KubeSphere Skills 正式发布：让 OpenClaw 更懂 KubeSphere

KubeSphere Skills 正式发布让 OpenClaw 更懂 KubeSphereOpenClaw 已经是很多人日常使用的 AI 助手但它不理解 KubeSphere 独有的资源模型和操作方式。问多集群管理它给的是通用kubectl命令问 DevOps 流水线它讲的是原生 Jenkins 的使用方式问扩展组件安装它又回到 Helm Chart 那一套——而这些都不是 KubeSphere 用户真正的工作路径。现在KubeSphere 官方 Skills 正式发布补上了 OpenClaw 在 KubeSphere 场景下长期缺失的这层能力。我们发布了哪些 SkillsKubeSphere Skills 目前共发布 16 个技能包覆盖核心平台、DevOps 全流程、可观测性套件三大领域1. 核心平台能力Skill覆盖能力典型用途kubesphere-coreKubeSphere 核心平台架构使用 KubeSphere 核心功能、扩展机制kubesphere-extension-management扩展组件生命周期管理安装、配置、升级或排查扩展组件故障kubesphere-cluster-management集群查询只读查询集群列表、状态、详情、版本信息kubesphere-multi-tenant-management多租户管理工作空间、命名空间、角色与访问控制2. DevOps 全流程Skill覆盖能力典型用途kubesphere-devops-overviewDevOps 扩展整体架构DevOps 搭建、架构理解、通用 CI/CD 操作kubesphere-devops-pipeline流水线管理通过 API 创建、运行和监控 CI/CD 流水线kubesphere-devops-credentials凭据管理管理仓库和部署凭据kubesphere-devops-jenkinsJenkins 配置Jenkins 配置、代理管理、认证与故障排查kubesphere-devops-tenant租户操作规范规范命名空间范围内的 DevOps 操作kubesphere-devops-argocdArgo CD 集成GitOps 应用部署与管理3. 可观测性套件Skill覆盖能力典型用途whizard-telemetryWizTelemetry 平台公共服务提供日志、审计、事件等可观测性扩展的公共 API Servervector可观测性数据采集与路由配置日志、事件、审计等数据管道opensearch可观测性数据存储与检索存储和查询日志、事件、审计、通知历史whizard-logging日志采集采集 K8s 容器日志whizard-events事件能力采集 K8s 事件whizard-auditing审计能力采集 K8s 和 KubeSphere 审计事件这些 Skills 将正确的资源模型、安装约束、API 路径、依赖关系和排障方式沉淀为可被 AI 直接调用的专业能力。加载 Skills 之后OpenClaw 能做什么加载 KubeSphere Skills 之后OpenClaw 不再只是输出一套通用 K8s / DevOps 方案而是开始按照KubeSphere 的资源模型、安装方式和操作路径来理解问题并给出更贴近实际工作流的回答。场景 1集群与多租户管理没有对应 Skill 时AI 往往只能给出一些通用 Kubernetes 查询命令比如kubectl get nodes kubectl get pods -A kubectl get namespaces加载 Skill 之后你只需要一句话列出所有集群告诉我每个集群的 K8s 版本和 Host/Member 角色它就能基于 KubeSphere 的集群模型理解需求识别clusterCRD以及 Host / Member 集群在标签和角色上的区别给出更准确的查询方式而不是停留在泛化的 Kubernetes 命令层面。原本需要进入控制台逐个点开集群详情才能完成的事情现在通过一轮对话就可以完成而且结果更结构化也更适合后续筛选和脚本化处理。场景 2扩展组件安装没有 Skill 时AI 很容易按照通用经验建议你直接用 Helm Chart 方式部署比如helm install xxx但在 KubeSphere 4.x 中扩展组件有自己明确的安装机制正确入口并不是一条helm install命令。加载 Skill 后当你告诉它帮我安装 WhizardTelemetry 可观测性套件启用监控和日志它会直接进入 KubeSphere 的正确安装语境生成符合要求的安装内容。下图展示了 OpenClaw 从识别安装需求到生成符合 KubeSphere 扩展机制配置内容的过程这些安装细节现在 AI 都记住了。场景 3DevOps 项目管理没有对应 Skill 时这类操作通常要先在控制台里一层层创建资源再手动补齐权限关系。一个看似简单的“建项目”背后往往至少包括下面几步1. 创建企业空间 2. 绑定管理员 3. 选择所属集群 4. 创建 DevOps 项目 5. 进入成员管理 6. 分配角色加载 Skills 后你说帮我创建企业空间创建 DevOps 项目OpenClaw 会先识别需要补齐的关键参数再把企业空间创建、项目创建和角色授权串成一条完整路径。这样AI 不只是“帮你建个项目”而是理解 DevOps 项目从属于企业空间、受租户边界约束并且需要角色授权才能真正可用。KubeSphere Skills vs 传统 GUI两种工作模式适合不同场景。对比如下操作场景传统 GUI 路径OpenClaw KubeSphere Skills安装扩展组件进入「扩展市场」→ 选组件 → 填写配置表单 → 等待安装直接对话「帮我安装 WhizardTelemetry」→ AI 生成正确的 InstallPlan YAMLkubectl apply 即完成查询多集群状态进入「集群管理」→ 逐个点开集群查看详情对话「列出所有集群及其 K8s 版本」→ 立即获取结构化结果可进一步过滤创建企业空间并授权依次进入工作空间管理 → 新建 → 成员管理 → 角色绑定至少 5 步一句话描述需求AI 按最小权限原则输出完整的 API 调用序列触发 DevOps 流水线进入 DevOps 项目 → 流水线 → 手动运行AI 生成 PipelineRun CR直接 apply触发即完成可脚本化批量执行GitOps 应用部署进入 GitOps 页面 → 手动填写仓库地址、路径、同步策略AI 输出 KubeSphere 租户友好的 GitOps API 调用无需接触 argocd 命名空间可观测性排查切换到监控 → 按租户筛选 → 查告警规则 → 翻日志直接问「查看 production 命名空间过去 1 小时的告警」AI 给出精确 API 查询路径Skills 主要带来了三点变化效率、门槛、可扩展性。现在就可以开始使用KubeSphere Skills 已开源发布安装方式非常简单支持主流的 AI Agent 生态。推荐方式使用npx一键安装npx skills add kubesphere/kubesphere该命令会识别仓库中可安装的 Skills并按当前 Agent 的安装方式写入对应环境。或者通过对话让 Agent 安装直接在您的 AI 助手对话中告诉它请帮我安装 https://github.com/kubesphere/kubesphere 中的 skills安装完成后您的 AI 助手就加载了完整的 KubeSphere 平台知识可以直接投入使用。社区贡献同样欢迎。如果你在使用中发现某个操作场景缺少对应的 Skill或者现有 Skill 描述有改进空间可以按照仓库的贡献指南提交——包括压力场景、API 示例和实际排查步骤。项目地址https://github.com/kubesphere/kubesphere/tree/master/skills从点击到对话KubeSphere Skills 做的事情其实很简单让 OpenClaw 真正懂 KubeSphere。从此查集群不用翻菜单装扩展不用记表单触发流水线不用打开控制台——对话就够了。如果你遇到某个场景缺少对应 Skill或者觉得哪里还能更好欢迎按贡献指南提出来。你的每一次反馈都会让 KubeSphere 的 AI 能力更强。