SKILL 开发详解：给 182X Agent 写一个自定义技能

上一篇把 OpenClaw + ClawChips 跑通了：QQ 是入口，端云路由是调度，NPU 是本地算力。但框架只是壳，它具体能干什么活，取决于装了哪些 SKILL。

ClawChips 内置了一系列基于 RK182X 模组运行的算法 SKILL——定时提醒、早安播报、图片识别、OCR 文字提取、多智能体巡检——不用写代码，在 QQ 机器人对话里说一句话就能触发。这篇把九个技能过一遍：每个是什么、怎么说、依赖什么。

本章完整文档：《SKILL 使用手册》

使用前提，四件事

算法模型已安装：SKILL 固件不含 ASR / TTS / VLM 模型权重，需从 ShiMetaPi 渠道获取后放到 /userdata/models/ 目录下；

RK182X NPU 正常：rknn3_transfer_proxy devices 能列出已挂载设备；

OpenClaw Gateway 运行中：负责消息路由；

未启动重量级本地 LLM：NPU 板载 DRAM 有限（5 GB），大模型（≥7B）与 NPU SKILL不建议同时运行。

端云协同的推荐配置 wiki 写得很直接：云端 LLM（DeepSeek / MiniMax）处理对话推理，本地 NPU 跑 VLM / OCR / ASR / TTS。轻量本地 LLM（≤3B）可以和 SKILL 共存。

部分 SKILL 依赖 NPU（rk-vl / rk-ocr），其他（rk-rag / morning-briefing）在 CPU 或云端运行——每个技能的依赖在下面的总览表里。

效率型：定时提醒与早安播报

rk-remind：QQ 上说句话就建提醒

支持一次性和周期性任务，对话示例：

底层是 openclaw cron 命令：

openclaw cron add --name ”...” --cron ”...” --channel qqbot --to ”...”
openclaw cron list     
openclaw cron remove

openclaw cron list 的实测输出（前面会带一串插件初始化信息，最后才是结果）：

[plugins] plugins.allow is empty; discovered non-bundled plugins may auto-load: clawchips ...     
[plugins] [ClawChips] rkllm provider already configured; skipping registration     
[plugins] [RouterPipeline] Registered router: rules-router (tier 2)      
[plugins] [qqbot-channel-api] Registered QQ channel API proxy tool      
[qqbot-remind] Registered QQBot remind tool     
No cron jobs.

morning-briefing：早安播报

ShiMetaPi 自研 Skill，每天早上自动推送问候 + 天气 + 今日提醒，播报长这样：

早上好！今天是 6月13日 星期五。     
深圳今天 31°C 多云，紫外线强，记得防晒。    
你今天有 2 个安排：     
- 14:00 需求评审会     
- 18:30 买猫粮

视觉型：看图说话与文字提取

rk-vl：图片识别

基于本地视觉大模型 Qwen3-VL-2B，跑在 RK182X NPU 上，两种场景：USB 摄像头监控、QQ 发图识别。

单次图像检测：

python3 /home/linaro/.openclaw/workspace/skills/rk-vl/scripts/detect_target.py \
  --image /tmp/test.jpg \
  --query "包裹"

持续监控（比如盯门口有没有快递）：

/home/linaro/.openclaw/workspace/skills/rk-vl/scripts/watch.sh start 包裹

底层是 systemd 常驻的 VLM 推理服务（端口 7879，绑定 127.0.0.1）：

systemctl status vlm.service --no-pager    

输出：

 ● vlm.service - VLM Inference Service (Qwen3-VL-2B on RK1828)   
     Loaded: loaded (/lib/systemd/system/vlm.service; enabled; preset: enabled)  
     Active: active (running) since Thu 2026-08-20 14:05:21 CST; 39min ago
   Main PID: 66298 (python3) 
   CGroup: /system.slice/vlm.service
             └─66298 /usr/bin/python3 /userdata/models/Qwen3-VL-2B/vlm_server.py

性能参考（wiki 实测）：

rk-ocr：图片文字提取

ShiMetaPi 自研技能，基于本地 PaddleOCR-VL 模型。命令行和 HTTP API 两种调用方式：

bash /userdata/models/Qwen3-VL-2B/ocr.sh ”<图片路径>” 

curl -X POST http://127.0.0.1:7880/ocr \
  -H "Content-Type: application/json" \
  -d '{"image": "<base64编码>"}'

健康检查：

curl http://127.0.0.1:7880/health    

输出：

{”status”: ”ok”, ”model”: ”PaddleOCR-VL”}

两个视觉技能怎么选，wiki 给的对比：

进阶型：巡检、会议监控与像素解码

rk-inspect：多智能体巡检分析

ShiMetaPi 自研技能，架构是"本地 + 云端"接力：本地 NPU 跑 VLM / OCR 做客观描述，云端 LLM 做多视角推理。

bash /userdata/models/Qwen3-VL-2B/inspect.sh <图片路径> [scene]
scene: retail(默认) | warehouse | safety | generic    

注意：必须传图片路径——脚本用了 set -euo pipefail，无参数直接报错。

四个巡检场景：

rk-meeting-watcher：会议监控

会议监听技能，需要外接 USB 麦克风（wiki 建议外接以获得更好的音频采集效果）：

sudo apt install alsa-utils

rk-binary-image-decoder：二进制图片解码

把摄像头裸像素数据（NV12）转成 PNG：​​​​​​​

python3 /home/linaro/.openclaw/workspace/skills/rk-binary-image-decoder/scripts/CVT_NV12.py \  
  camera_capture.bin 1920 1080 1920 output.png

自己写一个 Skill

每个 Skill 位于 ~/.openclaw/workspace/skills//，目录结构：

skills/my-skill/
├── SKILL.md      # Skill 主文档（OpenClaw 读取）
├── TOOLS.md      # 工具定义（可选）
├── run.py        # 主逻辑
├── config.yaml   # 配置（可选）
└── requirements.txt

两个实用细节：skills 目录下没有 README，总说明在仓库根目录 /opt/clawchips/skills/README.md；把常用工具调用方式写进 ~/.openclaw/workspace/TOOLS.md，AI 可以跳过"先读 SKILL.md"那一步——省一轮 API 调用。

SKILL 一览

常见的坑

收尾

九个技能，说句话就能用——但它们背后都是模型在 NPU 上推理。这些模型是怎么部署上去的、想跑自己的模型怎么办，下一篇讲模型调用。