夜雨聆风写在前面：滴答清单我用了将近快一年，整体的体验度感觉比较好，它帮我把工作和生活安排得井井有条。但是，随着任务越来越多，有时候会有一些特定的需求，我感觉它还不够“智能”。比如，我希望动动嘴皮子，它就能自动帮我批量整理大量的历史任务，或者一句话搞定查询修改删除任务，而不是我自己在一堆菜单里点来点去。
为了实现这个需求，我决定利用 OpenClaw直接打通滴答清单的底层 API。
今天，就手把手教大家如何将你的滴答清单接入本地大模型，打造一个拥有“增、删、查、改”全能力的专属 AI 助理。
🛠️ 核心思路：Agent 是如何工作的？
要让 AI 控制滴答清单，我们需要三步走：
1. 拿钥匙：通过 OAuth 2.0 获取滴答清单的 API Access Token。 2. 造工具：写一个 Python 脚本（我们称之为 ticktick_agent.py），封装好增删改查的接口。3. 教 AI：在 OpenClaw 中配置一个 SKILL.md，告诉大模型怎么调用这个 Python 脚本。
当你说出“帮我把今天那个测试任务删掉”时，OpenClaw 会先静默搜索查出任务 ID，然后再调用删除指令，实现全自动的闭环操作！
步骤一：获取滴答清单 API 授权 (Access Token)
滴答清单为开发者提供了 OpenAPI。我们需要先去后台建个应用拿到 Token。
1. 登录 滴答清单开发者中心。 2. 创建一个新应用，最重要的一步：将 Redirect URL（重定向回调地址）填写为http://127.0.0.1:8080。3. 保存后，你将获得 Client ID和Client Secret。4. 拼接授权链接获取 code，并通过 POST 请求换取Access Token。（这个流程比较标准化，大家可以参考官方文档或写个小脚本一键获取）。
拿到这一长串的 Token 后，请妥善保存，它是我们后续操作的“通行证”。
步骤二：打造全能 Python 路由脚本
为了让目录整洁，我们将“创建”、“查询”和“管理”合并成一个多路由的 Python 脚本。
这里面潜藏了两个大坑，我已经帮大家趟平了：
• 收集箱盲区：官方查询清单接口默认不返回“收集箱(Inbox)”，导致新任务搜不到。我们在代码里手动把它塞进去了。 • 时区错乱：API 返回的是 UTC 零时区时间，直接按字符串匹配会导致国内用户查询“今天”的任务时失效。我们加入了时区转换逻辑。
在你的 Mac 或服务器上，新建 ~/.openclaw/tools/ticktick_agent.py，贴入以下完整防爆版代码：
import sysimport jsonimport requestsfrom datetime import datetime# ⚠️ 将此处替换为你真实获取到的 Access TokenACCESS_TOKEN = "YOUR_DIDA365_ACCESS_TOKEN"BASE_URL = "https://api.dida365.com/open/v1"def get_headers(): return { "Authorization": f"Bearer {ACCESS_TOKEN}", "Content-Type": "application/json" }# ================= 1. 创建任务 =================def create_task(title, content="", due_date=None, is_all_day=False, time_zone="Asia/Shanghai", reminders=None, repeat_flag=None): payload = {"title": title, "content": content, "priority": 0} if due_date: payload["dueDate"] = due_date payload["isAllDay"] = is_all_day payload["timeZone"] = time_zone if reminders: payload["reminders"] = reminders if repeat_flag: payload["repeatFlag"] = repeat_flag resp = requests.post(f"{BASE_URL}/task", headers=get_headers(), json=payload) if resp.status_code == 200: return {"status": "success", "message": f"任务 '{title}' 已成功创建！", "data": resp.json()} return {"status": "error", "message": f"创建失败: {resp.text}"}# ================= 2. 搜索任务 (已修复时区与收集箱盲区) =================def search_tasks(target_date_str=None, keyword=None): headers = get_headers() proj_resp = requests.get(f"{BASE_URL}/project", headers=headers) if proj_resp.status_code != 200: raise Exception(f"获取清单失败: {proj_resp.text}") projects = proj_resp.json() # 💡 核心修复：手动将收集箱加入遍历列表 projects.append({"id": "inbox", "name": "收集箱(Inbox)"}) matched_tasks = [] MAX_LIMIT = 50 # 防止大模型上下文撑爆 for proj in projects: proj_id = proj.get("id") try: data_resp = requests.get(f"{BASE_URL}/project/{proj_id}/data", headers=headers) if data_resp.status_code != 200: continue tasks = data_resp.json().get("tasks", []) except: continue for task in tasks: title = task.get("title") or "" content = task.get("content") or "" due_date = task.get("dueDate") or "" status = task.get("status", 0) match_kw = True if keyword: match_kw = (keyword.lower() in title.lower()) or (keyword.lower() in content.lower()) match_dt = True if target_date_str: if not due_date: match_dt = False else: try: # 💡 核心修复：转换为本地时区再比对 clean_due = due_date.split('.')[0] + due_date[-5:] if '.' in due_date else due_date dt = datetime.strptime(clean_due, "%Y-%m-%dT%H:%M:%S%z") local_date_str = dt.astimezone().strftime("%Y-%m-%d") match_dt = (target_date_str == local_date_str) except: match_dt = (target_date_str in due_date) if match_kw and match_dt: matched_tasks.append({ "project_id": proj_id, "task_id": task.get("id"), "清单": proj.get("name"), "标题": title, "状态": "✅ 已完成" if status == 2 else "⏳ 未完成", "到期时间": due_date }) if len(matched_tasks) >= MAX_LIMIT: break return {"status": "success", "count": len(matched_tasks), "data": matched_tasks}# ================= 3. 管理任务 =================def manage_task(action, project_id, task_id, update_data=None): headers = get_headers() if action == "complete": resp = requests.post(f"{BASE_URL}/project/{project_id}/task/{task_id}/complete", headers=headers) elif action == "delete": resp = requests.delete(f"{BASE_URL}/project/{project_id}/task/{task_id}", headers=headers) elif action == "update": payload = {"id": task_id, "projectId": project_id} if update_data: payload.update(update_data) resp = requests.post(f"{BASE_URL}/task/{task_id}", headers=headers, json=payload) else: return {"status": "error", "message": f"不支持的 action"} if resp.status_code == 200: return {"status": "success", "message": f"操作成功！"} return {"status": "error", "message": f"操作失败: {resp.text}"}# ================= 主路由逻辑 =================def safe_parse_json(val, default): if isinstance(val, str): val = val.strip() if val.lower() == 'true': return True if val.lower() == 'false': return False if val.startswith('['): try: return json.loads(val) except: pass return val if val != "" else defaultif __name__ == "__main__": try: input_data = json.loads(sys.argv[1]) op = input_data.get("operation") def get_val(key): v = input_data.get(key) if isinstance(v, str): v = v.strip() if v == "" or v.startswith("{{"): return None # 防占位符干扰 return v if op == "create": result = create_task(title=get_val("title"), content=get_val("content") or "", due_date=get_val("due_date"), is_all_day=safe_parse_json(get_val("is_all_day"), False), time_zone=get_val("time_zone") or "Asia/Shanghai", reminders=safe_parse_json(get_val("reminders"), None), repeat_flag=get_val("repeat_flag")) elif op == "search": result = search_tasks(target_date_str=get_val("date"), keyword=get_val("keyword")) elif op == "manage": update_data = {} if get_val("new_title"): update_data["title"] = get_val("new_title") if get_val("new_content"): update_data["content"] = get_val("new_content") if get_val("new_due_date"): update_data["dueDate"] = get_val("new_due_date") result = manage_task(action=get_val("action"), project_id=get_val("project_id"), task_id=get_val("task_id"), update_data=update_data) else: result = {"status": "error", "message": "未知的 operation"} print(json.dumps(result, ensure_ascii=False)) except Exception as e: print(json.dumps({"status": "error", "message": str(e)}, ensure_ascii=False))步骤三：注入灵魂，配置 OpenClaw 技能树
有了 Python 脚本，我们需要给大模型写一段 Prompt，让它学会怎么传参数。
新建 ~/.openclaw/workspace/skills/ticktick_master.md，配置如下：
Markdown
---
name: ticktick_master_tool
description: 滴答清单全能助理。可用于创建、搜索、修改、删除及完成任务。
command: /usr/bin/python3 ~/.openclaw/tools/ticktick_agent.py '{"operation": "{{operation}}", "title": "{{title}}", "content": "{{content}}", "due_date": "{{due_date}}", "is_all_day": "{{is_all_day}}", "time_zone": "{{time_zone}}", "reminders": "{{reminders}}", "repeat_flag": "{{repeat_flag}}", "date": "{{date}}", "keyword": "{{keyword}}", "action": "{{action}}", "project_id": "{{project_id}}", "task_id": "{{task_id}}", "new_title": "{{new_title}}", "new_content": "{{new_content}}", "new_due_date": "{{new_due_date}}"}'
parameters:
- name: operation
type: string
description: (必填) 必须是 "create", "search", "manage" 之一。
required: true
- name: title
type: string
description: (create专用) 任务标题。
required: false
- name: due_date
type: string
description: (create专用) 任务时间 YYYY-MM-DDTHH:mm:ss+0000。
required: false
- name: is_all_day
type: string
description: (create专用) 全天任务传 "true" 或 "false"。
required: false
- name: reminders
type: string
description: (create专用) 提醒数组，如 '["TRIGGER:PT0S"]'。
required: false
- name: repeat_flag
type: string
description: (create专用) 重复规则 RRULE。
required: false
- name: date
type: string
description: (search专用) 日期 YYYY-MM-DD。
required: false
- name: keyword
type: string
description: (search专用) 搜索关键词。
required: false
- name: action
type: string
description: (manage专用) "complete", "delete", "update" 之一。
required: false
- name: project_id
type: string
description: (manage专用) 目标清单ID。
required: false
- name: task_id
type: string
description: (manage专用) 目标任务ID。
required: false
---
# 滴答清单全能助理技能 (TickTick Master)
你现在接管了用户的滴答清单。请严格选择 `operation`：
1.**创建任务 (create)**：推算具体时间、提醒和重复规则。无明确提醒默认传 `["TRIGGER:PT0S"]`。
2.**搜索任务 (search)**：提供 `date` (YYYY-MM-DD) 或 `keyword`。
3.**管理任务 (修改/删除/完成) (核心工作流)**：
- 铁律：你无法凭空知道任务 ID。当用户要修改/删除时，必须分两步走：
- 第一步：先调本工具 `operation`="search" 拿到 `project_id` 和 `task_id`。
- 第二步：再次调本工具 `operation`="manage"，带上 ID 执行动作。
配置完成并重启 OpenClaw 后，属于你的全能 AI 助理就上线了。现在，你可以完全抛弃繁琐的 UI 界面，像跟人聊天一样发号施令。