OpenJarvis Skills系统完全指南13000社区技能如何教会AI用工具【免费下载链接】OpenJarvisPersonal AI, On Personal Devices项目地址: https://gitcode.com/gh_mirrors/op/OpenJarvisOpenJarvis 是一个运行在个人设备上的开源个人 AI 智能体框架而它的Skills技能系统正是让 AI 学会用工具的核心一个技能就是工具调用、子技能和智能体指令的可复用组合可来自 Hermes、OpenClaw约 13,700 个社区技能或任意 GitHub 仓库。装好技能后AI 智能体会在系统提示中看到一个轻量级技能目录并像调用普通工具一样调用技能——用对了工具、按对的方法完成任务。本文带你快速上手这套系统。什么是 OpenJarvis Skills给 AI 装技能包一句话理解每个技能就是一个工具。一个技能就是一个目录里面可以放两种文件或两种都有文件作用类比skill.toml结构化的工具流水线按步骤确定性地调用工具一张标准作业流程图SKILL.mdMarkdown 格式的指令文本教 AI怎么做一份操作说明书技能遵循 agentskills.io 开放标准frontmatter 中声明name、description等元信息。OpenJarvis 内置了 20 个官方技能如 code-lint.toml、pdf-summarize.toml覆盖代码检查、文档摘要、邮件起草、安全扫描等场景。工作机制技能目录与调用流程技能系统是一个横切智能体、引擎、工具、学习与记忆的编排层。它的核心流程分四步发现SkillManager 在系统启动时按优先级扫描技能目录工作区./skills/ 用户~/.openjarvis/skills/ 内置校验依赖图并生成目录注入所有可用技能以轻量级 XML 目录available_skills写入智能体的系统提示智能体据此知道自己会哪些技能封装SkillTool 适配器把每个技能包装成标准工具AI 调用时如同调用普通工具执行SkillExecutor 按步骤执行流水线步骤间通过模板占位符{query}传递参数并在每次调用打上skill元数据标签供后续学习和分析使用。两种技能在调用时的表现不同值得注意流水线技能只有skill.toml确定性地执行工具步骤直接返回计算结果指令技能只有SKILL.md返回 Markdown 指令AI 读取后用自己的工具照做两者都有先执行流水线再连同 Markdown 指引一起注入对话。一键安装快速获取 13000 社区技能安装技能只需一条命令支持三种来源# 从 Hermes Agent 安装单个技能约150个官方精选 jarvis skill install hermes:apple-notes # 按类别批量安装 jarvis skill sync hermes --category research # 从 OpenClaw 社区搜索安装约13,700个社区技能 jarvis skill sync openclaw --search web3|crypto # 从任意 GitHub 仓库安装 jarvis skill install github:user/repo/path/to/skill --url 仓库地址首次安装会在~/.openjarvis/skill-cache/建立本地缓存约 5 秒后续安装直接复用。常用管理命令命令说明jarvis skill list查看已安装技能名称、描述、版本、标签jarvis skill info name查看技能详情与权限声明jarvis skill run name -a keyvalue直接执行某个技能jarvis skill search query在官方技能索引中搜索jarvis skill update从已配置源拉取更新如果希望零维护可以在~/.openjarvis/config.toml中配置[skills]开启auto_sync true并声明[[skills.sources]]每次会话启动时系统会在后台自动同步技能源的最新版本。三步创建并运行你自己的技能第 1 步建目录。mkdir -p ~/.openjarvis/skills/my-reviewer第 2 步写 SKILL.md。只需 YAML frontmatter 一段 Markdown 指令即可例如写一个安全优先的代码审查技能--- name: my-reviewer description: Review code changes with a security-first approach --- 1. 先做安全扫描注入漏洞、硬编码密钥、不安全反序列化 2. 检查正确性逻辑、边界情况、错误处理 3. 给出一段话结论批准、要求修改或阻断第 3 步验证使用。jarvis skill list确认技能已被发现然后对智能体说用 my-reviewer 审查这段代码即可。智能体看到目录中的技能描述后会自动调用并按你的指令先抓 SQL 注入这类安全问题。技能还可以嵌套组合步骤里可以直接引用其他技能skill_name summarizeSkillManager 会在发现期用拓扑排序检测循环依赖、限制嵌套深度默认 5 层防止技能套娃失控。自动进化从使用痕迹中发现与优化技能OpenJarvis 的技能系统不只是装上用它还能自我进化——这正是它与普通提示词库的最大区别自动发现jarvis skill discover会挖掘你的执行痕迹trace把反复出现的工具调用序列提炼为候选技能写入~/.openjarvis/skills/discovered/描述优化jarvis optimize skills --policy dspy或--policy gepa基于历史痕迹用 DSPy/GEPA 算法重写技能描述、提取 few-shot 示例生成到~/.openjarvis/learning/skills/name/optimized.toml——原始技能文件绝不被修改优化结果以侧车形式注入系统提示效果验证jarvis bench skills运行 PinchBench 四条件对照测试无技能 / 有技能 / DSPy 优化 / GEPA 优化量化技能到底提升了多少表现。配置[learning.skills]的auto_optimize true后学习编排器会在每个学习周期自动跑优化形成一个使用 → 留痕 → 优化 → 更好使用的闭环。安全保障社区技能如何被约束安装来自社区的代码前OpenJarvis 用信任层级管理风险层级来源验证方式运行时Bundled随 OpenJarvis 发行隐式信任声明能力内全访问Indexed官方索引、已签名SHA256 Ed25519能力门控Unreviewed任意 GitHub 地址仅 SHA256能力门控 沙箱警告Workspace本地./skills/用户代码完全信任每个技能必须声明所需能力如network:fetch、shell:execute、filesystem:write运行时 security.py 会校验每次工具调用是否越权声明危险能力的技能在安装时即触发警告和沙箱建议。此外导入技能中附带的scripts/可执行脚本默认跳过需显式加--with-scripts才会引入。延伸阅读完整技能用户指南docs/user-guide/skills.md端到端教程安装 → 使用 → 发现 → 优化 → 基准测试docs/tutorials/skills-workflow.md架构深度解析docs/architecture/skills.md技能系统源码src/openjarvis/skills/社区技能导入解析器src/openjarvis/skills/sources/github.py一句话总结OpenJarvis 的 Skills 系统把AI 怎么用工具变成了可安装、可分享、可自动优化的资产——13,000 社区技能开箱即用你的使用痕迹又会反哺技能变得更好。【免费下载链接】OpenJarvisPersonal AI, On Personal Devices项目地址: https://gitcode.com/gh_mirrors/op/OpenJarvis创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考