶意载荷等固有风险
  • 清单为静态快照,技能质量与安全状态会随上游变化,需使用者持续自查
  • 本身不提供任何能力,价值依赖 OpenClaw 生态与各技能的实际质量
来源:README.md(Security Notice、Why This List Exists、Installation)

最新版本

该仓库以持续更新的 awesome-list 形式维护,没有传统意义的版本发布,而是通过合并 PR 不断更新技能条目(README 徽章显示约 5,198 个技能、并标注最近更新时间)。收录规则是:技能必须已发布在官方 github.com/openclaw/skills 仓库,PR 需同时附 ClawHub 链接与 GitHub 源码链接,详见 CONTRIBUTING.md。

来源:README.md(徽章、Want to add a skill、Contributing 段落)

总结评价

在 OpenClaw 技能数量爆炸、质量与安全参差的背景下,这份 awesome 清单提供了一个有价值的「可信发现入口」:过滤标准公开、分类清晰、安装方式齐全,且难得地把安全风险讲清楚——明确区分「精选」与「审计」,并指引用户自查源码、用 VirusTotal/Snyk 扫描。它的局限也正源于此:它只是导航,不为技能安全背书,而本地运行、可操作外部服务的技能本身带有提示注入、工具投毒等固有风险。把它当作发现技能的起点、并坚持安装前自审,是合适的用法。

来源:综合 README.md 的过滤说明、Security Notice 与收录规则
透明度声明
本页内容由 AI(大语言模型)基于以下公开材料自动生成:GitHub README、代码目录结构、依赖文件、Release 信息。 分析时间: 2026-05-24 12:09. 质量评分: 100/100.

数据来源:README、GitHub API、依赖文件