需定制专属skill以适配特定pdf命名规则、obsidian模板及内网路径，可选四条路径：一、手写python结构化解析器；二、用chainlit+qwen3构建轻量推理skill；三、yaml声明式组合原子skill；四、dtclaw图形化编排。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您已部署OpenClaw并接入本地模型，但发现ClawHub中下载的文献阅读类Skill无法适配您特定的PDF命名规则、Obsidian笔记模板或机构内网文献库路径，则需定制专属Skill。以下是实现该目标的多种编写路径：
一、基于Python Skill模板手写结构化解析器
该方法通过继承OpenClaw官方Skill基类，直接控制PDF文本提取、语义切分与Markdown输出全流程，确保所有操作在本地完成，不触发任何外传行为。
1、在本地项目目录新建literature_reader.py文件，定义类名继承BaseSkill；
2、重写execute方法，在其中调用PyMuPDF读取指定路径PDF，跳过加密文档并记录警告；
3、使用正则匹配“Abstract”、“Introduction”等章节标题，按IMRAD结构切分段落；
4、将每段摘要注入预设的Jinja2模板，生成含[[citation-key]]双链和date: {{now}}字段的Markdown片段；
5、将生成文件保存至~/Obsidian/Literature/Inbox/路径，并触发Obsidian文件监听刷新。
二、利用Chainlit+Qwen3-4B-Instruct-2507构建轻量推理Skill
该方案复用已有nanobot推理框架，将文献理解任务封装为可注册的Skill端点，避免重复部署大模型，同时支持自然语言指令微调解析逻辑。
1、在chainlit_app.py中新增@cl.step(name="Parse PDF")装饰函数；
2、接收用户传入的PDF Base64编码或本地绝对路径参数；
3、调用已加载的Qwen3-4B-Instruct-2507模型，提示词固定为：“你是一名海洋学领域科研助理，请从以下文本中提取：研究区域、数据来源、核心结论、方法缺陷。每项用‘【】’包裹，不添加解释。”；
4、将模型输出结构化为JSON，键名强制为region、data_source、conclusion、method_limitation；
5、将JSON序列化后写入metadata.json同级目录，供后续Zotero同步插件读取。
三、通过YAML声明式配置驱动已有Skill组合
该方式不编写代码，而是利用OpenClaw v2026.3.31引入的skill-compose机制，将多个原子Skill按顺序串联，形成符合您文献处理习惯的管道流。
1、创建reading_flow.yaml，顶层键为name: marine-lit-flow；
2、在steps数组中依次声明：pdf-extract（调用本地mupdf）、chunk-by-section（按二级标题分割）、qwen-summarize（绑定阿里云百炼API密钥）、obsidian-sync（指定Vault路径与模板ID）；
3、为每个step设置input_mapping，例如将上一步的text_chunks字段映射为下一步的documents；
4、执行openclaw skill install --compose reading_flow.yaml命令注册；
5、向OpenClaw发送指令：“运行marine-lit-flow，处理/home/user/papers/2026-04-ocean-microplastics.pdf”。
四、使用DTClaw内测版图形化Skill编排器
该方法面向无编程经验用户，依托蚂蚁数科DTClaw内测版提供的拖拽式界面，将文献处理流程转化为可视化节点连线，所有逻辑仍运行于本地沙箱环境。
1、启动DTClaw客户端，点击“新建Skill Flow”；
2、从左侧组件栏拖入“PDF Reader”节点，双击配置路径通配符/papers/**/*2026*.pdf；
3、连接至“Section Splitter”节点，选择分割依据为“###”三级标题；
4、再连接至“Qwen3 Local”节点，勾选“启用上下文缓存”并设定最大token为2048；
5、最后连接至“Obsidian Writer”节点，填入您的Vault绝对路径及笔记前缀[MARINE]；
6、点击“导出Skill Bundle”，获得marine-reader.clawbundle文件，通过openclaw skill import安装。
