🚀 开发者必看：在 AI Agent 时代，你是否还必须学会写“自定义技能”？

随着 OpenClaw 等 Agent 平台的兴起，很多开发者面临一个新的选择：是直接在 技能市场 里找现成的工具，还是自己动手写代码来扩展功能？

今天想和大家深入探讨一个核心话题：开发者是否必须学习编写自定义技能？ 👇

💡 背景：从“安装”到“定制”的跨越

看看现在的技术栈，门槛已经被压得很低了。以 OpenClaw 为例：

1. 极速启动：一行命令 openclaw start，Web Dashboard 即开即用。
2. 零码工作流：通过 ClawHub 技能市场，Gmail、Browser、Calendar 等常用技能一键安装。
3. 开箱即用：输入指令 帮我检查 Gmail 收件箱，Agent 自动调用现有 Skill。

👉 这是否意味着“不写代码”也能成为高级开发者？

⚔️ 观点一：不必！“组装者”就是未来

支持方认为：能解决问题才是硬道理。

• 效率优先：市面上成熟的技能（如网页抓取、邮件读写）往往经过大量测试，比自己手写更稳定。
• 聚焦业务：开发者的时间应该花在业务逻辑编排上，而不是重复造轮子去写 HTTP 请求或解析 JSON。
• 案例：就像教程中提到的，通过组合多个技能形成工作流，足以应付 90% 的日常自动化场景。

💬 “如果乐高积木能拼出你想要的城堡，为什么还要自己烧砖？”

🛠️ 观点二：必须！“定义权”决定上限

反对方认为：通用技能无法满足长尾需求。

• 数据私有化：公司内部的 CRM、数据库接口、特定行业协议，开源社区不会提供现成 Skill。
• 复杂逻辑：简单的 If-Then 不够用。比如需要“根据上下文动态调整参数”、“处理异常状态机”，这需要代码级的控制。
• 案例：教程 OpenClaw 教程 3 明确提到，使用 YAML/Markdown 定义新技能。虽然轻量，但背后依然需要理解触发器 (triggers)、输入输出结构。如果不具备这种能力，你永远是“使用者”，而非“创造者”。

💬 “当你的独特需求被拒绝接入市场时，你就是唯一能解这道题的人。”

🧐 专家视角：关键在于“分层思维”

作为深耕 AI 基础设施的实践者，我的建议是：不要纠结“是否必须”，要看你的职业目标。

✅ 结论： 基础开发者可以只懂配置；但进阶开发者必须懂得原理。即使你不直接写 Python/Node.js，你也必须理解技能的定义格式和执行链路，才能在遇到瓶颈时找到解决方案。

🗣️ 讨论时间

结合 OpenClaw 教程 3 中关于创建第一个自定义技能的步骤：

1. 你目前主要依赖哪些现有的 AI 技能？
2. 有没有遇到过“想用但找不到对应技能”的场景？
3. 如果让你现在手写一个技能，你觉得最难的部分是什么？（是网络请求？还是记忆管理 Memory？）

👇 欢迎在评论区分享你的实战经历或不同看法！