docs(blog): add RAG and Skills 101 drafts; refresh blog index

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

blog/README.md

@@ -14,3 +14,17 @@
   M × N 问题的类比引入,说清 MCP 跟 Function Call 是不同层(模型↔应用
   vs 应用↔工具),澄清三个常见误解,并用 OpenClaw 源码示意 MCP server
   怎么被发现、何时连接、模型如何看到扁平 tool 列表。
+
+- [rag-101.md](./rag-101.md)
+  RAG 是什么、怎么让 LLM 看着你的资料回答问题:从"AI 不知道公司内部数据"
+  的真实问题出发,对比塞 prompt / fine-tuning / 自己搜 / RAG 四种解法,
+  详细讲清三步骤(检索/增强/生成)和向量化的概念,澄清"向量塞 prompt"
+  的常见误解,介绍切块/检索失败/embedding 不等于相关性/评估等工程坑,
+  并对比 RAG 跟 MCP、Skill 的关系。
+
+- [skills-101.md](./skills-101.md)
+  Skill 是什么、怎么让 agent 学会"什么时候用什么工具":从"接了 100 个工具
+  模型怎么选"的现实问题出发,讲清 progressive disclosure(prompt 里只放
+  description 目录,正文按需 `read` 加载)、跟 RAG 的本质区别、"代码筛
+  可用性 / 模型选用哪个"的分层、description 工程、Skill Workshop 人审进化、
+  以及 Skill 跟 tool 是控制 vs 能力的关系。