OpenClaw龙虾的 “训练” 主要分三层零代码自然语言训练新手、安装 / 复用技能快速、自定义 Skill 开发高级以及底层的RL 强化学习训练模型级。下面按从易到难给出完整方法。一、零代码自然语言训练新手首选无代码直接用对话让 OpenClaw 学习新技能自动组合内置能力file/exec/analyze/summarize等。操作步骤启动 OpenClaw 并进入对话用清晰指令描述任务让它执行并学习plaintext帮我把当前目录下所有 .md 文件的标题提取出来保存到 title_list.txt执行成功后它会自动生成可复用的技能保存技能bash运行openclaw skill save 提取Markdown标题后续直接调用bash运行openclaw skill run 提取Markdown标题适用场景文件批量处理、信息提取、简单自动化、内容整理无需编程适合快速定制个人 / 办公小工具二、安装现成技能最快社区生态直接安装官方 / 社区成熟 Skill相当于 “下载 App”。1. 启用官方内置技能50bash运行# 查看所有内置技能 openclaw skill list --builtin # 启用指定技能如summarize、github openclaw skill enable summarize2. 从 ClawHub 安装社区技能7000bash运行# 搜索技能 openclaw skill search 文件批量重命名 # 安装技能 openclaw skill install file-batch-rename # 运行安装好的技能 openclaw skill run file-batch-rename三、自定义 Skill 开发高级专属业务编写专属 Skill对接私有 API、处理特定业务流程。1. 标准 Skill 文件结构plaintextmy_skill/ ├── skill.md # 技能说明、使用示例必填 ├── manifest.json # 元数据名称、版本、权限、入口必填 ├── __init__.py # 执行逻辑Python可选 └── requirements.txt # 依赖库可选2. 核心文件示例manifest.json必填json{ name: my-data-analyzer, version: 0.1.0, description: 自定义数据分析工具, author: Your Name, entry: main, permissions: [file.read, file.write, exec] }skill.md必填用户手册markdown# 自定义数据分析工具 ## 功能 读取CSV计算均值/中位数生成报告。 ## 使用 openclaw skill run my-data-analyzer --input data.csv --output report.mdinit.py执行逻辑python运行def main(args): import pandas as pd df pd.read_csv(args.input) stats df.describe() with open(args.output, w) as f: f.write(stats.to_markdown()) print(f报告已生成{args.output})3. 安装与运行bash运行# 安装本地Skill openclaw skill install ./my_skill # 运行 openclaw skill run my-data-analyzer --input data.csv --output report.md四、模型级强化学习训练OpenClaw-RL底层进化让 OpenClaw 通过用户反馈持续优化支持Binary RL与OPD事后引导蒸馏。1. 核心机制Binary RL将用户反馈好 / 坏转为 1/-1 奖励提供广泛梯度覆盖。OPDHindsight-Guided On-Policy Distillation从反馈中提取修正提示Hint提供 Token 级精准指导。2. 部署 RL 训练AReaL 框架bash运行# 克隆AReaL git clone https://github.com/inclusionAI/AReaL.git cd AReaL # 安装依赖 uv pip install -e . # 启动RL训练服务 uv run python examples/openclaw/train.py --config examples/openclaw/config.yaml3. 接入 OpenClaw修改配置~/.openclaw/config.toml指向 RL 网关toml[model_providers.arial] base_url http://localhost:8000 api_key sk-xxxx default true重启网关bash运行openclaw gateway restart正常使用 OpenClaw交互数据自动用于 RL 训练。五、训练前准备与建议环境Python 3.8–3.10内存≥8GGPU 加速更佳数据自定义 Skill 需准备测试数据RL 训练依赖真实交互反馈优先级先零代码 / 安装技能再自定义开发最后 RL 训练验证训练后用openclaw skill test验证效果六、常用命令速查bash运行# 技能管理 openclaw skill list # 列出所有技能 openclaw skill save 名称 # 保存当前对话为技能 openclaw skill install 路径 # 安装本地/远程技能 openclaw skill run 名称 # 运行技能 # RL训练 openclaw gateway restart # 重启网关 openclaw config edit # 编辑配置
OpenClaw训练方法
OpenClaw龙虾的 “训练” 主要分三层零代码自然语言训练新手、安装 / 复用技能快速、自定义 Skill 开发高级以及底层的RL 强化学习训练模型级。下面按从易到难给出完整方法。一、零代码自然语言训练新手首选无代码直接用对话让 OpenClaw 学习新技能自动组合内置能力file/exec/analyze/summarize等。操作步骤启动 OpenClaw 并进入对话用清晰指令描述任务让它执行并学习plaintext帮我把当前目录下所有 .md 文件的标题提取出来保存到 title_list.txt执行成功后它会自动生成可复用的技能保存技能bash运行openclaw skill save 提取Markdown标题后续直接调用bash运行openclaw skill run 提取Markdown标题适用场景文件批量处理、信息提取、简单自动化、内容整理无需编程适合快速定制个人 / 办公小工具二、安装现成技能最快社区生态直接安装官方 / 社区成熟 Skill相当于 “下载 App”。1. 启用官方内置技能50bash运行# 查看所有内置技能 openclaw skill list --builtin # 启用指定技能如summarize、github openclaw skill enable summarize2. 从 ClawHub 安装社区技能7000bash运行# 搜索技能 openclaw skill search 文件批量重命名 # 安装技能 openclaw skill install file-batch-rename # 运行安装好的技能 openclaw skill run file-batch-rename三、自定义 Skill 开发高级专属业务编写专属 Skill对接私有 API、处理特定业务流程。1. 标准 Skill 文件结构plaintextmy_skill/ ├── skill.md # 技能说明、使用示例必填 ├── manifest.json # 元数据名称、版本、权限、入口必填 ├── __init__.py # 执行逻辑Python可选 └── requirements.txt # 依赖库可选2. 核心文件示例manifest.json必填json{ name: my-data-analyzer, version: 0.1.0, description: 自定义数据分析工具, author: Your Name, entry: main, permissions: [file.read, file.write, exec] }skill.md必填用户手册markdown# 自定义数据分析工具 ## 功能 读取CSV计算均值/中位数生成报告。 ## 使用 openclaw skill run my-data-analyzer --input data.csv --output report.mdinit.py执行逻辑python运行def main(args): import pandas as pd df pd.read_csv(args.input) stats df.describe() with open(args.output, w) as f: f.write(stats.to_markdown()) print(f报告已生成{args.output})3. 安装与运行bash运行# 安装本地Skill openclaw skill install ./my_skill # 运行 openclaw skill run my-data-analyzer --input data.csv --output report.md四、模型级强化学习训练OpenClaw-RL底层进化让 OpenClaw 通过用户反馈持续优化支持Binary RL与OPD事后引导蒸馏。1. 核心机制Binary RL将用户反馈好 / 坏转为 1/-1 奖励提供广泛梯度覆盖。OPDHindsight-Guided On-Policy Distillation从反馈中提取修正提示Hint提供 Token 级精准指导。2. 部署 RL 训练AReaL 框架bash运行# 克隆AReaL git clone https://github.com/inclusionAI/AReaL.git cd AReaL # 安装依赖 uv pip install -e . # 启动RL训练服务 uv run python examples/openclaw/train.py --config examples/openclaw/config.yaml3. 接入 OpenClaw修改配置~/.openclaw/config.toml指向 RL 网关toml[model_providers.arial] base_url http://localhost:8000 api_key sk-xxxx default true重启网关bash运行openclaw gateway restart正常使用 OpenClaw交互数据自动用于 RL 训练。五、训练前准备与建议环境Python 3.8–3.10内存≥8GGPU 加速更佳数据自定义 Skill 需准备测试数据RL 训练依赖真实交互反馈优先级先零代码 / 安装技能再自定义开发最后 RL 训练验证训练后用openclaw skill test验证效果六、常用命令速查bash运行# 技能管理 openclaw skill list # 列出所有技能 openclaw skill save 名称 # 保存当前对话为技能 openclaw skill install 路径 # 安装本地/远程技能 openclaw skill run 名称 # 运行技能 # RL训练 openclaw gateway restart # 重启网关 openclaw config edit # 编辑配置
