OpenClaw CoE (Chain of Execution)#

OpenClaw 原生执行链追踪技能。让 OpenClaw 在处理复杂任务时， 实时分步输出执行过程，完全贴合 OpenClaw 实际运行流程——"大模型提议 → 安全审批 → 龙虾执行"，每一步都同步给用户。

工作原理#

这不是给大模型加 prompt 的"思维链"，而是 OpenClaw 系统层面 的执行过程同步：

1. 拆解问题：收到复杂任务，先拆解成子任务，告诉用户
2. 选择 skill：说明选哪个 skill / 哪个模型，为什么这么选
3. 调用 skill：报告正在调用哪个 skill
4. 调用模型：说明用哪个模型，大概做什么
5. 等待响应：如果在等外部 API / 网页抓取，提前告诉用户"正在等响应，不会卡住"
6. 拿到结果：报告 skill / 模型返回了什么
7. 思考推理：给出推理过程，排除错误选项
8. 警告/错误：出问题提前说，不会闷着卡住
9. 最终完成：整合所有步骤，给出最终答案

使用方式#

自动触发#

当用户提问包含"分步"、"一步一步"、"执行过程"等关键词，自动启用 CoE。

手动启用#

在会话中说"启用 openclaw-coe"，后续任务都会走执行链流程。说"关闭 openclaw-coe"关闭。

API 调用#

其他 skill 可以导入这个模块，手动触发分步输出：

python

from skills.openclaw-coe.cot_tracker import CoETracker

tracker = CoETracker()
tracker.start("任务标题")
tracker.step("拆解问题", "把问题拆成三个子步骤...")
tracker.step("选择skill", "使用 wechat-article 提取文章...")
tracker.wait() # 等待外部响应
tracker.result("提取成功，获得 X 字符原文")
tracker.done("最终结论：...")

设计原则#

• 低资源消耗：只是输出过程文本，不额外调用大模型，token 消耗几乎为零
• 不改变原有逻辑：只是在原有执行流程上加一层输出，不影响任何现有 skill 和模型
• 完全兼容：所有现有 skill 都可以配合 CoE 使用，其他 skill 可以直接导入
• 贴合实际：完全对齐 OpenClaw "大模型提议 → 安全审批 → 龙虾执行" 架构，每一步都对得上
• 提前预警：遇到等待外部响应或者可能卡住的情况，提前告诉用户，不会闷着
• 简洁输出：不说废话，每一步几句话讲清楚

配置#

不需要环境变量或 API key，纯原生 skill。