QClaw 专家开放生态白皮书

01QClaw 为什么要做开放生态

AI 正在从"回答问题"走向"完成任务"。

在过去的产品形态里，用户更多是在对话框中向 AI 提问，由模型基于已有知识生成回答。但真实工作并不只发生在对话中：专业判断来自行业经验，任务执行依赖工具和系统，结果交付需要写回文档、邮件、会议、知识库、业务后台或本地文件。

这意味着，下一阶段的 AI 产品竞争，不只是模型能力竞争，而是谁能把专业经验、工具连接、任务流程和用户场景组织成可持续运行的能力体系。

QClaw 开放生态的定位，是帮助开发者和合作伙伴把已有能力转化为用户可直接使用的 AI 专家：

这里的"开放"不是简单开放一个插件市场，也不是把工具 API 罗列给用户选择。QClaw 更关注的是：如何让用户在一个具体场景中，直接找到一个懂问题、会判断、能调用工具、能持续迭代的 AI 专家。

因此，QClaw 开放生态的核心不是"开放技能"，而是开放专家生态。

Skill 和 Connector 是专家背后的能力组件；专家才是面向用户的产品形态。

02生态定位：从能力接入到专家分发

QClaw 希望降低两类门槛。

第一，降低用户获得专业能力的门槛。用户不需要理解底层工具、提示词、接口、授权和执行流程，只需要选择一个适合自己场景的专家，用自然语言提出任务。

第二，降低开发者分发专业能力的门槛。开发者不需要从零搭建独立 AI 应用，也不需要自己处理用户触达、版本发布、内容保护、反馈运营等完整产品链路。开发者可以把专业知识、流程方法和工具能力封装为专家，通过 QClaw 触达用户并持续迭代。

03核心概念：专家是 QClaw 生态的一等产品形态

3.1 专家是什么

专家是 QClaw 面向用户交付能力的基本单位。

一个专家不是简单的 Prompt，也不是若干工具的集合，而是一个面向具体场景的 AI 工作单元。它需要具备清晰的身份、边界、能力、示例和可持续运营的数据反馈。

一个成熟专家通常包含：

3.2 为什么不把 Skill 作为独立开放对象

Skill 是能力组件，不是用户最终选择的产品形态。

一个 Skill 可以完成某类任务，例如"整理会议纪要""分析财报指标""生成竞品分析""调用某个工具接口"。但对普通用户来说，单个 Skill 往往缺少场景、角色和判断边界。用户真正需要的是：在某个问题下，谁来帮我判断，怎么帮我完成，结果能否直接使用。

因此，QClaw 对 Skill 的产品策略是：

这样做有三个好处：

1. 用户理解成本更低：用户选择"创业导师""税务顾问""项目管理专家"，比选择一组能力组件更自然；
2. 能力组合更完整：专家可以组合多个 Skill 和 Connector，完成完整任务链路；
3. 运营与治理更清晰：平台可以围绕专家进行审核、推荐、反馈、数据统计和版本管理。

04为什么选择 QClaw

QClaw 覆盖创业者、产品/运营/研发/设计、多媒体从业者、学生等高价值人群，公测10天用户量破百万。为你的专家提供天然的目标用户池。你发布的每一个专家，从上架第一天起就有机会被百万级用户在专家广场中发现、试用和传播。不需要自己拉新、不需要投广告，QClaw 的分发体系会将优质专家推到需要它的用户面前。

4.1 获得流量扶持

平台会主动将流量分配给优质专家，不需要让你自己想办法拉新。

更多扶持计划持续更新中...

4.2 保护知识产权

你精心打磨的 Skill、配置文件和知识材料是你的核心资产。QClaw 提供业界领先的专家资产保护方案：

• 云端加密存储：Skill、核心配置文件（角色设定、能力边界、工作方法、知识库等）由 QClaw 加密存储，用于专家运行，不会明文下发给用户
• 本地无法导出：用户客户端仅展示必要字段，核心提示词、记忆、规则和流程会被隐藏保护

每个 md 文件都可以单独设置是否公开。这里有个小细节要注意：一旦加密，该专家就只能用官方模型，自定义模型可能会回复异常。想让更多用户都能正常用起来的话，公开会是更稳妥的选择～

4.3 实现专业变现

让专业能力获得持续收益。QClaw 为开发者提供多元化的商业化路径：

下图为示例，具体付费机制以上线后为主：

4.4 打造创作者专属主页

QClaw 为每位开发者打造个人专属页面：集中展示你的头像、身份标识与个人介绍，并聚合你发布的全部作品及调用量、点赞等数据。用户点击即可一站式认识你、浏览你的所有 Agent。

从「散落在各个 Agent 里」到「拥有自己的创作者主页」——平台帮你把零散作品沉淀为统一的个人 IP，让你的名字和实力被用户记住。

4.5 与用户建立连接

QClaw 为开发者打通与用户的双向连接通道：评论区互动：用户可评分+评论，开发者可回复、置顶，形成公开对话。新评论按你设定的频率自动邮件汇总推送，不遗漏任何用户反馈。

从「被动等用户来」到「主动经营用户关系」——平台负责降低试用门槛，数据帮你判断运营方向，触达能力帮你把一次性使用者转化为长期客户。

4.6 数据精细化运营

QClaw 开放平台为每位开发者提供从曝光、转化、使用到留存的全链路数据看板——添加人数、对话轮次、转化漏斗、评分趋势一目了然。我们用真实用户行为数据驱动专家持续优化。

QClaw 支持你发布的 Agent 持续迭代：随时优化能力、修复问题、上线新玩法，每次更新版本都能第一时间触达正在使用的用户。从「一次性交付」到「长期打磨经营」——平台让你的作品跟着用户需求不断进化，而非上线即定型。

4.7 创作门槛低，极速上架

为了降低开发者创作投稿门槛——提交 Agent 配置文件后，平台会基于你的角色设定、Skill 配置和知识材料，自动预填专家名称、简介、分类、「关于我」、「我能做什么」、工作流程和引导 Prompt 等上架信息，开发者只需确认或微调即可。审核同样为效率设计：AI 自动检测约 5 分钟完成安全 + 可用性校验，人工审核 24 小时内出结果。

入驻即享以下权益

05如何设计一个值得发布的专家

从「训练专家」到「上专家广场」分三步走：懂结构 → 在 QClaw 建专家 → 开放平台投稿 + 备齐广场素材。

5.1 弄清楚专家包包含哪些文件

每个专家遵循统一的「soul/identity 型」结构，分四层。开发者无论手写还是用工具生成，最终产物都应符合下面这套结构。

●根目录文件（7个）— 人格与大脑

●references/ — 能力层方法论

跨 skill 的判断力沉淀在这一层。每个 .md 是一份可评分、有红线、有模板的方法论（按专家复杂度 3–9 个不等）。

●skills/ — 执行层技能

每个技能一个子目录，内含：

• SKILL.md — 该技能完整调用说明（API/脚本、参数、流程）
• scripts/（仅自研技能）— 实际脚本代码

⚠️ 结构速记

专家/
- IDENTITY/SOUL/AGENTS/TOOLS/MEMORY/HEARTBEAT/USER.md   ← 7 根文件（人格+大脑）
- readme.json                                           ← 专家卡（上架展示）
- references/  *.md                                     ← 能力层方法论（差异化核心）
- skills/      各含 SKILL.md (+scripts/)                ← 执行层技能

三层心智模型：references = 判断力（想清楚）、skills = 执行力（动手做）、7 根文件 = 人格与路由（怎么待人接物、怎么分流）。

5.2 如何在 QClaw 里创建专家

进入 QClaw 客户端，左上角「+ 新建 Agent」，选择「自定义创建」，运行内核选 OpenClaw 内核。随后从四种方式里选一种开始：

⏱️ 网络/文件/Skill 三种方式预估耗时 3–8 分钟，生成后会自动产出配置文件，开发者再按需精修打磨。

建议：复杂专家用「从 Skill 创建」起步（自动接好技能调用），再手动补强 references/ 方法论层和 AGENTS.md 工作流——这两处是决定专家质量的关键，自动生成往往偏薄。

5.3 提前备齐专家广场素材（面向用户展示）

这一类内容决定用户是否能在专家广场中快速理解专家价值，并愿意添加和使用专家。建议开发者在进入上架信息填写前，提前准备素材和文案。

最后，一个值得发布的专家，通常不是能力最多，而是场景最清楚。

从用户任务出发

建议开发者先回答三个问题：

1. 用户会在什么场景下想到这个专家？
2. 用户希望它交付什么结果？
3. 这个结果是否比普通模型回答更专业、更稳定或更可执行？

如果这三个问题无法回答清楚，专家就容易变成"泛助手"。泛助手很难被用户记住，也很难形成稳定使用。

把能力组织成任务链

专家不是能力清单，而是任务链的组织者。

例如"电商运营专家"可以包含：

1. 诊断店铺问题；
2. 分析商品与转化数据；
3. 生成优化建议；
4. 调用 Connector 查询后台数据；
5. 输出可执行的运营计划。

其中每一步可以由 Skill 或 Connector 支撑，但用户看到的是一个完整专家。

控制边界和预期

专家需要知道自己不能做什么。

边界越清晰，用户体验越稳定，审核风险也越低。建议在配置中明确：

• 不处理哪些任务；
• 需要用户补充哪些信息；
• 哪些结论需要标注不确定性；
• 哪些操作需要用户授权或确认；
• 出错时如何兜底。

06如何在开放平台上投稿专家

QClaw 专家发布流程分为六步：

Step 1：配置 Agent 文件

选择本地专家文件夹，读取核心配置，形成专家草稿。

开发者需要确认：

• 专家名称是否清晰；
• 角色设定是否具体；
• 能力边界是否明确；
• 知识材料是否完整；
• 本地脚本和配置是否能正常运行。

这一阶段解决的是：这个专家是谁，以及它的基础配置是否完整。

Step 2：Skills 配置

为专家绑定需要调用的 Skill。

这里需要注意：Skill 不是独立上架给用户选择的产品，而是专家完成任务时可调用的能力组件。一个专家可以不绑定 Skill，也可以绑定多个 Skill。复杂场景建议将稳定的能力拆成 Skill，再由专家组合使用。建议每一个专家至少包含一个及以上的 Skill。

开发者需要确认：

• Skill 名称和描述是否清楚；
• Skill 是否解决具体任务；
• 输入输出是否明确；
• 是否依赖脚本、接口或 Connector；
• 是否支持必要的多端运行环境。

这一阶段解决的是：专家具体靠哪些能力完成任务。

Step 3：预览配置

预览草稿内容，并确认配置保护是否符合预期。

开发者重点查看三类内容：

1. 全量配置文件：本次草稿到底包含哪些文件；
2. 加密存储文件：哪些完整配置会由 QClaw 加密存储，用于专家运行；
3. 用户可见文件：用户客户端实际能看到哪些字段，核心内容是否被隐藏保护。

这一阶段解决的是：专家能否正常运行，以及核心内容是否被保护。

Step 4：专家上架信息

填写专家在专家广场中的展示信息。上架信息不是简单补字段，而是帮助用户判断"我是否应该使用这个专家"。因此，建议重点打磨：

• 专家名称：避免泛泛而谈，尽量场景明确；
• 专家简介：直接说明解决什么问题；
• 专家分类：对专家的细分领域进行划分；
• 关于我：为专家建立人设；
• 我能做什么：介绍专家能做些什么；
• 工作流程：说明专家对任务的拆解，按照什么流程执行任务；
• 引导 Prompt：让用户第一次使用时知道怎么问；

这一阶段解决的是：用户是否能理解并愿意添加这个专家。

Step 5：版本和审核说明

提交后的专家会经过 AI 检测，包含安全检测和可用性检测，通过后会进入人工审核，人工审核一般在 24-48h 内通知您审核结果，平台会检查专家是否具备发布条件。

重点包括：

• 基础信息是否完整；
• 能力描述是否与实际配置一致；
• 是否存在违规、误导、隐私或安全风险；
• Skill 与 Connector 的调用边界是否清楚；
• 用户可见内容是否完成必要保护。

这一阶段解决的是：这个专家是否可以安全、清晰地进入生态。

Step 6：发布与更新

审核通过后需要您授权在专家管理点击确认发布，发布后的专家会在 QClaw 的专家广场上线，您还可以同步选择在 QQ 机器人广场进行发布。

对于已经通过审核/上架的专家，支持持续进行更新迭代。更新后会重新进行 AI 检测和人工审核，通过后已经上架的专家即可完成新一轮的更新，平台会提示用户该专家做了哪些更新。

结束语让专业能力进入 AI 原生分发时代

QClaw 开放生态要做的，不是让开发者多维护一个应用，也不是让用户面对更多复杂能力选项。

它要建立的是一条新的路径：

在这条路径中，专家是用户理解能力的入口，Skill是专家完成任务的方法，开放平台则负责把创建、保护、测试、审核、发布和运营串成闭环。当越来越多的开发者、企业和行业专家把能力封装为 QClaw 专家，QClaw 就不再只是一个 AI 产品，而会成为一个持续生长的专业能力网络。