Sponsored by APIMart - AI API，99.9% SLA。让你的 AI 始终在线。多数模型可节省 20%–60% 的成本；nanobanana pro API 仅需 0.03。

AI 广告资料库

Openclaw Skills

AI Engineer Skill

适用于 Openclaw 的 AI Engineer Skill

构建生产级 RAG 系统、LLM 集成和智能 AI 代理工作流的高级工程专家。

bullkis1

v1.0.0

2026年3月10日

安装

基本信息

Skill.md

安装与下载

1. ClawHub CLI

从源直接安装技能的最快方式。


                  npx clawhub@latest install ai-engineer

2. 手动安装

将技能文件夹复制到以下位置之一

全局模式

~/.openclaw/skills/

工作区

<project>/skills/

优先级：工作区 > 本地 > 内置

3. 提示词安装

将此提示词复制到 OpenClaw 即可自动安装。


                  请帮我使用 Clawhub 安装 ai-engineer。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。

更倾向于下载？

获取包含原生技能文件的ZIP压缩包。

什么是 AI Engineer Skill？

AI Engineer 技能是一个专为开发简单 API 调用之外的智能功能的开发人员设计的专业框架。它专注于 LLM 集成、向量数据库和复杂数据流水线的系统化实现。通过利用 Openclaw Skills 库中的这项技能，开发人员可以从基础原型开发转向构建准备好投入生产环境的高性能、数据驱动型 AI 应用。

该技能强调性能优先的方法，提供关于模型选择（OpenAI、Anthropic 或通过 Ollama 的本地模型）、嵌入策略以及在 RAG 与微调之间进行关键决策的结构化指导。它确保从分块策略到工具调用代理的每个 AI 组件在构建时都考虑到了可扩展性和可观测性。

AI Engineer Skill 应用场景

构建具有向量搜索功能的生产级检索增强生成 (RAG) 系统。
实现能够进行自主工具调用和内部文档搜索的多步 AI 代理。
开发用于数据摄取、清洗和特征工程的自动化数据流水线。
使用 Ollama 或 llama.cpp 部署本地 LLM，用于私有或专门的数据处理。
构建严格的评估基准，以监控模型性能、偏差和漂移。

AI Engineer Skill 工作原理

架构选择：该技能根据项目需求（例如，用于托管规模的 Pinecone 与用于本地开发的 Chroma）帮助确定最佳供应商和数据库。
数据摄取：使用优化的分块策略（通常为 512 tokens 并带有重叠）处理文档，以确保高质量的检索。
向量嵌入：使用 text-embedding-3-small 等模型将文本块转换为高维向量，并存储在持久向量数据库中。
上下文检索：在用户查询期间，系统执行相似性搜索以查找最相关的上下文。
生成与工具执行：检索到的上下文被传递给 LLM，或者代理触发特定的函数调用以与外部工具交互。

AI Engineer Skill 配置指南

要在 Openclaw Skills 生态系统中使用 AI Engineer 技能，请确保为所选供应商配置了环境变量。

# Install core dependencies
pip install chromadb langchain openai litellm

# Configure your environment
export OPENAI_API_KEY='your-key-here'
export ANTHROPIC_API_KEY='your-key-here'

AI Engineer Skill 数据架构与分类体系

AI Engineer 技能通过嵌入和元数据的系统分类来组织数据，以确保高效检索。

Component	Implementation	Description
Vector DB	Chroma / Pinecone	为 RAG 存储文档嵌入和元数据。
Chunks	Recursive Splitting	用于最佳上下文的标准 512-token 段。
Logging	MLflow / LiteLLM	跟踪提示词、token 使用情况、延迟和完成情况。
Eval Sets	JSON/Markdown	预定义的测试准确性和偏差的基准。