作为AI Agent开发者，你是否遇到过这样的困扰：OpenClaw在执行复杂任务时，明明踩过的坑、解决过的问题，下次遇到还是要从头试错？API调用失败、参数配置出错、工具适配异常，这些"踩坑→解决"的宝贵经验，往往随着会话结束就彻底消失，既浪费时间，也无法实现Agent的持续优化。

今天给大家推荐一款OpenClaw专属技能——Experience Distiller（经验提炼器），它能自动从会话中捕捉"遇错→自愈→成功"的核心路径，建立可复用的成功经验库，让你的AI Agent越用越聪明，真正实现"吃一堑，长一智"。

Experience Distiller的核心逻辑特别简单：过滤失败噪声，只提炼可复用的成功路径。它不是传统的事后复盘工具，而是一套嵌入OpenClaw会话流程的"元认知系统"，能在合适的时机自动介入，把Agent的"试错经验"转化为"可复用技能"。

举个通俗的例子：Agent第一次获取A股数据时，试过akshare失败、yfinance限流，最后用tushare成功。Experience Distiller不会记录"akshare为什么失败""yfinance怎么限流"，只会精准记录"VPS环境下，用tushare获取A股数据的具体步骤"，下次再遇到同类需求，直接复用，跳过所有试错环节。

适用场景（精准匹配OpenClaw常用场景）

• 长期运行的OpenClaw Agent，需要跨会话积累操作经验（比如日常运维、自动化任务）；
• 频繁调用外部API、工具的场景（如数据抓取、第三方服务集成），容易因环境差异出问题；
• 团队共享Agent，希望一个人踩过的坑，其他人（或Agent）无需重复踩；
• 追求"零接触运维"，让Agent自主优化执行效率，减少人工干预。

Experience Distiller支持两种触发模式，既能手动主动提炼，也能自动后台运行，完全适配不同使用习惯，不会增加额外操作成本。

1. 手动触发（简单直接）

只要在会话中输入关键词，就能立即触发经验提炼，适合任务完成后主动留存经验：

• 中文关键词：总结经验、提炼经验、成功经验、经验库、查一下之前有没有类似经验；
• 英文关键词：experience、记录这次的解决方案。

2. 自动触发（无感高效）

通过OpenClaw的Hook机制，在特定事件发生时自动触发，无需手动干预：

• session:compact:after：会话压缩完成后，自动注入经验提炼提示（压缩后的会话已过滤冗余，提炼更精准）；
• command:new / command:reset：会话切换、新建会话前，自动检查当前会话是否有可提炼的经验。

触发示例（一看就会）

Experience Distiller的工作流程清晰易懂，从触发到复用，全程自动化，核心分为4个步骤，配合流程图更直观：

1. 整体流程可视化

2. 步骤详解（附关键代码/规则）

Step 1：事件触发（Hook监听）

Hook会自动监听3个核心事件，同时过滤子代理会话（避免噪声），关键代码片段如下（可直接参考）：

 
  
    
    
 
     
// 会话压缩完成 → 注入提炼提示 
 
     
if (event.type === ‘session’ && event.action === ‘compact:after’) { event.messages.push(COMPACT_REMINDER); }
 
     
// 会话切换 → 注入提炼提示 if (event.type === ‘command’ && (event.action === ‘new’ || event.action === ‘reset’)) { event.messages.push(SESSION_END_REMINDER); }
 
     
// 子代理会话不触发，避免噪声 if (sessionKey.includes(‘:subagent:’)) return;
 
    

 
Step 2：识别成功模式（精准过滤）
 

Agent会自动扫描会话内容（或压缩摘要），识别"遇错自愈"的模式，分为强信号（值得记录）和弱信号（无需记录），具体规则如下：

Step 3：生成经验记录（结构化易复用）

每条经验都会生成一个Markdown文件，格式统一、信息完整，既精简又能直接复用，模板如下（可直接复制使用）：

 
  
    
    
 
     
# {主题：一句话概括} 
 
     
 
      
日期: YYYY-MM-DD
 
      
场景: 遇到什么问题/需求
 
      
失败尝试: 哪些方案不行（一句话带过）
 
      
成功路径: 最终生效的步骤（详细但精简）
 
      
关键决策: 为什么选这个方案
 
      
复用条件: 什么情况下可以直接用
 
     
 
    

Step 4：更新索引（便于检索）

所有经验会同步写入 success/index.xlsx 索引文件，记录关键信息，方便后续快速查询、统计复用次数，索引表格格式如下：

Experience Distiller依赖OpenClaw平台，部署过程简单，无需额外API Key，跟着步骤来就能快速启用。

4.1 环境依赖

• 运行环境：OpenClaw（Linux / macOS）；
• 依赖技能：`excel-xlsx`（用于生成和维护索引文件，直接在OpenClaw中安装即可）；
• 无其他外部依赖，无需额外配置API Key。

4.2 Hook安装（关键步骤）

技能安装后，需将Hook部署到OpenClaw的managed hooks目录，执行以下命令即可（复制粘贴直接运行）：

 
  
    
    
 
     
# 1. 将hook文件复制到managed hooks目录 
 
     
cp -r skills/experience-distiller/hooks/openclaw/ ~/.openclaw/hooks/experience-distiller/
 
     
2. 启用hook
 
     
openclaw hooks enable experience-distiller
 
     
3. 验证状态（确认启用成功）
 
     
openclaw hooks list
 
     
成功提示：experience-distiller: ready
 
    

⚠️ 注意：Hook必须放在 `~/.openclaw/hooks/` 目录下，放在workspace的hooks目录下默认不会生效。

4.3 目录初始化

首次使用前，需手动创建两个目录（用于存储经验和索引），执行以下命令：

 
  
    
    
 
     
mkdir -p workspace/success/ 
 
     
mkdir -p workspace/import/
 
    

结合OpenClaw常用场景，给大家分享3个实战示例，覆盖自动提炼、经验复用、防御性经验沉淀，直接参考就能落地。

示例1：自动提炼 --- 数据源切换经验

背景

在腾讯云VPS上开发量化交易技能，需要获取A股历史数据，多次尝试不同数据源后成功。

执行过程

1. 尝试akshare（东方财富API）→ 连接被拒；
2. 尝试yfinance（Yahoo Finance）→ 限流无法使用；
3. 切换tushare → 配置token → 数据获取成功；
4. 会话压缩触发 → Hook自动注入经验提炼提示；
5. Agent识别到"遇错自愈"模式，自动生成经验记录。

生成的经验记录（可直接复用）

# A股数据获取：VPS 环境下数据源选型 - 日期: 2026-04-11 - 场景: 腾讯云 VPS 上需要获取 A 股历史行情数据 - 失败尝试: akshare（连接被拒）、yfinance（限流） - 成功路径: 1. 安装 tushare：`pip install tushare` 2. 注册 tushare.pro 获取免费 token 3. Token 写入 `~/.openclaw/.env`（变量名 TUSHARE_TOKEN） 4. 使用 `tushare.pro_api(token).daily()` 获取日线数据 - 关键决策: tushare 是国内稳定数据源，对 VPS 友好，无需代理 - 复用条件: 服务器在国内 + 需要 A 股/港股数据 + 无代理环境

示例2：经验复用 --- 跳过试错，提升效率

背景

一周后，用户要求Agent抓取另一批A股数据，此时经验库已存在相关记录。

执行过程

1. Agent识别到"数据获取"相关任务；
2. 自动查询 `success/index.xlsx`，命中「A股数据源选型」经验；
3. 直接使用tushare方案，跳过akshare/yfinance的试错环节；
4. 任务几秒内完成，原本需要十几分钟的排错过程被完全省略。

示例3：防御性经验 --- 解决上下文爆炸问题

背景

使用skill-blog-writer写技术博客，读取8+个文件后，上下文膨胀至~50K tokens，导致LLM超时被杀。

生成的经验记录（防御性方案，可复用）

# 上下文爆炸与 LLM Idle Timeout 防御 - 日期: 2026-04-11 - 场景: 写博客时读取过多文件，thinking 阶段超过 60s 被杀 - 成功路径: 1. 分段生成：先输出大纲，再逐节填充 2. 精简上下文：只读 SKILL.md + 1-2 关键参考文件 3. 子 agent 委派：主 agent 调研，子 agent 生成 4. 上下文预算：<20K 直接干，20-40K 分段，>40K 委派 - 关键决策: 分治法是唯一可靠策略 - 复用条件: 任何需要读取多文件 + 生成长内容的任务

为了保证经验库的实用性和整洁性，使用过程中需注意以下5点：

• 控制经验粒度：一条经验只解决一个问题，不要把多个不相关的经验塞进同一个文件，避免检索混乱；
• 避免过度记录：一次性环境问题（如网络抖动、临时权限不足）不值得记录，只记录可复用的通用模式；
• 同步更新索引：每次新增经验必须同步更新 `index.xlsx`，否则查询时会遗漏经验；
• 过滤子代理会话：Hook会自动跳过子代理会话（sessionKey包含`:subagent:`），避免生成无效噪声经验；
• 定期清理过期经验：随着环境变化，部分经验可能过期（如某个API恢复可用），定期将其状态标记为"已过期"，避免误导Agent。

Experience Distiller看似简单，实则解决了AI Agent"不会积累经验"的核心痛点。它不追求记录所有发生过的事，而是精准捕捉"遇到问题→解决问题"的成功路径，让Agent从"每次从零试错"变为"先查经验、再做执行"。

从技术层面看，它巧妙利用了OpenClaw的Hook机制和会话压缩功能，既无需额外开发复杂逻辑，又能实现无感集成；从实用层面看，它能显著提升Agent的执行效率，减少人工干预，尤其适合长期运行、频繁交互的Agent场景。

当经验库积累到一定规模，你会发现：你的OpenClaw Agent不再是"机械执行指令"，而是能"自主优化、自我进化"的得力助手------这正是AI Agent的核心价值所在。

• 技能目录：skills/experience-distiller/
• 经验库存储路径：success/
• 依赖技能：excel-xlsx（用于索引管理）
• 触发Hook事件：session:compact:after、command:new、command:reset

如果你也在使用OpenClaw开发AI Agent，赶紧试试Experience Distiller，让你的Agent学会"从错误中成长"，越用越高效！

skillhub install openclaw-experience-distiller