用微调模型为 OpenClaw 打造自己的自定义技能

OpenClaw 的技能系统是它最强大的特性之一，眼下也是它最危险的负担。

ClawHub 市场的设计初衷是让社区共享可复用的能力：一个技能管日历，另一个处理发票，再一个监控服务器健康状况。而在现实中，ClawHavoc 行动发现了 341 个投放 Atomic macOS Stealer 的恶意技能，后续扫描又识别出 800 多个被污染的条目，约占整个注册表的 20%。

供应链已经被下了毒。但用领域专属能力扩展 OpenClaw 这个思路本身是成立的。解法是自己动手去建，用在你自己领域数据上微调过的模型来支撑，而不是绕开技能系统，也不是继续依赖通用的 API 调用。

自建技能为什么胜过社区技能

1. 没有供应链风险

技能是你自己写的，每一行代码、每一次模型调用都在你掌控之中。不依赖第三方作者，不担心恶意更新，也不必在别人每次发新版本时都去审一遍代码。

2. 效果更好

社区技能是为通用场景写的，靠宽泛的系统提示词去应付任何用户的数据。而由微调模型支撑的自定义技能，是针对你的具体任务、你的数据格式和你的输出要求专门打造的。

3. 数据留在本地

如果自定义技能搭配的是本地微调模型，那么技能处理的数据从不离开你的基础设施。社区技能通常走 OpenClaw 配置的那个云 API，也就是说即便技能本身无害，你的数据仍然流经了第三方服务器。

一个 OpenClaw 自定义技能由什么组成

一个 OpenClaw 技能是一项自包含的能力，有定义好的输入、一个处理函数和结构化的输出。其核心是一段提示词模板，用来指示底层模型如何处理某一类特定任务。

关键组成部分：

触发条件：技能如何被调用（关键词、模式匹配或自动识别）
上下文采集：技能在调用模型之前收集哪些数据
模型交互：提示词模板与期望的输出格式
执行动作：技能拿到模型响应后做什么

当底层模型针对该任务做过微调，提示词模板就可以更简单（需要交代的指令更少），输出也更稳定（格式偏离更少），准确度还会提升，因为领域知识存在权重里，而不是硬塞进系统提示词。

五个值得自建的技能

1. 工单分拣技能

它做什么：监控进来的支持渠道，按类别和优先级给工单分类，路由到对应团队，并起草初步回复。

为什么微调有用：你的工单分类体系是独有的。「账单问题」和「订阅管理」之间的界线取决于你产品的具体结构。一个在 500 条以上已分类工单上训练过的微调模型能精确学到这些区别，而通用模型只能靠一段描述去猜。

训练数据：导出过去 6 个月的工单，连同它们的类别、优先级和初步回复，整理成指令／回复配对。

预期提升：分类准确度通常从 70% 到 75%（通用模型加系统提示词）提升到 90% 到 95%（微调模型）。

2. 合同审阅技能

它做什么：处理上传的合同，标出不利条款，抽取关键条目（日期、金额、义务），并生成带风险评估的摘要。

为什么微调有用：「不利」是主观的，也是领域相关的。SaaS 供应商协议里算风险的条款，和建筑分包合同里算风险的条款并不相同。在你所在组织的合同审阅历史上微调，等于把你们自己的风险判定标准教给模型。

训练数据：200 到 500 份已审阅合同，标注好条款（是否标记为风险）以及摘要输出。

预期提升：条款标记准确度在微调后可达 90%，而靠提示词工程的通用模型是 65% 到 75%。

3. 每日报告生成技能

它做什么：从配置好的数据源（仪表盘、数据库、API）拉取数据，按你的模板格式生成叙述性报告，再通过合适的渠道分发给相关方。

为什么微调有用：报告格式的一致性。微调模型见过你几百份报告，每次都能复现完全相同的结构、语气和分析风格。通用模型的输出格式则会不可预测地漂移。

训练数据：100 到 300 份过往报告，以及生成这些报告所用的数据输入。

预期提升：模板遵循度从 80% 到 85% 提升到 97% 以上。

4. 邮件起草技能

它做什么：分析进来的邮件，判断需要哪一类回复，起草语气和详略程度都合适的回信，并在发送前排入人工审阅队列。

为什么微调有用：每个人、每个组织都有独特的邮件声音。在你已发送的邮件上微调，能捕捉到你的沟通风格：正式程度、称呼习惯、落款偏好，以及你如何区别对待不同的关系（客户、同事、供应商）。

训练数据：500 到 1,000 封你发出的邮件，以及触发它们的来信。

预期提升：草稿采纳率（未经修改直接发出）通常从 30% 到 40% 翻倍到 60% 到 75%。

5. 数据抽取与归一化技能

它做什么：处理进来的文档（发票、采购订单、登记表），把结构化数据抽取成统一 schema，供下游系统使用。

为什么微调有用：schema 合规性。当 OpenClaw 把抽取出的数据送进数据库、API 或表格时，任何偏离预期 schema 的地方都会报错。微调模型能达到 99% 以上的 schema 合规率，因为它在训练中见过这个输出格式几百次。

训练数据：200 到 500 份文档，以及各自对应的结构化数据输出。

预期提升：schema 合规率从 79% 提升到 99%。

构建流程

每个自定义技能都走这几步：

1. 收集训练数据

从现有工作流里导出该任务的样本，格式如下：

{
  "instruction": "Classify this support ticket and draft a response",
  "input": "[ticket content]",
  "output": "Category: Billing\nPriority: Medium\nResponse: [draft response]"
}

目标是 500 条以上。数据越多通常效果越好，不过哪怕只有 200 条高质量样本，相比通用模型也已经有实打实的提升。

2. 微调模型

把数据集上传到 Ertas Studio，选一个基础模型，Qwen 2.5 7B 或 Llama 3.1 8B 对多数技能任务都很合适。跑一次 LoRA 微调任务（rank 16、3 个 epoch 是可靠的起点）。

用留出的测试集评估，准确度不达标就继续迭代。

导出为 GGUF。

3. 本地部署

通过 Ollama 部署 GGUF 模型，并把 OpenClaw 配置为在该技能上使用你的本地模型。

4. 编写技能

写出技能定义：触发条件、上下文采集逻辑、提示词模板和输出动作。因为模型已经针对该任务微调过，提示词模板可以写得很简短。你不需要用几段系统提示词去描述输出格式或领域规则，模型已经知道了。

5. 测试与迭代

用真实数据跑一遍技能，收集模型表现不佳的案例，把它们作为下一轮微调的训练样本。

一个模型还是多个模型？

对多数团队来说，只要任务处在同一个领域，用单个微调模型承担多种技能就够了。一家服务商为某个客户管理沟通事务时，完全可以用一个模型同时覆盖邮件起草、工单分拣和报告生成。

当任务差异很大时，比如合同审阅、代码生成和病历摘要，按技能类型分开训练各自的模型效果更好。Ollama 支持加载多个模型，OpenClaw 也可以把不同技能路由到不同的模型端点。

LoRA 适配器方案在这里格外高效：共享一个基础模型，按技能加载各自的适配器。存储开销很小（每个适配器 50 到 200MB），切换也很快。

安全上的收益

用本地微调模型支撑自建技能，等于同时消除了两条攻击路径：

供应链风险：不再依赖可能夹带恶意代码的社区技能
数据外泄风险：技能执行过程中不向云 API 传输任何数据

你的技能完全跑在自己的基础设施上，用自己的模型处理自己的数据。唯一的外部依赖，是你当初下载过一次的基础模型权重。

在 OpenClaw 技能注册表有 20% 被攻陷的当下，自己动手已经是一项安全要求，而不只是性能上的优化。