技能介绍

学习 Agentic AI 的两个断层

很多开发者在接触 OpenClaw 或 Agentic AI 开发时，常会遇到两个典型断层：一是教程路径僵化，缺乏按需学习的弹性；二是理论与实践脱节，读完文档依然不知道如何搭建真实项目。此外，大模型 API 成本往往成为高频迭代的阻碍。learning-forge 旨在填补这些断层，它是一个无预设课程的学习伴侣与项目脚手架工具，支持从零基础到资深构建者的全阶段开发。

研究先行与动手实践

该技能的核心工作流遵循研究-解释-实践的闭环。在响应任何请求前，它会优先检索当前的文档和最佳实践，避免给出过时建议。随后，它会用平实的语言拆解概念，并强制附带动手环节：Try it 让你直接构建或修复代码，Extend it 提供进阶挑战。当代码报错时，它会像 Debug Buddy 一样无评判地协助诊断，而不是直接甩出正确答案。

项目伴侣与工具链

当你跳出学习模式进入真实项目时，它会切换为 Project Companion 模式。除了充当 Second Brain 记录上下文，它还能瞬间生成骨架代码、审查你的代码变更或进行架构探讨。此外，它内置了多项工具自动沉淀你的代码片段和知识库：

Snippet Library (learning-forge-snippets.json) 管理常用代码与配置。
Project Journal (learning-forge-journal.json) 记录每日构建进度。
Glossary 自动收集并定义学习过程中遇到的术语。

适用边界与扩展

它不依赖特定大模型，针对 DeepSeek、Groq 等廉价 API 做了优化，但不会限制高阶模型的使用。需要注意的是，其片段、日志和进度追踪依赖于 ~/.openclaw/workspace/memory/ 目录下的 JSON 文件。遇到超出核心主题的问题时，它会坦诚能力边界并引导共同探索。你可以通过直接编辑 SKILL.md 来添加自定义主题或模板，使其真正成为你个人的专属工具。