概述

Skill 可以视为 Agent 的技能说明文档，它将完成特定任务所需的知识、流程和工具等进行封装，从而帮助 Agent 更高效地执行这些任务。FaMou伐谋是一款全球领先的可商用自主演化超级智能体，可自主发现和优化高效算法的代码智能体，针对可验证的算法优化问题，利用大模型能力通过演化框架实现对算法的自动寻优。

FaMou Skills 的目标是构建一个“连接层”，将 FaMou 强大的算法优化能力与各种 Agent 平台（比如 OpenClaw、Codex、Claude Code、WebAgent）进行对接。这个“连接层”不仅帮助这些平台与 FaMou 的算法和任务管理系统无缝对接，还能将 FaMou 所得到的优化结果转化成分析、可视化和交付的成果。简单来说，FaMou Skills 的核心目标就是让 Agent 能够稳定、可复用地调用 FaMou 进行算法优化，并把结果转化成有实际价值的产物。

一句话来说，FaMou Skills 是一种连接层，帮助 OpenClaw 等Agent平台稳定、简便地调用 FaMou 的算法优化能力，将优化结果转化为实际的分析和可视化产物，让你的 OpenClaw 能够极致内卷轻松完成复杂的算法实验

Skill Roadmap

FaMou Skills 共分3大类：Core Work Skills 、Support Capability Skills 以及 Best Practice Skills。Core Work Skills 聚焦于用户的主要任务，直接驱动 FaMou 的使用流程，具有明确的输入、步骤和输出。Support Capability Skills 提供辅助能力，如日志分析和报告生成等，补充核心功能。而 Best Practice Skills 则为特定场景提供知识，帮助用户在特定领域实现最佳实践。在本期中，我们将重点推出 Core Work Skills，为用户提供四大核心能力。

本期发布内容（Core Work Skills）

skill（技能名称）	用途	输入	输出	当前状态
famou-artifact-generator	负责从 0 到 1 创建 FaMou 进化任务的输入物料，包括评估器、初始解以及prompt	模糊需求、代码、数据、已有文档	problem.md、init.py、evaluator.py、prompt.md	已发布
famou-data-analysis	用于数据分析工作，帮助用户理解数据以及定义任务	数据	数据质量等分析和洞察	已发布
famou-experiment-manager	管理 FaMou 实验的生命周期，包括实验任务提交、实验状态查看、实验取消、实验日志、实验结果查询等	config.yaml、实验名、experiment id	实验状态、日志、结果	已发布
famou-result-visualization	可视化 FaMou 的实验结果（非演化过程，而是结果展示）	解代码、问题定义、结果数据	HTML 可视化结果	已发布

待规划（Support Capability Skills， Best Practice Skills）

skill	定位	状态
famou-report-generator	汇总实验过程与结果，生成交付材料	待规划
famou-log-analysis	针对迭代过程进行分析，并提供对应迭代洞察	待规划
famou-practice-aps	针对计划排程等问题所积累的know-how和最佳实践	待规划
famou-practice-vrp	针对路径优化等问题所积累的know-how和最佳实践	待规划
famou-practice-scheduling	针对调度问题所积累的know-how和最佳实践	待规划
famou-practice-hpo	针对机器学习参数优化所积累的know-how和最佳实践	待规划

*请注意，未来可能会根据产品规划有所调整

使用方法

方法一：OpenClaw用户可在ClawHub上获取FaMou Skills

在使用FaMou Skills之前，您需要先有一个自己的小龙虾，您可以通过百度千帆等平台获取云端OpenClaw，或下载本地版OpenClaw自行配置。针对各类OpenClaw，可以点击下方链接获得对应FaMou Skills能力

使用方法

可以选择Web UI、命令行、飞书等方式使用 OpenClaw。这里是真实用户以飞书为入口，向大家展示如何使用 FaMou Skills 的能力

步骤1: 可以使用 OpenClaw 自己安装FaMou Skills，把下方skills链接发送给OpenClaw，OpenClaw会自行下载并安装，确认完成后即可直接使用。

• https://clawhub.ai/zhaoM0/famou-artifact-generator
• https://clawhub.ai/zhaoM0/famou-data-analysis
• https://clawhub.ai/zhaoM0/famou-result-visualization
• https://clawhub.ai/zhaoM0/famou-experiment-manager

步骤2: 配置API Key：告诉 OpenClaw 自己的 FaMou_API_KEY，让其自行配置

步骤3: 确认完成后，可以直接与小龙虾对话使用了啦，以 CirclePacking为例：

1. ‘帮我做个 FaMou 任务，然后提交到 FaMou 平台’

2. ’帮我看看当前试验状态‘
3. ’获取最新的实验结果，然后可视化最好的解‘

方法二：Claude Code用户可在官方GitHub上获取FaMou Skills

对于Claude Code用户，在使用FaMou Skills之前，请在官方下载claude code，并遵循下方使用方法

使用方法

• Step 1: 安装 Claude Code，并配置 API Key 等大模型配置，确保可以正常使用Claude Code（CodeX、Gemini-CLI、OpenCode用法类似）。
• Step 2: 从官网或者Github上下载FaMou Skills【Github版skill稍后上线】
• Step 3: 将 skills 文件夹下的所有内容拷贝到工作目录下的./.claude/skills或者 ~/.claude/skills
• Step 4: 获取实验所需要的apikey，后续在提交任务时需要使用（在Claude Code过程根据提示进行配置，仅配置一次即可）
• Step 5: 启动 Claude Code，开始实验任务

skills	参考提示词
famou-artifact-generator	"帮我做个 FaMou 任务" "创建/定义 FaMou 任务"* "优化/ML/搜索问题需要进化求解"
famou-data-analysis	"看一下这个CSV/Excel/数据集" "理解这份数据"
famou-experiment-manager	"提交实验" / "上传实验" "查看实验状态"* "删除当前实验"
famou-result-visualization	"把结果进行可视化" "把最终结果做成对比柱状图"

注：伐谋apikey可在伐谋Web端左下角获取：