1. 项目概述一个为Manus打造的OpenClaw技能“炼金术”如果你正在使用Manus并且对ClawHub上那超过5万个为Claude设计的OpenClaw技能垂涎三尺却又苦于它们无法直接在Manus上运行那么这个项目就是为你准备的“炼金炉”。它不是一个简单的格式转换器而是一个完整的自动化管道能够智能地发现、评估、转换并打包这些技能让它们无缝融入你的Manus工作流。简单来说ClawHub是一个庞大的技能集市但里面的“商品”是为Claude这个“操作系统”设计的。它们虽然和Manus技能共享着相似的SKILL.md文件结构可以理解为技能的核心说明书但里面充满了“方言”——比如指向~/.claude/的路径、只在macOS上有效的brew命令或者一些Claude特有的API调用。直接拿来用Manus是“看不懂”的。这个由SimplioLabs的Nir Appelton创建的技能扮演了“猎人”和“开发者”的双重角色。它教会Manus如何主动出击从ClawHub的海洋中精准“猎取”你需要的技能然后像一个经验丰富的工程师一样对这些技能进行“解剖分析”和“外科手术式”的改造最终产出完全兼容、开箱即用的Manus技能包。整个过程自动化程度极高你只需要告诉Manus你的意图剩下的“脏活累活”它全包了。2. 核心工作流从“狩猎”到“交付”的四步炼金术这个技能的核心价值在于它将一个复杂、手动的过程封装成了一个流畅、自动化的智能管道。理解这个四步工作流你就能明白它到底在背后为你做了什么。2.1 第一步智能狩猎——语义搜索而非关键词匹配当你在Manus中触发这个技能比如提到“claw skill”、“find skills for web scraping”它启动的第一步不是去笨拙地匹配关键词而是进行向量搜索。注意这里的关键是“语义理解”。传统的搜索可能你输入“数据抓取”它只匹配包含这四个字的技能。但向量搜索不同它会将你的查询如“如何从网站上自动收集信息”和ClawHub上所有技能的描述都通过OpenAI的嵌入模型转换成高维空间中的“向量点”。然后计算这些点之间的“距离”距离越近语义越相似。这意味着它能找到那些描述中可能没有“数据抓取”字样但功能完全符合你需求的技能大大提高了发现的广度和精度。这个过程通过scripts/fetch_claw_skills.py脚本实现。它会调用ClawHub的公共API支持匿名访问每分钟约180次请求将最相关的结果返回。更贴心的是它还内置了一个本地缓存references/popular_skills_cache.json包含了80多个热门技能的元数据。如果网络不佳或API限流系统会自动降级使用本地缓存进行关键词匹配确保服务不中断。2.2 第二步深度分析——量化兼容性评估改造难度找到潜在的技能后不能直接上手改。scripts/analyze_skill.py脚本会扮演“质检员”的角色对技能的SKILL.md文件进行深度解析。它依据一个详细的兼容性矩阵定义在references/compatibility_matrix.md来打分。这个矩阵就像一份检查清单包括但不限于平台依赖是否包含brewmacOS、apt-get/yumLinux等特定命令路径冲突是否引用了~/.claude/、/opt/claude等Claude专属路径API与工具是否调用了Claude特有的内部API或工具环境假设是否假定了特定的Python库版本或系统环境分析完成后它会给出两个核心产出兼容性分数0-100一个量化的指标让你一眼就知道这个技能“离Manus有多远”。就绪等级READY (80-100分)几乎无需修改或只需微调路径。ADAPTABLE (50-79分)需要替换包管理命令、修改部分路径但核心逻辑通用。PARTIAL (20-49分)包含大量平台特定代码或Claude API调用需要较多手动重写。INCOMPATIBLE (0-19分)严重依赖Claude独有框架改造成本高于重写。这个步骤至关重要它帮你过滤掉那些“坑”把精力集中在值得改造的高潜力技能上。2.3 第三步自动转换——代码重写与规范化对于标记为ADAPTABLE或READY的技能scripts/transform_skill.py脚本就开始施展它的“魔法”了。这个过程不是简单的字符串替换而是基于规则的智能转换路径重写将~/.claude/config.json自动转换为Manus技能的标准配置路径如./skill_config.yaml。包管理器转换将brew install python根据目标平台转换为apt-get install python3或yum install python3并在技能说明中注明。清理平台指令移除或注释掉纯macOS的open命令或Windows的start命令提供跨平台替代方案。YAML前导码规范化确保技能的元数据名称、描述、版本、触发器符合Manus的技能规范格式。添加来源追踪在转换后的技能中自动添加注释标明原始ClawHub技能ID和转换日期便于追溯。这个步骤的输出是一个已经“改头换面”、可以在Manus技能目录中直接导入的干净文件夹。2.4 第四步批量打包——创建主题技能包单个技能转换固然有用但真正的威力在于批量处理。scripts/batch_builder.py脚本是管道的“指挥家”。你可以给它一个主题比如“社交媒体自动化”。它会调用“狩猎”模块搜索所有相关的OpenClaw技能。调用“分析”模块对每个技能评分和分级。调用“转换”模块批量转换所有ADAPTABLE级别以上的技能。最后将转换好的多个技能打包成一个主题技能包。这个包不仅包含所有技能文件还会自动生成一个统一的安装脚本用户只需运行一条命令就能安装包内所有技能。一份汇总的README介绍这个技能包的主题、包含的技能列表及其简要功能。批处理清单batch_manifest.json记录包的元数据、包含的技能及其版本和来源。这相当于为你自动创建了一个“数字营销工具包”或“数据分析增强包”极大地提升了技能分发的效率和用户体验。3. 核心脚本深度解析与实操要点理解了流程我们再来深入看看构成这个管道的四个核心脚本它们每一个都是可以独立运行的工具也揭示了项目设计的精妙之处。3.1fetch_claw_skills.py不仅仅是搜索这个脚本的职责远不止调用API。我实际使用中发现它的设计充分考虑了稳定性和用户体验。核心功能语义搜索集成封装了对ClawHub向量搜索API的调用将你的自然语言查询转换为搜索请求。结果缓存与离线浏览所有获取的技能元数据描述、ID、作者等会缓存在本地。references/popular_skills_cache.json就是这个缓存。你可以直接编辑这个JSON文件添加你感兴趣但可能未被热门收录的技能ID实现离线“猎取”。详细统计输出搜索后它不仅返回列表还会给出统计信息如“找到X个技能其中Y个与查询高度相关”帮助你调整搜索策略。实操心得不要只依赖自动触发。有时直接运行这个脚本进行探索性搜索更有价值。你可以尝试各种宽泛或具体的查询比如“code review”、“image processing”、“file organizer”来摸清ClawHub的技能分布这能帮你发现一些意想不到的宝藏技能。3.2analyze_skill.py兼容性矩阵的引擎这个脚本是项目的“大脑”。其核心是references/compatibility_matrix.md文件中定义的一系列正则表达式模式和规则权重。规则示例规则检测macOS专属包管理器模式\bbrew\s(install|uninstall|tap)\b权重-15分因为Manus可能运行在Linux服务器或Windows上brew是重大兼容性问题建议操作标记为需转换为apt或pip。规则检测Claude特定路径模式(~/\.claude|/opt/claude|/Applications/Claude)权重-20分路径完全失效建议操作重写为Manus技能标准目录结构。规则检测可能兼容的通用操作模式(python3?\s-m\spip|curl\s|wget\s)权重5分这些是跨平台的通用命令评分逻辑 脚本会初始化一个基础分比如60分代表“有一定基础”。然后逐行扫描SKILL.md每匹配一条负面规则就扣分匹配通用规则则加分。最后根据总分划定就绪等级。这种基于规则的方法虽然不如AI理解灵活但非常透明、可预测且易于调试和扩展。3.3transform_skill.py安全的代码外科医生转换脚本最需要注重的是安全性和可逆性。它不能破坏原技能的 core logic。关键转换策略模式替换使用精确的正则表达式进行替换例如将brew install (\w)替换为# For macOS: brew install $1\n# For Linux (Debian/Ubuntu): sudo apt-get install $1。这样既提供了方案又保留了原始信息。路径映射维护一个路径映射字典。例如{‘~/.claude/’: ‘./.manus/skill_data/’}。对于复杂的项目结构它甚至会尝试在转换后的目录中创建相似的子目录结构。前导码标准化它会解析原始SKILL.md的YAML头确保name、description、version字段存在且格式正确并强制添加manus_compatible: true和converted_from: [ClawHub Skill ID]字段。注意事项自动转换并非万能。对于PARTIAL级别的技能转换脚本通常只会处理它识别出的明显问题并在文件中插入# TODO (Manus Conversion):注释标出需要人工审查的复杂部分如涉及Claude SDK的调用。永远不要假设转换后的技能100%可用在关键任务中使用前进行人工测试是必不可少的步骤。3.4batch_builder.py管道编排与打包大师这个脚本将前三个脚本的能力串联起来实现了流程自动化。它的输入可以是一个搜索查询也可以是一个包含多个ClawHub技能ID的列表。内部工作流程输入解析接受主题查询或技能ID列表。并行获取与分析为提高效率它会并发地获取多个技能的详情并进行分析在合理速率限制内。过滤与排序根据就绪等级优先READY其次ADAPTABLE和兼容性分数进行排序。批量转换对筛选后的技能列表调用转换脚本。包结构生成利用templates/目录下的模板生成统一的包结构。batch_manifest.json是这个包的核心索引文件记录了所有转换的元数据。一个实用的技巧 你可以创建自己的category_map.json参考references/下的示例定义你常关心的主题和对应的搜索关键词。然后稍微修改batch_builder.py让它读取你的自定义映射这样就能一键生成“我的前端开发包”或“我的运维自动化包”。4. 在Manus中安装与触发零配置上手这个技能本身也是一个Manus技能安装极其简单体现了Manus生态的便捷性。4.1 安装步骤详解推荐方法从GitHub导入打开你的Manus应用或Web界面。导航到Settings设置 Skills技能 Add添加。选择Import from GitHub从GitHub导入。在弹出的输入框中粘贴本仓库的URLhttps://github.com/simpliolabs/manus-open-claw-skill-hunter-and-developer。点击确认。Manus会自动拉取仓库解析SKILL.md完成技能安装。状态变为“Active”即表示成功。备选方法手动上传ZIP如果网络环境无法直接访问GitHub可以采用此方法在项目GitHub页面点击绿色的“Code”按钮选择“Download ZIP”将整个仓库下载到本地。在Manus的Skills页面选择Upload a skill上传技能。选择你刚下载的ZIP文件。Manus会解压并安装。重要提示这个技能设计为“零依赖”。它只使用Python标准库和公开的ClawHub API不需要你配置任何API密钥或安装额外Python包。只要你的Manus环境能运行Python脚本标准安装已包含它就能工作。4.2 如何触发技能安装后技能处于待命状态。它通过自然语言触发器来激活。你只需要在和Manus的对话中自然地提到相关关键词或意图即可直接提及“嘿Manus帮我找一个claw skill来整理我的下载文件夹。”表达意图“我需要一些OpenClaw技能来帮我做网页数据抓取。”使用功能动词“你能帮我转换一个ClawHub上的技能吗”、“批量开发一些关于图像处理的技能。”特定关键词对话中出现“clawhub”、“openclaw”、“skill hunt”等词。当Manus识别到这些模式它会自动加载并运行这个技能背后的指令和脚本开始与你交互询问更具体的需求然后执行“狩猎-分析-转换”流程。5. 项目架构与文件结构深度解读一个设计良好的项目其文件结构本身就在讲述它的故事。让我们看看这个仓库是如何组织的这能帮助你更好地理解、使用甚至贡献代码。manus-open-claw-skill-hunter-and-developer/ ├── SKILL.md # 【灵魂文件】Manus技能的核心指令 ├── scripts/ # 【动力核心】四个核心Python脚本 │ ├── fetch_claw_skills.py │ ├── analyze_skill.py │ ├── transform_skill.py │ └── batch_builder.py ├── references/ # 【知识库与数据】静态资源 │ ├── popular_skills_cache.json # 离线缓存保证基础功能 │ ├── clawhub_api_reference.md # API文档理解数据来源 │ ├── compatibility_matrix.md # 转换规则的“宪法”最重要 │ └── category_map.json # 主题分类映射可自定义扩展 ├── templates/ # 【产出模板】确保输出标准化 │ ├── batch_manifest.json # 技能包清单模板 │ └── converted_skill_template/ # 转换后技能目录结构样板 ├── README.md # 项目总览你正在看的这篇长文的基础 ├── LICENSE # MIT Commons Clause 许可证 └── CONTRIBUTING.md # 贡献指南关键文件剖析SKILL.md 这是Manus技能的本体。它只有87行但精确定义了技能的身份名称、描述、版本、作者。触发模式上文提到的那些关键词和意图模式。核心指令用自然语言告诉Manus当技能被触发后应该按什么步骤思考、调用哪个脚本、如何与用户交互。它是连接用户自然语言和后台Python脚本的“胶水”。references/compatibility_matrix.md 这是项目的规则引擎。我强烈建议任何想深度使用或改进此项目的人首先通读这个文件。它明确定义了什么是“兼容性问题”以及每个问题的严重性权重。当你发现一个转换失败的技能时首先应该检查这里是否缺少了对应的规则。templates/目录 这个目录保证了输出的一致性。batch_manifest.json模板定义了技能包必须包含的字段如name,version,skills,converted_at。converted_skill_template/则提供了一个标准技能目录应该有的结构如SKILL.md,icon.png,config.yaml的位置。所有自动转换和打包的输出都会遵循这些模板这使得产出的技能包非常规范易于管理和分发。6. 常见问题与实战排坑指南在实际使用和类似项目的开发中你会遇到一些典型问题。这里记录了我遇到的一些坑和解决思路。6.1 搜索不到技能或结果不相关问题输入查询后返回“未找到技能”或结果完全跑偏。排查检查网络与API状态首先运行fetch_claw_skills.py脚本并打开调试输出看是否收到ClawHub API的错误信息。匿名API有速率限制~180次/分钟/IP如果短时间内大量请求可能会被临时限制。优化查询词向量搜索对自然语言友好但过于模糊的查询如“帮我做事”效果差。尝试更具体、包含关键动词和名词的短语如“convert markdown to HTML”、“schedule and send emails”。参考category_map.json里的查询示例。利用缓存直接查看popular_skills_cache.json文件里面预存了80多个技能的标题和描述。也许你要的技能就在里面可以直接用其ID进行操作绕过搜索。6.2 转换后的技能在Manus中报错或无法运行问题成功转换并导入了一个技能但Manus执行时出现路径错误、命令未找到或逻辑错误。排查步骤确认就绪等级回头查看该技能分析阶段的输出。如果它是PARTIAL那么自动转换只解决了表面问题核心的Claude API调用可能需要你手动重写为Manus的等效操作。检查转换日志transform_skill.py在运行时通常会生成一个日志文件或是在控制台输出它所做的更改。仔细查看确认路径替换是否正确例如是否错误地替换了代码字符串中的相似文本。手动审查SKILL.md打开转换后的SKILL.md搜索# TODO (Manus Conversion):注释。这些是脚本无法自动处理留给你手动解决的部分。环境差异原技能可能假设了特定的Python版本如pythonvspython3或全局安装的第三方命令行工具。确保你的Manus运行环境满足这些依赖。转换脚本可能会添加安装说明但不会自动安装。6.3 批量构建时如何控制技能包的质量和规模问题使用batch_builder.py构建“数据分析”包结果可能包含几十个技能质量参差不齐。解决策略设置分数阈值修改batch_builder.py的默认过滤条件。默认可能只过滤掉INCOMPATIBLE。你可以改为只选择READY80分的技能或者将阈值提高到85分以上确保包内技能质量极高。人工审核中间产物不要一步到位。先使用fetch_claw_skills.py和analyze_skill.py生成一个带有评分的技能列表CSV文件。用Excel或文本编辑器打开手动筛选出你最想要的10-15个技能然后将它们的ID列表交给batch_builder.py进行转换和打包。分主题打包不要构建一个巨无霸包。而是构建多个精细化的包如“数据可视化技能包”、“文件格式转换技能包”。修改你的category_map.json定义更精确的搜索词。6.4 想要添加对新类型兼容性问题的检测规则问题发现一类新的Claude特有语法例如特殊的文件操作API现有的兼容性矩阵无法识别。贡献流程打开references/compatibility_matrix.md文件。在相应的章节如## Platform-Specific Commands或## Claude-Specific APIs下新增一条规则。规则格式通常包括描述简短说明这条规则检测什么。正则表达式模式用于匹配代码中的模式。务必在 正则表达式测试网站 上充分测试避免误匹配。权重根据其对兼容性的影响程度赋值负分表示不兼容。建议操作说明转换脚本或用户应该做什么。修改analyze_skill.py中加载和解析矩阵的代码如果规则格式有变并确保transform_skill.py能对检测到的新问题做出相应处理至少添加一个TODO注释。提交Pull Request回馈社区。7. 进阶技巧与扩展思路当你熟练使用基本功能后可以尝试以下进阶玩法让这个工具更贴合你的个人工作流。7.1 建立个人技能精选库不要每次都用搜索。建立一个你自己的my_favorites_skills.json文件格式参照popular_skills_cache.json但只存放你经过验证、高质量且常用的ClawHub技能ID和元数据。然后你可以修改fetch_claw_skills.py让它优先从你的个人库中读取实现“一键导入我的珍藏”。7.2 与Manus的其它技能联动这个技能的输出是标准的Manus技能包。你可以考虑创建另一个“技能管理”技能专门用于定期更新自动运行hunter检查你关注的技能类别是否有更新或新增。依赖检查分析你已安装的技能包中的技能检查其依赖的Python包并生成统一的requirements.txt。备份与同步将你的技能包配置备份到云端或在多台设备间同步。7.3 开发“技能转换沙盒”环境对于PARTIAL或复杂的ADAPTABLE技能自动转换不够。你可以搭建一个轻量级的测试环境一个安装了Manus SDK的Python虚拟环境。将转换后的技能放入其中运行其关键函数观察日志和错误。在这个沙盒中调试和重写代码远比直接在生产的Manus中试错要安全高效。7.4 贡献与社区共建这个项目的强大之处在于其规则引擎。ClawHub上有5万多个技能覆盖的场景无穷无尽。一个人的经验是有限的。如果你成功转换了一个特定领域的技能比如“将Claude的某图像处理技能转为Manus可用”并且总结出了新的转换规则强烈建议你按照CONTRIBUTING.md的指南将这条规则贡献到compatibility_matrix.md中。你的经验将成为社区共享的财富让所有人的“炼金术”都变得更强大。