|
|
一个典型的 manifest.json 声明如下：
```json
{
"name": "firecrawl-search",
"version": "1.0.0",
"capabilities": {
"tools": ["firecrawl_scrape", "firecrawl_search"],
"providers": [],
"channels": []
},
"runtime": "node"
}
```
v2026.5.x 引入了 `plugins.installs.json` 持久化注册表，替代原来的 `plugins.installs` 内存状态。这意味着插件列表会在 Gateway 重启后保留，不会像之前那样每次启动都需要重新安装。同时，v2026.5.2 新增的 Crestodian 机制为插件安装引入了审批和审计流程，企业用户可以控制哪些插件可以被安装，提升了安全性。
关键区别：Skills 纯文本、git-friendly；Plugins 需要 npm 环境和运行时加载，配置通过 gateway config 或 `plugins.entries.*` 管理。
## 三、生态现状（截至 2026-05）
根据 OpenClaw release notes 和 clawhub.ai：
Plugins 生态处于高速迭代期。v2026.5.0 捆绑了 xAI Grok 4.3 provider、NVIDIA provider、People Wiki 插件；v2026.5.2 新增 Crestodian（插件市场 + 安装/卸载审批）、File Transfer Plugin（默认 deny 策略，16MB 上限）；v2026.5.3-beta 继续 Plugin SDK 强化。官方明确将 Plugins 定为未来核心方向。
值得注意的是，Plugins 生态的增长速度正在加快。从 v2026.4.14 到 v2026.5.2 的版本迭代中，平均每个版本都带来 3-5 个新插件或 provider 的支持。这种迭代节奏在 OpenClaw 的历史上是前所未有的，说明核心团队正在将大量工程资源投入到 Plugins 基础设施中。
Agent-Skills 生态相对稳定但不温不火。ClawHub 上有 `agent-reach`、`web-access`、`x-tweet-fetcher`、`browser-chromium`、`seo-traffic-monetizer` 等约 16 个可用 skill，但社区贡献率低，版本更新慢。Skills 的价值在于特定场景的 prompt 固化，而非通用功能扩展。
这种生态差异的根因在于两者的开发门槛不同。编写一个高质量的 Agent-Skill，你只需要：
- 理解 OpenClaw 的 skill 机制
- 掌握 Prompt Engineering 的最佳实践
- 能够用 Markdown 编写规范文档
而开发一个 Plugin，你需要：
- 熟悉 Node.js/TypeScript
- 理解 OpenClaw Plugin SDK 的 API
- 掌握 npm 包的开发和发布流程
- 能够处理运行时错误和边界情况
显然，前者的门槛要低得多，这也是为什么 Skills 数量虽然少，但每个 Skill 的功能往往非常垂直和深入——因为开发者有精力把一个场景做透。
## 四、实测：任务执行差异
我用同一个需求分别测试两套机制：「抓取 Twitter 帖子并提取关键信息」。
### 4.1 通过 Agent-Skill（x-tweet-fetcher）
发送 `/x tweet-fetcher <url>`，skill 解析 SKILL.md 中的 prompt 模板，调用内嵌的 fetch 逻辑，输出格式化结果。全程文本流，配置简单，但能力上限受限于 prompt 设计的覆盖范围。
具体流程如下：
1. 用户输入触发命令 → OpenClaw 识别 skill 名称
2. 加载 x-tweet-fetcher/SKILL.md → 提取 prompt 模板
3. 将 URL 和用户意图注入模板 → 生成完整的 prompt
4. 模型执行 prompt → 调用内置的 fetch 逻辑
5. 输出格式化结果 → 用户获得结构化信息
这个流程的优势是透明可控。你可以随时打开 SKILL.md，修改 prompt 模板的行为逻辑，无需重启 Gateway，skill 会自动重新加载。但劣势也很明显：整个过程依赖模型的理解和生成能力，存在一定的不确定性，同一个 prompt 在不同模型上可能有不同的输出质量。
### 4.2 通过 Plugin（假设存在 dedicated twitter plugin）
调用 `twitter_fetcher` 工具（如果注册了的话），直接执行 API 调用，返回结构化 JSON。理论上更高效，但目前 OpenClaw 官方 channel 主要是 Telegram/Discord/Slack 等，Twitter API 工具仍需通过 skill 或 exec 实现。
Plugin 的执行流程完全不同：
1. 用户输入命令 → OpenClaw 路由到对应的 tool
2. Plugin runtime 接收请求 → 构造 Twitter API 调用
3. 直接发起 HTTP 请求 → 获取原生 JSON 响应
4. 可选：通过 Plugin 内置的 parser 进行数据清洗
5. 返回结构化数据 → 用户获得确定性结果
这个流程的优势是确定性——同样的请求，无论调用多少次，只要 Twitter API 返回的数据结构不变，输出结果就是稳定可预测的。但劣势是开发成本高：如果没有现成的 Twitter Plugin，你需要自己开发、测试、部署。
结论：Plugins 适合底层能力扩展，Skills 适合业务流程固化。两者不是替代关系，而是上下层配合。
## 五、典型应用场景对比
### 5.1 内容采集场景
SEO 进化猎手是一个典型的 Skill 驱动场景。它的工作流程是：
- 发现：扫描 GitHub trending、项目，发现新兴 AI 工具
- 诊断：分析目标项目的 SEO 能力缺口（Gap 诊断）
- 评估：根据 Gap 驱动评分模型计算落地优先级
- 执行：克隆项目、验证功能、写入 registry
整个流程涉及多个外部 API 调用和文件操作，但所有行为规范都固化在 SKILL.md 中。如果用 Plugin 来实现类似功能，你需要为每个步骤开发独立的工具，这显然是大材小用。
### 5.2 渠道接入场景
---
【标签】
Thinkpad, IBM, X1 Carbon, AI开发, Ollama部署, 本地大语言模型, VSCode配置, 华强北, 选购指南
【相关阅读】
- Thinkpad T14 深度评测：商务本的性能极限在哪里
- OpenClaw多模型集成配置指南
- 华强北Thinkpad港版购买防坑指南
|
|
|手机版|华强北商行
( 粤ICP备17062346号 )
发表于 2026-6-3 06:04
加好友78950405
