07 | AI Agent 架构设计：Skills 系统设计 ——OpenClaw、Claude Code、Hermes Agent 对比与 TaoToken 统一接入

1. 为什么 Skills 系统值得单独拆开看AI Agent 的能力边界很多时候不是被模型本身卡住的而是被「它不知道你的工作方式」卡住的。模型是通才它懂 Python、懂 SQL、懂写文档但它不懂你们团队的代码规范、不懂你处理某类工单的固定套路、不懂你那份周报模板里哪几个字段必须留空。Skills 系统就是把这些「专业经验」外化并装载进 Agent 的机制——一个 Markdown 文件写清楚某类任务该怎么做、注意什么、坑在哪里Agent 需要时加载进来照着执行。我这次把 OpenClaw、Claude Code、Hermes Agent 三个框架的 Skills 系统放在一起跑了一遍重点不是比谁功能多而是看它们在「技能注册、加载、调用链」这三个环节上的设计取舍。OpenClaw 赌社区集体智慧ClawHub 上有数万个现成 Skill开箱即用但供应链风险实打实Claude Code 赌个人经验沉淀靠渐进式披露把 Token 成本压到极低但冷启动要自己写Hermes Agent 赌 Agent 自我进化执行过程自动生成 Skill省人力但质量不稳定。三种赌注没有绝对对错关键是你的场景吃哪一套。这篇会交付可复制的settings.json/config.toml骨架以及用 TaoToken 统一 Key 接入三个框架的配置最后给出逐项验证动作让你在本地能复现对比结论。适合正在选型 Agent 框架、或者想理解 Skills 加载机制怎么影响 Token 账单的开发者。2. TaoToken 前置一个 Key 打通三个框架的接入层三个框架各自有独立的模型接入配置如果每个都去单独申请 Key、单独配环境变量对比测试的成本会很高。TaoToken 在这里的角色是统一接入层——你拿一个 Key通过兼容 OpenAI 的接口协议让 OpenClaw、Claude Code、Hermes Agent 都指向同一个入口。这样切换框架时不用重新折腾鉴权对比实验的变量也更干净。先拿 Key。访问控制台创建 API Keyhttps://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite创建后复制 Key形如sk-xxxxxxxx。注意这个 Key 只在创建时完整显示一次建议先存到本地密码管理器。接着把 Key 写进环境变量三个框架都能读到# Linux / macOS写入 ~/.bashrc 或 ~/.zshrc export TAOTOKEN_API_KEYsk-你的Key export TAOTOKEN_BASE_URLhttps://taotoken.net/api # Windows PowerShell $env:TAOTOKEN_API_KEYsk-你的Key $env:TAOTOKEN_BASE_URLhttps://taotoken.net/api这里有个容易踩的点TAOTOKEN_BASE_URL结尾不要带/v1也不要带斜杠。不同框架对 base_url 的拼接逻辑不一样有的会自动补/v1/chat/completions有的要求你写全。统一用https://taotoken.net/api这个根路径后面在各框架配置里按需补全。如果你主要做长期编码或 Agent 任务可以看下 Coding Plan 的额度方案比按量计费更适合高频调用https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewriteKey 拿到后先别急着配框架用一条 curl 验证接入层通不通curl -s https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d { model: claude-sonnet-4-20250514, messages: [{role: user, content: 回复 OK 两个字母}], max_tokens: 16 }返回里能看到choices[0].message.content就说明 Key 和网络都正常。这一步过了再往下配框架排障范围能缩小一半。3. 可复制配置三个框架的 Skills 与接入骨架3.1 OpenClawopenclaw.json 与 Skill 安装OpenClaw 的 Skills 来自 ClawHub 市场配置核心是声明要加载哪些 Skill以及模型接入指向 TaoToken。先装 Skill# 安装单个 Skill openclaw skill install github-pr-review # 查看已安装列表 openclaw skill list # 批量安装常用 Skill openclaw skill install weekly-report code-refactor>{ model: { provider: openai-compatible, baseUrl: https://taotoken.net/api, apiKey: ${TAOTOKEN_API_KEY}, modelName: claude-sonnet-4-20250514 }, skills: { autoLoad: true, loadStrategy: full, installed: [ github-pr-review, weekly-report, code-refactor ] }, security: { sandbox: true, allowNetworkAccess: false } }注意loadStrategy我设成了full这是 OpenClaw 的默认行为——所有已安装 Skill 的完整内容在 Session 启动时全量注入上下文。这正是它 Token 效率低的原因但也是它「开箱即用」体验好的原因。security.sandbox建议开启ClawHub 的开放发布机制意味着你装的 Skill 本质是陌生人写的代码沙箱能挡掉一部分越权访问。3.2 Claude Codesettings.json 与渐进式披露Claude Code 的 Skills 放在.claude/skills/目录每个 Skill 一个子目录里面是SKILL.md。它的加载策略是三层渐进式披露Session 启动只加载 Skill 名称约 10 Token/个任务需要时才加载核心说明约 3000 Token脚本代码放在scripts/目录直接执行、不进上下文。先建目录结构mkdir -p .claude/skills/deploy-to-production/scripts写一个SKILL.md--- name: deploy-to-production description: 将代码部署到生产环境的完整流程 --- ## 步骤 1. 确认所有测试通过 2. 在 staging 验证功能 3. 创建 release PR 并等待 review 4. 运行数据库迁移必须在服务重启前 5. 重启服务并观察日志 5 分钟 ## 常见坑 - 忘记更新版本号导致 CI 失败 - 数据库迁移顺序错误会导致服务启动失败 - 回滚时记得同时回滚迁移脚本 ## 脚本 执行 bash scripts/health-check.sh 做部署后健康检查。然后配置~/.claude/settings.json{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_API_KEY: ${TAOTOKEN_API_KEY} }, skills: { directory: .claude/skills, progressiveDisclosure: true, compactionProtection: { enabled: true, perSkillTokenBudget: 5000, totalTokenBudget: 25000 } } }compactionProtection是 Claude Code 的一个关键设计上下文满了触发压缩时Skills 会重新附加到压缩后的上下文每个 Skill 保留前 5000 Token所有 Skill 共享 25000 Token 预算。这意味着你写进 Skill 的规则不会因为会话变长而消失。3.3 Hermes Agentconfig.toml 与自动生成Hermes 的 Skills 由 Agent 执行后自动生成配置重点是触发条件和共享策略。编辑~/.hermes/config.toml[model] provider openai-compatible base_url https://taotoken.net/api api_key ${TAOTOKEN_API_KEY} model_name claude-sonnet-4-20250514 [skills] auto_generate true trigger_tool_calls 5 storage_path ~/.hermes/skills shared_path ~/.hermes/skills/shared [skills.quality] min_tool_calls 5 max_skill_size_kb 64 require_success true [plugins] plur truetrigger_tool_calls 5是 Hermes 的启发式规则一次任务如果工具调用次数达到 5 次以上就触发 Skill 提炼分析步骤序列、用了哪些工具、遇到什么问题、怎么解决的生成 Markdown 写入~/.hermes/skills/。require_success true是我加的一道保险——只让成功执行的任务生成 Skill避免糟糕执行沉淀成错误经验。plugins.plur true开启跨 Agent 双向传播对一个 Agent 的纠正会自动传播给同项目的其他 Agent。这个机制在团队协作场景下很有用但前提是每个 Agent 的执行质量都过关。4. 验证请求逐项确认 Skills 加载与调用链配完不等于通了。下面按「接入层 → Skill 注册 → Skill 加载 → Skill 调用」四步逐项验证。第一步验证模型接入。三个框架都配了同一个 base_url先用 Claude Code 发一条简单请求claude -p 列出当前目录下的文件 --model claude-sonnet-4-20250514能正常返回文件列表说明 TaoToken 接入层和 Claude Code 的 env 配置都对。第二步验证 Skill 注册。Claude Code 里检查 Skill 是否被发现ls -la .claude/skills/ cat .claude/skills/deploy-to-production/SKILL.md | head -5OpenClaw 里检查已安装列表openclaw skill listHermes 里检查自动生成的 Skillls -la ~/.hermes/skills/第三步验证 Skill 加载。这一步要看 Token 消耗是三个框架差异最大的地方。在 Claude Code 里开一个新 Session问一个和 deploy 无关的问题观察上下文里是否只加载了 Skill 名称而非全文。你可以用/context命令如果版本支持查看当前上下文构成或者对比开 Skill 前后的 Token 计数。第四步验证 Skill 调用。给 Claude Code 一个明确触发 deploy Skill 的任务claude -p 帮我把当前分支部署到生产环境按 deploy-to-production 的流程走观察它是否按 SKILL.md 里的步骤执行是否调用了scripts/health-check.sh。如果它跳过了脚本直接手动执行说明 Skill 的脚本引用没被正确解析。Hermes 的验证需要跑一个复杂任务触发自动生成hermes run 分析这个项目的依赖树找出所有过期的包并生成升级建议这个任务工具调用次数大概率超过 5 次执行完后检查~/.hermes/skills/是否多了一份新 Skill。5. 本篇常见错排查报错一401 Unauthorized或invalid api key。最常见的原因是环境变量没生效。${TAOTOKEN_API_KEY}这种写法依赖框架支持环境变量插值有些版本不认。排查顺序先echo $TAOTOKEN_API_KEY确认变量存在再检查配置文件里是否写成了字面量${...}而框架没解析。实在不行直接把 Key 写进配置仅本地测试别提交到 Git。报错二Skill 加载了但 Agent 不按它执行。这通常是 Skill 的description字段没写清楚触发场景。Agent 靠 description 判断「这个任务该不该加载这个 Skill」如果 description 太模糊比如只写「部署流程」Agent 可能匹配不上。改成「将代码部署到生产环境的完整流程包括测试确认、staging 验证、release PR、数据库迁移、服务重启」这种包含关键词的描述命中率会高很多。报错三Claude Code 上下文爆了。如果你写了 20 个 Skill 但没开progressiveDisclosure全量加载会直接吃掉 6 万 Token。检查settings.json里progressiveDisclosure是否为true以及compactionProtection是否开启。另外确认scripts/目录下的代码没有被误写进SKILL.md正文——脚本必须放在scripts/里才会走「不进上下文」的路径。报错四Hermes 生成的 Skill 质量差。这是自我进化机制的固有风险。排查方向看require_success是否开启看触发那次任务的执行日志是否有报错。如果 Agent 在任务中途反复试错才成功生成的 Skill 会把试错过程也写进去。建议定期人工 review~/.hermes/skills/下的内容把明显错误的删掉。报错五OpenClaw 装完 Skill 后行为异常。优先怀疑供应链问题。ClawHub 的开放发布机制意味着任何 GitHub 账号超过一周的人都能发布 Skill历史上出现过大规模恶意 Skill 事件。排查动作检查 Skill 目录下是否有可疑的网络请求代码、是否读取了~/.ssh/或环境变量里的敏感信息。security.sandbox和allowNetworkAccess: false能挡掉大部分但不能全信。报错六三个框架的 base_url 拼接不一致。有的框架要求https://taotoken.net/api有的要求https://taotoken.net/api/v1。如果报404 Not Found先试在 base_url 后补/v1再试去掉。TaoToken 的接口兼容 OpenAI 协议标准路径是/api/v1/chat/completions但框架的拼接逻辑各异以实际请求日志为准。6. 选型建议与统一接入的收尾三个框架的 Skills 系统本质是三种「经验从哪里来」的赌注。OpenClaw 赌社区ClawHub 数万个 Skill 开箱即用冷启动体验最好但供应链安全和 Token 效率是持续代价Claude Code 赌个人渐进式披露把 Token 成本压到 85%–95% 的节省scripts/ 目录零上下文成本但需要你自己花时间写Hermes 赌自我进化执行即积累PLUR 插件还能跨 Agent 传播经验但质量依赖每次执行的质量启发式规则也不够精确。我的实际做法是组合使用OpenClaw 快速启动覆盖长尾场景Claude Code 写核心场景的 Skill 并享受渐进式披露的 Token 优势Hermes 跑固定重复任务让它自动沉淀。三个框架都通过 TaoToken 统一 Key 接入切换时只改框架配置、不动鉴权层对比实验的变量更干净。如果你要深入接入细节接入文档在这里https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite需要管理多个 Key 或查看用量去 API Keys 页面https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite想先在网页端验证模型对话是否正常不用配框架就能试https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel-chatutm_campaignrewrite最后提醒一句Skills 的格式正在走向开放标准三个框架都在参与 agentskills.io 项目。这意味着未来框架之间的差异会逐渐从「格式兼容性」转移到「加载策略」和「更新机制」上。现在选型时与其纠结格式不如重点看加载策略对你的 Token 账单影响有多大——这才是真金白银的差异。