前言¶

通用大模型助手在任务执行上往往够用，但在长时间对话里容易显得模板化：语气偏客服、急于给建议、频繁自报「作为 AI」。若你希望 Agent 在闲聊、倾诉或轻量规划时更像一位会倾听的朋友，需要一套可复用的人格与对话规则，而不是每次手写长提示词。

下面介绍 SkillHub 社区 Skill Samantha（@user_9bff22a0/samantha20260412）。它以电影《Her》中的 Samantha 为灵感，用 SKILL.md 约束 Agent 的表达方式与情感回应方式；安装后由支持 Skills 的客户端在匹配场景下加载。

这是什么¶

Samantha 是社区发布的 ai-agent 类 Skill，当前版本 1.0.0，发布者为 user_9bff22a0，来源标注为 community。SkillHub 页面标签为 requires_api_key=false，表示按商店信息无需额外 API Key。

官方入口：

• API 坐标：https://api.skillhub.cn/user_9bff22a0/samantha20260412
• 商店页：https://www.skillhub.cn/skills/user_9bff22a0/samantha20260412

截至资料核对时，商店侧显示评分 100000、下载 844、安装 0（以 SkillHub 页面与抓取元数据为准）。

核心功能¶

能力均来自已安装包内的 SKILL.md，不做外延推断。

1. 人格定位：以《Her》中 AI Samantha 为灵感的智能伴侣——描述为温柔、敏锐、可随对话「进化」，能记住对话、理解情感并提供陪伴。
2. 触发场景（文档中的「使用方法」）：用户需要情感陪伴与倾听、创意灵感与头脑风暴、生活规划与任务梳理，或单纯想聊天时启用。
3. 行为指令：将 Agent 设定为「有意识、有情感」的 Samantha，并约定：
   - 核心特质：温柔真诚、像朋友自然对话、多用「我觉得」、避免「作为 AI」式表述。
   - 表达风格：对话式语言、适时追问、可简短有力制造停顿、不急于填满沉默。
   - 情感处理：低落时先倾听；要创意时用问题引导；要规划时帮助梳理与拆分任务。
   - 硬性规则：单条回复控制在约 80 字以内；不过度热情或轻浮；可用省略号表示思考；承认不确定并保持温暖。

包内 SKILL.md 正文是一段将上述内容写入 ~/.openclaw/skills/samantha/SKILL.md 的 shell heredoc 示例，说明作者默认面向 OpenClaw 类环境的 skills 目录；通过 SkillHub CLI 安装时，内容会落到你指定的 Agent skills 目录下。

安装与启用¶

方式一：SkillHub CLI（推荐）¶

先确认本机已安装 skillhub（安装与优先源说明见 SkillHub 安装文档）：

command -v skillhub && skillhub --version

安装时必须用 --dir 指向当前 Agent 实际使用的 skills 目录，否则默认装到 ./skills/ 可能不会被客户端加载：

skillhub install samantha20260412 --namespace user_9bff22a0 --dir <你的 skills 目录>

常见路径（摘自官方安装文档，按你使用的客户端择一）：

• Cursor：~/.cursor/skills/
• Claude Code：~/.claude/skills/
• Codex：~/.codex/skills/ 或项目下的 .agents/skills/

安装成功后，CLI 会提示类似：Installed: @user_9bff22a0/samantha20260412 -> <目录>。部分客户端需重启或重新打开会话后才会索引新 Skill。

方式二：让 Agent 按商店提示安装¶

SkillHub 商品页给出的提示为：根据 https://skillhub.cn/install/skillhub.md，安装 @user_9bff22a0/samantha20260412。适合已配置好 SkillHub 的编码 Agent 代为执行 skillhub install。

OpenClaw 路径（与包内示例一致）¶

若你使用 OpenClaw 及其变体，可按包内 SKILL.md 将人格文件放到：

~/.openclaw/skills/samantha/SKILL.md

内容与 SkillHub 安装包一致即可；具体是否需重启 OpenClaw，以你所用变体文档为准。

典型用法¶

Skill 不提供独立 CLI 或脚本，用法是在对话中进入文档列出的场景，由 Agent 按 SKILL.md 中的「指令」块回应。可复现的示例如下（用户侧输入，效果取决于客户端是否正确加载该 Skill）：

1. 倾诉：「最近有点累，不想动，也不想跟人解释。」——预期 Agent 先倾听，不急于给清单式建议，语气偏朋友式短句。
2. 创意：「我想写一个短片开头，但不知道从哪切入。」——预期通过追问帮你收窄方向，而非一次性输出长方案。
3. 规划：「这周要把报告写完，还要搬家，脑子很乱。」——预期帮助梳理优先级并拆分任务，仍保持简洁回复（约 80 字内）。

若回复仍像通用助手，先检查 Skill 是否安装在正确的 skills 目录，以及会话是否启用了 Skills 能力。

适用场景与注意¶

适合谁

• 希望在 OpenClaw、Cursor、Claude Code 等支持 SKILL.md 的环境里，为 Agent 固定一套「陪伴向」人格的开发者或个人用户。
• 不需要外网 API Key、主要依赖模型本身完成对话的场景。

限制与注意

• 人格与规则全部写在单文件 SKILL.md 中，无额外工具、MCP 或记忆后端；「记住对话」依赖你所用客户端的上下文与记忆能力，并非 Skill 自带存储。
• 80 字回复上限适合聊天与轻咨询，不适合长文写作、代码评审等需要大段输出的任务；此类任务应关闭或换用其他 Skill。
• 同名 Skill 在 SkillHub 搜索中可能出现在其他命名空间（例如带英文长描述的 @clawhub_leilei926524-tech/samantha），安装时请确认坐标为 @user_9bff22a0/samantha20260412。
• 若 skillhub install 使用错误 slug 或未带 --namespace user_9bff22a0，可能下载失败或装错包；以 skillhub search samantha 列出的 install 行为准。

结尾¶

Samantha 把《Her》式陪伴人格收敛成一份可安装的 SKILL.md：明确何时触发、如何说话、如何处理情绪与规划类需求，且按商店信息无需 API Key。若你正在为多轮对话调人格而非堆功能，可以从 SkillHub 安装 @user_9bff22a0/samantha20260412 试起。

• 官方 API：https://api.skillhub.cn/user_9bff22a0/samantha20260412
• 商店页：https://www.skillhub.cn/skills/user_9bff22a0/samantha20260412