OpenClaw技能下载量第一:让龙虾接入现实世界的App清单

免费影视、动漫、音乐、游戏、小说资源长期稳定更新! 👉 点此立即查看 👈
机器之心编辑部
OpenClaw 这个智能体「操作系统」大火,现在很多人都在为它安装「App」时犯难了。
在 OpenClaw 中,Skill 就是 AI 智能体(Agent)的 App,它们可以赋予智能体特定能力的扩展。通过安装不同的 Skill,OpenClaw 可以突破大语言模型单纯「聊天和生成文本」的限制,获得执行具体任务的权限和路径。
打开 OpenClaw 的公共技能市场 ClawHub,现在能看到密密麻麻 22000 多个技能。它们有的可以帮你自动发朋友圈,有的能帮你监控网页,即时了解新闻热点,有的还可以自动编程。不过由于这是一个开源的平台,谁都能上传自己写的工具,Skill 多得让人有点望而却步。
其实对于普通人来说,只有少数技能可以称得上是「基础设施」,网页搜索工具就是其中的一个。
在使用 OpenClaw 时,原生的 AI 模型由于训练数据的时间限制,无法获取最新资讯,且受限于上下文窗口,难以处理海量外部信息。搜索类 Skill 的核心作用是为智能体装上「连接现实世界」的眼睛和「检索记忆」的海马体。只有先通过搜索获取了最新、最准确的现实增量数据,智能体随后的逻辑推理、工具调用和交付才具有实际意义。但随着 OpenClaw 在国内爆火,大量养龙虾新人在使用海外工具时「水土不服」的情况正在显现。
如今打开 ClawHub 榜单,格局已经悄然改变:搜索类 Skill 中,百度的搜索工具下载及收藏量稳居前列,已经成为全球下载量第一的搜索引擎最新技能插件。

链接:https://clawhub.ai/ide-rea/baidu-search
对于国人来说,这个百度最新出品的中文搜索 Skill 更懂中文权威信息,同时也具备信息安全背书,可以说是搜索工具上的首选。
当 AI 学会「看比赛」
手搓一个专属助手
为了直观展示「百度搜索 Skill + 最新生态矩阵」在真实 Agent 工作流中的能力,我们不妨跳出枯燥的跑分测试,直接看几个接地气的应用场景。
作为一个平时只看英超的伪球迷,今天在手机上弹出的新闻窗口里面看到一些球队惨淡的成绩,想知道大概怎么回事。按照传统的信息获取方式,你需要切出新闻 App,打开虎扑或搜索 App,输入多个不同的关键词,在论坛信息流里自己拼凑答案。
但现在基于OpenClaw + 百度搜索 + 百度百科 Skills,我们可以快速构建一个「足球智能观赛助手」,让 AI 变成一个能实时联网、懂背景知识、能顺畅聊天的「评述员」。
来看看我们的「评述员」在真实工作流中的表现:
实测 1:请基于百度搜索、百度百科能力,帮我总结一下在本赛季欧战赛场(欧冠、欧联、欧协联)现存的英超球队在本轮淘汰赛上的对阵情况、结果,以及它们在上个赛季同期的整体表现。

面对这个复合型问题,智能体理解了意图,并在后台完成了正确的 Skill 调度:
调用百度搜索。精准检索本周中欧战的实时赛况,抓取九支球队最近一场比赛的比分,规避了大模型「幻觉」和知识库未更新的致命缺陷,体现了时效性。并发调用百度百科。快速调取英超几支豪门的过往欧战履历、历史欧战积分和五大联赛欧战的整体表现,提供权威、结构化的背景知识。
实测 2: 在了解了基础信息后,我们免不了要继续追问: 那么基于当前欧战的成绩,以及几周前的分组抽签,英超球队能拿下欧战锦标的可能性还剩多少?哪个队最靠谱?

在这个环节上,智能体的表现非常接近真实人类。眼见此前呼声很高的曼城被皇马击溃,已经不再看好了,而且知道在欧冠英超球队传统上并不占优势。
此外,使用搜索 Skill 也能保证我们获取准确的信息,基于内容再进行分析和进一步的工作。
实测 3: 使用百度搜索 skill 搜索一下机器之心最近发布了哪些关于 OpenClaw 的文章:

实测 4:使用百度搜索 skill 搜索一下蔡依林在四川周边是否有演唱会,时间和地点是什么,在哪里能买到票?

实测 5: 使用百度搜索 skill 搜索下,最近关于果蝇大脑上传的事情,究竟是什么回事?

海外 Skill 管「通用」
国产 Skill 拼「精准」
我们常常在讨论大模型的技术演进,但决定一个应用能否真正在本土生根发芽的,往往是其底层的工具链。
在智能体的时代,「得搜索者得天下」的逻辑依然成立。作为自动化运行的系统,智能体对信息的容错率极低 —— 一旦搜索 Skill 抓取了虚假、过时或机器生成的低质量内容,智能体就会「消化不良」,导致后续的自动化任务崩溃。搜索基础能力的精准度,直接决定了整个智能体应用的智商下限。
这也是本土搜索 Skill 必须存在的原因,海外 Skill 提供的是一套通用的「骨架」,例如基础的网页抓取。但在中文互联网这个极其复杂、庞大且存在信息壁垒的生态中,Brave Search 这类海外搜索引擎往往只能抓取到表层信息,甚至频频出现对中文语意理解偏差导致的「AI 幻觉」。
相比之下,国产 Skill 提供的是本土语境下的精准能力。中文内容的理解深度、本地知识库(如政务、权威媒体、学术站点)的覆盖广度,以及与国内主流内容平台的协同整合,这些都是海外工具难以复制的「护城河」。此外,在开发者非常关心的成本控制上,百度搜索 Skill 还提供了免费额度。
百度作为国内最早入局 OpenClaw 生态的大厂之一,其最新出品的搜索 Skill 不仅填补了生态空白,更释放出了一个强烈的信号:国产基础能力 Skill 已经走向成熟,一个以中文用户为核心的本土 Agent 应用层正在形成。
如果你以为百度只做了一个搜索插件,那就低估了大厂的生态野心。
目前,基于真实的业务沉淀,百度已经在 ClawHub 上开放了一整套「生产级积木」,涵盖百度优势能力的全矩阵:

在知识获取环节,不再是干巴巴的网页抓取。做背景调查或知识问答,可以直接调用Baidu Baike(百度百科)获取结构化的权威词条;写论文、追前沿课题,有Baidu Scholar(学术检索)打底;甚至面对冗长的视频流,Video AI Notes(视频 AI 笔记)也能直接拆解出核心内容与会议纪要。
面对图文并茂的复杂文档,文心衍生・PaddleOCR 文档解析 Skill文字识别 Skill为智能体装上「眼睛」,实现超高精度的内容提取与理解。
在商业场景中,百度电商 Skill支持跨平台比价与选购决策;百度地图 Maps Skills为出行、文旅、车载等场景提供地图开发能力,让智能体具备空间感知与导航能力。
从信息检索到内容生产,从视觉理解到商业决策,从应用开发到行业落地,百度以 Skill 为载体将核心 AI 能力系统性地开放给全球开发者。
基础设施就绪
Agent 走向务实
当大模型的基础能力逐渐收敛,Agent 赛道的重心正在向工程化落地与本地适配转移。在这个阶段,好用的基础设施组件,往往是决定智能体应用能否真正投入生产环境的关键。
随着科技圈对 OpenClaw 逐渐重视,一些大厂正在将长年积累的搜索、百科、学术等底层业务能力,封装成标准化、可直接调用的「积木」。
在面对复杂任务时,搜索工具背后的信源权重判定、结构化数据及安全合规,为智能体应用投入生产环境提供了更高的确定性。
有趣的是,百度对于开源社区的合作态度,最近也得到了 OpenClaw 原作者 Peter Steinberger 点赞。


期待各路科技大厂入局后,OpenClaw 生态可以迸发出新的能量。
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
同类文章
新加坡国立大学破解AI看图说话难题让机器描述更准确
人工智能的“幻觉”问题,特别是大模型在图像描述任务中凭空捏造内容的现象,一直是制约其可靠应用的关键挑战。2026年2月,一项由新加坡国立大学与北京大学深圳研究生院联合发布的突破性研究,为这一难题提供了全新的理解与一套高效、简洁的解决方案。这项研究(论文预印本编号:arXiv:2602 22144v1
斯坦福大学JavisDiT++实现AI有声有色视频生成
这项由浙江大学、新加坡国立大学、多伦多大学等全球顶尖科研机构联合完成的研究成果,已正式发表于2026年国际学习表征会议(ICLR 2026),论文预印本编号为arXiv:2602 19163v1。对于希望深入探究技术细节的读者,可通过此编号查阅完整的学术论文。 在浏览短视频时,你可能已经察觉到一种普
北大提出AI推理双车道方案解决大模型对话卡顿难题
这项由北京大学计算机学院主导,联合清华大学及DeepSeek-AI共同完成的前沿研究,其成果已正式发布于2026年2月的arXiv预印本平台,论文编号为arXiv:2602 21548v1。关注大语言模型推理优化的研究者与开发者,可通过此编号查阅论文全文与技术细节。 在与大语言模型进行深度、多轮对话
清华大学AI突破:赋予虚拟世界持久记忆,解决视频生成失忆难题
想象一下,你正在体验一款开放世界游戏。当你站在高塔之巅,远方的山脉清晰可见。随后你转身离开,去探索地图的其他角落。许久之后,当你再次回到这座塔顶,那座山依然以完全相同的姿态矗立在原地。这种空间持久且一致的认知,是人类理解世界的基础。 然而,若让当前的主流AI来动态生成这样的游戏场景,结果会大相径庭。
大模型压缩技术COMPOT让AI运行更高效
随着人工智能模型参数规模不断突破千亿级别,其庞大的存储需求和计算开销已成为实际部署的主要瓶颈。针对这一挑战,MWS AI基础研究中心与ITMO大学联合提出了一种名为COMPOT的创新模型压缩技术。这项发表于2026年2月预印本平台(arXiv:2602 15200v1)的研究,为大语言模型高效“瘦身
- 日榜
- 周榜
- 月榜
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10
相关攻略
2015-03-10 11:25
2015-03-10 11:05
2021-08-04 13:30
2015-03-10 11:22
2015-03-10 12:39
2022-05-16 18:57
2025-05-23 13:43
2025-05-23 14:01
热门教程
- 游戏攻略
- 安卓教程
- 苹果教程
- 电脑教程
热门话题

