ClawHub技能市场2026年Q1盘点：哪些技能真的值得装

ClawHub上线一年多，技能数量从最初的几十个增长到近300个。对于新用户来说，这个数字已经开始产生选择困难了。

作为SFD实验室，我们装过、用过、踩坑过其中大概60多个技能。今天做个Q1盘点，不是广告，不是排行榜，就是我们自己的使用记录。

必装级别（日常生产力核心）

humanizer去AI味神器：下载量一直在前三，实至名归。核心功能就一件事：把AI写的内容变得像人写的。实验室用它处理所有对外发布的内容——博客文章、LinkedIn帖子、客户邮件。humanizer针对Wikipedia那篇著名的AI写作特征指南里的20多个典型模式，效果很扎实。唯一要注意的是：它会改写句式，有时候会改掉你刻意的表达，重要内容处理完要过一遍。

multi-agent-cn中文多Agent调度：如果你在用OpenClaw跑超过3个子Agent协作的工作流，这个技能能省很多力气。它把调度逻辑封装好了，5个持久化子Agent加轮询机制，直接拿来用。SFD实验室的日更内容流水线就是基于这套架构搭的，从选题到写作到封面图到发布，4个环节在不同Agent里并行推进，不需要人工在中间传递。

smart-web-scraper网页数据提取：做竞品监控、行业数据收集用这个。支持CSS选择器、自动检测表格和列表、输出JSON/CSV。Q1我们用它建了个竞品定价监控，每天自动跑一遍，有变动就通知到Telegram群，总共写了不到50行配置，效果比之前用Python脚本还稳定。

强烈推荐（解决特定痛点）

deep-research-pro多源研究报告：真正能替代去网上搜一搜的工具。给一个问题，它会搜多个来源、综合归纳、生成带引用的报告。Q1我们用它做了几个行业调研：AI Agent商业化现状、东南亚SaaS市场格局、Nuxt3性能优化方案对比。每次大概节省2-3小时的手动搜索时间，报告质量达到了可以直接作为内部文档的水平。缺点是引用来源质量良莠不齐，需要自己判断。

n8n-automation本地工作流集成：如果你在用自部署的n8n，这个技能让OpenClaw能直接调用和管理工作流，不用手动进n8n界面。触发工作流、查看执行历史、调试失败节点，全部通过对话完成。我们把SFD实验室的大部分定时任务从单纯的cron迁移到了n8n加OpenClaw的组合，n8n负责精确的定时触发和条件分支，OpenClaw负责处理需要AI判断的环节。

self-improving-agent持续学习机制：这个技能的作用是让Agent记录自己的错误和学习，而不是每次从零开始。实验室从去年就在用，效果是重复犯同一个错误的情况明显减少了。Agent出错或被纠正时会自动写LEARNINGS.md，下次遇到类似场景会先查一遍。

值得关注（还在成熟中）

ontology知识图谱记忆：概念很有野心，给Agent建立一套结构化的知识图谱，实体之间有类型关系，支持约束和查询，适合需要跨技能共享状态或做复杂依赖追踪的场景。我们还在测试阶段，目前感觉功能完整，但上手成本比较高，需要先想清楚你的数据模型是什么，不是开箱即用的那种。

moltguard提示词注入防护：安全相关，如果你的OpenClaw会处理外部用户输入（接收webhook、处理邮件内容），这个技能能帮你过滤提示词注入攻击。Q1有一次我们的webhook处理流水线收到了一封精心构造的邮件，内容里嵌着ignore previous instructions类型的攻击，装了moltguard之后先过滤，可疑内容标记而不是执行。

明确不推荐（目前状态）

ClawHub上有一批理念很好但实现不稳定的技能，总体特征是SKILL.md写得很漂亮，但实际跑起来经常报错、或者依赖的外部服务不稳定。判断一个技能靠不靠谱的经验：看它上次更新是什么时候。超过6个月没更新的，除非是非常稳定的成熟工具，否则要谨慎，OpenClaw本身在快速迭代，旧技能很容易因为API变动而失效。

Q2我们最期待的方向

本地模型集成（更多技能支持Ollama/llama.cpp作为后端，减少API成本）、技能组合（允许把多个技能打包成技能包，一键安装整套工作流）、移动端触发（手机App直接触发技能执行，不需要桌面端）。本地模型这块我们实验室已经在跑了，96GB的Mac Studio跑qwen2.5:32b，作为一些低优先级任务的后端，成本比调API低很多。

结语

技能市场的价值不在于数量，在于找到那几个真正能嵌进你工作流的工具。我们的经验是：与其装20个技能各用一次，不如把3-5个技能吃透、深度集成进日常流程。以上是SFD实验室的Q1真实使用记录，如果你在用某个技能有不一样的体验，欢迎来聊。