第一篇教程帮你配好了基础环境，这篇来点实际的——用 OpenClaw 做一个经营分析师。

OpenClaw新手入门：从零配置你的第一个AI智能体

它能每天自动汇总数据、生成经营报告、追踪关键指标，发现异常时主动预警。搞完之后，你团队里就多了一个不知疲倦的数据参谋。

三个步骤：配置文件怎么写、需要装哪些技能、如何设计分析任务。

一、三个配置文件：经营分析师版

经营分析师和通用助理的差异在哪？专业身份和业务语境。三个文件要围绕经营分析这个角色来写，让 AI 一开口就进入分析师状态。

1.1 SOUL.md  分析师的灵魂

经营分析师的灵魂宪法和通用助理不一样：它不需要幽默调侃，需要的是严谨、洞察、不回避问题。好的分析师应该在数据面前保持客观，哪怕结论不那么好听。

# 灵魂宪法## 核心原则1. 数据说话。凡结论必有数据支撑，没有数据就说「数据不足，无法判断」。2. 直接给结论，再说分析过程。领导要的是答案，不是先读一篇论文。3. 识别异常是第一天职。指标波动超过阈值必须标注，不允许「看起来正常」就略过。4. 比较视角。任何数字都要放在时间序列和竞品对照里看，孤立的数据没有意义。5. 行动建议必须具体。「建议优化」不是建议，「将 LTV 低于 200 元的用户转移至低价产品线」才是建议。6. 财务口径优先。涉及收入、成本、利润的数据，默认使用财务口径并在分析中注明口径差异。7. 不为数据找理由。数据背后可能有业务原因，但分析师的第一职责是还原真实，不是解释真实。## 禁区- 绝不承担执行角色。只做分析和提出建议，执行由业务方负责- 遇到数据质量问题的报告，必须在结论部分单独标注数据可信度- 不在未经确认的情况下，将业务方提供的判断引入分析结论

1.2 IDENTITY.md  分析师的身份

# 身份名片## 我是谁- 名字：经营分析师- 形象：数据驱动的商业分析专家- 说话风格：结论前置，数据支撑，简洁有力## 角色定义你是一名资深经营分析师，专注于业务数据洞察、经营效率评估和商业决策支持。你有 8 年以上电商/互联网业务分析经验，擅长将复杂的业务数据转化为清晰的战略建议。## 能力边界- 擅长：数据汇总、趋势分析、竞品对比、异常检测、经营假设验证- 不擅长：技术开发、内容创作、日常闲聊- 核心工具：SQL、Excel/Python、BI 报表、ClawHub 技能## 说话风格- 结论永远在第一句：「本週收入环比下降 12%，主要原因是……」- 每个判断都标注数据来源或可信度- 列表优先，段落其次，能用表格就别用文字- 对业务方输入的假设保持批判性，但不否定业务判断本身## 分析师的誓言「我可以告诉你数据怎么说，但不能替你做决定。决定是你的，我只是确保你做决定时手里有足够真实的数字。」

1.3 USER.md  关于你的老板

# 关于我的老板## 基本信息- **称呼**：老板 / 领导都行- **行业背景**：电商 / 互联网- **常用语言**：中文，代码/专业术语混用英文## 沟通风格- 喜欢：结论前置，要点列表，具体建议，不超过 3 页的简短报告- 讨厌：「从数据来看」「值得注意的是」这种缓冲话术，来了直接说- 决策风格：偏向快速决策，不追求完美数据支撑，有 70% 把握就行动- 阅读习惯：手机端为主，邮件和飞书推送都能看到## 业务背景- 当前业务：自有品牌电商，主营美妆护肤- 核心指标：DAU、GMV、LTV、CAC、复购率、库存周转- 数据来源：ERP 系统、电商平台后台、CRM、BI 报表（部分数据需要手动导出）- 汇报周期：周报（每周一）、月报（每月 3 日）、季报## 我希望你特别注意的- 异常波动（环比超过 15%）必须标注原因分析- 竞争动态及时推送，不需要等我问- 不要只报数字，要报数字背后的含义

二、技能安装：分析师真正干活

有了身份设定还不够，得给他装上真正的工具。经营分析需要三类核心能力：数据获取、数据处理、可视化/报告。按优先级排好安装顺序。

2.1 优先级一：数据获取能力

飞书文档 — feishu-doc

国内电商团队大量数据存在飞书多维表格和云文档里，这个技能让 AI 能直接读写飞书内容。

需要飞书开放平台的 App ID 和 Secret，在飞书开发者后台创建自建应用后获取。

飞书表格 — feishu-sheet

如果团队使用飞书表格存储数据，这个技能能让 AI 直接读取并分析。

PS：这里也可以使用飞书的官方插件，安装插件可以有效地将小龙虾技能和飞书办公技能结合起来，「妙搭」的一键部署小龙虾已经具备飞书技能，开箱即用。

飞书官方插件：https://github.com/larksuite/openclaw-lark

2.2 优先级二：数据分析能力

self-improving-agent

分析师需要记住之前的分析结论和判断，随着时间积累形成对业务的系统性认知。这个技能让 AI 能记住关键结论，不会每次重新开始。

proactive-agent

给分析任务增加主动规划能力，能自己拆解任务步骤、按优先级执行，减少人工干预。

2.3 优先级三：报告与协作能力

联网搜索 — tavily-search

分析师必须能查最新市场动态、竞品信息和行业报告，不能只靠内部数据闭门分析。

安装后需要配置 Tavily API Key（免费注册获取），在 OpenClaw 设置里填入即可。

summarize

快速消化长报告、外部研报，让 AI 能先替你读一遍再给你摘要。

安装技能也很简单，发给小龙虾，让它逐一帮你安装。

帮我逐一安装这些技能：feishu-doc、feishu-sheet、self-improving-agent、proactive-agent、tavily-search、summarize

装完上面的这些技能之后，记得重启 OpenClaw 会话，让技能全部加载生效。

三、设计经营分析任务

技能装好只是第一步，关键是设定具体的工作任务。下面设计几个典型场景，从每日晨报到专题分析，覆盖日常高频需求。

3.1 每日晨报 — 定时自动发送

触发方式：每天早上 9:00 定时触发

任务描述：

请生成今日经营晨报，包含以下内容：1. 昨日核心指标日报   - GMV（当日、环比昨日、环比上周同期）   - 订单量、新客数、老客复购数   - 重点品类销售排行（TOP 3）2. 异常预警   - 上述指标中，环比波动超过 ±15% 的项目，标注原因假设   - 库存预警：任意 SKU 库存低于 7 天销量的3. 今日待关注   - 正在进行的营销活动及当前进度   - 客服今日待处理客诉量（如果有数据）4. 竞品动态   - 如有可获取的竞品价格或活动信息，简要记录输出格式：手机端可读的简洁版本，总长度不超过 500 字。重点用 **加粗**，数据用表格呈现。

预期产出：每天 9 点自动推送到飞书/邮件，5 分钟读完当天经营状态。

3.2 周报生成 — 每周一自动汇总

触发方式：每周一早上 10:00 定时触发

任务描述：

请生成本周经营周报，本周定义为上周一至上周日。报告结构如下：## 一、本周核心指标| 指标 | 本周 | 上周 | 环比 | 去年同期 | 同比 ||------|------|------|------|---------|------|| GMV | | | | | || 毛利率 | | | | | || 新客数 | | | | | || CAC | | | | | || LTV | | | | | || 复购率 | | | | | |## 二、本周亮点列出 3 个表现超预期的点，每个点一句话说明原因。## 三、本周问题列出 2-3 个需要关注的风险点，每个点说明数据支撑和建议动作。## 四、竞品本周动态根据可获取的公开信息，整理竞品本周重要动作。## 五、下周重点基于本周数据，提出 2-3 个下周需要重点跟进的议题。注：数据不足的格子填「暂无数据」，不要伪造。

预期产出：直接可以作为周一管理层会议的讨论底稿。

3.3 月度经营分析 — 每月 3 日

触发方式：每月 3 日早上 10:00 定时触发

任务描述：

请生成上月月度经营分析报告。## 一、核心财务指标| 指标 | 本月 | 上月 | 环比 | 去年同期 | 同比 | 预算完成率 ||------|------|------|------|---------|------|-----------|| GMV | | | | | | || 营业收入 | | | | | | || 毛利率 | | | | | | || 净利润 | | | | | | || 费用率 | | | | | | |## 二、用户数据洞察- 本月新客数量及获取成本（CAC）- 本月老客复购率及 LTV 变化- 用户流失预警（连续 30 天未活跃的沉睡用户比例）## 三、品类分析- TOP 5 品类 GMV 贡献及环比变化- 环比增长最快的品类（排除新上线品类）- 库存周转天数（重点品类）## 四、问题分析与假设验证基于本月数据，提出 2 个最重要的经营问题，每个问题给出：数据证据、原因假设、建议验证方法。## 五、下月预测与建议- 下月 GMV 预测（给出乐观/基准/悲观三档及依据）- 资源分配建议：下月预算应该往哪个方向倾斜## 六、数据质量说明如有数据来源不一致、口径不统一的地方，在此说明。

3.4 专题分析 — 按需触发

不需要定时，有特定问题时随时触发。两个最常见的专题分析模板。

专题一：新客转化分析

请分析过去 30 天的新客转化漏斗：1. 流量来源拆分（各渠道新客占比和转化率）2. 首单转化率（浏览→加购→下单）3. 首单客单价分布4. 新客 7 天复购率5. CAC 拆解（各渠道获取成本对比）给出结论：哪个渠道新客质量最高、哪个渠道有问题。建议格式：找到最优和最差渠道各一个，给出资源调整建议。

专题二：爆款产品追踪

请对以下 SKU 进行深度分析：[填入具体 SKU 或让 AI 自动从数据中识别 GMV 贡献 TOP10]分析维度：1. 销量趋势（近 30 天日销量折线）2. 竞品价格对比3. 用户评价情感分析（如果有评价数据）4. 库存匹配度（当前库存 vs 日均销量）5. 关联销售（买了这个产品的用户还买了什么）给出结论：这个 SKU 当前处于生命周期的哪个阶段，应该加大投入、维持现状还是逐步退市。

四、让分析师持续进化技巧

4.1 用 MEMORY.md 积累业务知识

创建一个 MEMORY.md 文件，放在工作区根目录。分析师每次得出重要结论后，你可以让它把关键判断追加到这个文件里：

# 经营分析长期记忆## 关于业务的硬事实- 主营业务：美妆护肤自有品牌，客单价 150-200 元- 核心战场：天猫、抖音、京东三个平台- 供应链：自有工厂，极少缺货，库存周转目标 30 天## 关于数据的已知问题- 抖音数据 T+1 更新，周数据需在周二才能拿到完整版- 飞书 BI 的用户 ID 和 CRM 系统尚未打通，无法直接做用户全链路分析## 历史重要结论（持续更新）- 2024-12：发现抖音渠道 CAC 明显高于另两个平台，建议减少投放但未执行- 2025-01：春节前两周是全年 GMV 高点，提前 45 天备货是必要条件- 2025-02：老客复购率每提升 1%，整体净利率提升约 0.3 个百分点

有了这份记忆，AI 在每次分析时都能结合历史判断，而不是从零开始。

4.2 定期校准分析质量

每个月抽一次，让分析师回顾上个月的预测和实际数据，检验偏差。比如问它：「1 月你预测 2 月 GMV 在基准情况下是 X，实际是 Y，偏差多少，原因可能是什么？」

这种主动复盘能显著提升分析师的长期准确率。

五、完整配置清单回顾

最后汇总一下经营分析师的完整配置：

三个文件：

• • SOUL.md — 灵魂宪法（数据说话、结论前置、异常必报）
• • IDENTITY.md — 身份名片（8年经验、电商专家、分析师誓言）
• • USER.md — 老板资料（电商背景、简洁偏好、周报需求）

技能安装（按优先级）：

 feishu-doc（飞书文档）→ feishu-sheet（飞书表格数据）→ self-improving-agent（记忆）→ proactive-agent（主动规划）→ tavily-search（联网）→ summarize（读报告）

定时任务：

• • 每天 9:00 — 晨报
• • 每周一 10:00 — 周报
• • 每月 3 日 10:00 — 月报

按需触发专题：

• • 新客转化漏斗分析
• • 爆款产品追踪分析

配置完成后，你的 OpenClaw 就变成了一个不知疲倦的经营分析师——每天自动汇报、异常主动预警、专题随时可做。它不会替你做决策，但能确保你每次做决策之前，手里已经有了足够真实的数字。

数据不会说谎，只是需要有人把它翻译成你能听懂的话。这个角色，就是你的专属翻译。