by 运行时依赖
安装命令
点击复制技能文档
🧭 技能路由枢纽
核心问题：技能太多 → 路由成本高 → 选错技能 → OpenClaw变笨
解决方案：场景分桶 + 智能路由 + 失败学习
核心问题：为什么技能太多反而变笨
当OpenClaw有80+技能时：
每个请求都要在80个里选 → 决策成本高 路由错误率上升 → 选到不相关的技能 相关技能被稀释 → 真正需要的反而没被激活 架构设计 三步路由 用户请求 → 场景识别 → 桶内选Top3 → 激活技能
场景分桶 桶（场景） 核心技能 Top3 学术研究 sci-paper-three-pass / literature-review 三刀精修 / 文献搜索 / 论文摘要 AI自我进化 self-模型 / idle-learning / AI-consciousness-core 自我建模 / 持续学习 / 置信度 内容创作 OpenClaw-novel-流水线 / caveman 小说流水线 / 输出压缩 短视频运营 douyin-operations / xiaohongshu 抖音运营 / 小红书 代码开发 coding-代理 / cloudbase / github 代码开发 / 建站 / GitHub 图片处理 baoyu-压缩-image / baoyu-信息graphic 图片压缩 / 信息图 搜索查询 find-技能s / minimax-网页-搜索 技能搜索 / 网页搜索 总结汇报 summarize-pro 总结摘要
每次只激活相关桶内的Top3技能，其他技能静默。
失败学习机制 路由到技能A → 执行 → 失败/不好用 ↓ 记录失败 → 下次这个场景换技能B
每个场景维护一个"历史成功列表" 成功过的技能优先 失败的技能自动降权 使用方式 路由API from 路由r 导入 路由, 记录_routing
结果 = 路由("ano想发一篇SCI论文") # {'scene': '学术研究', 'selected_技能s': ['sci-paper-three-pass', 'literature-review', ...], 'reason': '场景「学术研究」桶内Top3'}
# 任务完成后标记结果 记录_routing("ano想发一篇SCI论文", "学术研究", 结果['selected_技能s'], outcome="成功")
手动路由 python3 /root/.OpenClaw/workspace/技能s/技能-路由r/路由r.py "ano想精修论文"
查看路由历史 python3 /root/.OpenClaw/workspace/技能s/技能-路由r/路由r.py "查路由" --learn
关键文件 技能-路由r/ 路由r.py # 路由核心逻辑 routing_记录.jsonl # 路由历史（成功/失败） 技能_buckets.json # 场景桶配置
与技能-recommender的关系 技能-recommender：基于关键词的推荐，返回Top5 技能-路由r：基于场景桶的路由，每次只激活Top3
两者配合：路由r确定桶和Top3 → Recommender在Top3内精确匹配
技能版本: v1.0.0 基于: ano原创技能-路由r架构 创建时间: 2026-05-02