OpenClaw实践分享v1.0

OpenClaw

实践分享v1.0

OpenClaw是什么

OpenClaw 是一款开源的本地自托管个人 AI 智能体（Agent）平台，前身为 Clawdbot/Moltbot。其核心是基于 TypeScript 开发的命令行应用，持续运行在用户自有硬件上，可执行 shell 命令、管理文件并协调多步骤工作流程。它将 AI 模型（大脑）与本地执行环境（身体）彻底解耦：对话记录、工具执行、会话状态等调度逻辑全部保留在用户自己的设备上。通过单一Gateway网关进程，可同时连接 WhatsApp、Telegram、飞书等多种聊天平台，实现跨渠道统一交互。

Skills介绍

什么是Skills

Skills 是可复用的能力组件，让你无需从头构建每项功能，而是将特定功能（如调用 API、查询数据库、检索文档或执行工作流）封装成 Agent 可按需调用的模块。这种方式使 Agent 逻辑更整洁灵活，也更容易随时间扩展，而无需重写核心架构。

用一句话类比：Tools（工具）是OpenClaw的器官，决定它能做什么；Skills（技能）是说明书，教会它如何组合工具完成具体任务。

Skills的文件结构

一个 Skill = 一个文件夹 + 一个 SKILL.md

SKILL.md = YAML 元数据（触发） + Markdown 指令

复杂内容丢进 scripts、references、assets，正文保持极简

Skills的加载与优先级

OpenClaw加载内置Skills以及可选的本地覆盖项，并在加载时根据环境、配置和二进制文件的存在与否进行过滤。Skills的加载来源及优先级从高到低依次为：工作区Skills（<workspace>/skills）→ 用户目录Skills（~/.openclaw/skills）→ 内置Skills。此外，还可以通过配置skills.load.extraDirs指定额外的Skill目录（优先级最低）。

Skills生效的三个前提条件

要让一个Skill真正起作用，需同时满足三个条件：配置（是否允许OpenClaw执行相关命令）、安装（对应的工具或桥接程序是否已安装在机器上）、授权（是否已登录并授权第三方服务）。三者缺一不可：Skills只是说明书，能否实际运行取决于这三个条件。

多Agent场景下的Skills管理

在多Agent配置中，每个Agent拥有独立的工作区，Per-Agent Skills仅对该Agent可见；共享Skills存放在 ~/.openclaw/skills，对同一台机器上所有Agent可见。

Skills生态：ClawHub

ClawHub是OpenClaw的公开Skills注册中心，可在https://clawhub.com浏览，用于发现、安装、更新和备份 Skills。目前ClawHub上已有超过26,193个（截至文档编写时间）可下载的Skills，覆盖笔记、邮件、社交媒体、开发、智能家居等场景。

安全注意事项

在使用第三方Skills时，需注意：审查来源（查看创建者信誉和GitHub Star数）、检查权限（仅授予Skill运行所必需的最小权限）、验证范围（确保Skill仅执行你信任其代为操作的行为）、隔离测试（在隔离环境中先行测试）。

OpenClaw实践案例

从OpenClaw的特性出发，本次实践咱们主要分享下面的案例：

安装开源skills。
每天早上八点，把Github当下最热门的前5个开源项目，整理成报告。
打开携程网站，查询上海浦东到北京大兴的机票信息，并且返回查询结果。
读取个人电脑的账单Email，整理账单。
上传功能设计书到指定目录上，读取指定目录下的代码规范文件，生成代码。
根据系统现有的代码，生成设计书。
开发自定义skills，实现word转pdf。

PS：在某些场景，效果对AI大模型自身的能力依赖比较大，比如：5和6两个案例。

案例1：安装开源Skills

核心能力：Skills的文件结构、安装配置ClawHub、离线安装Skills

实现过程：

方法一（命令行模式，需要联网）

需要先登陆到安装OpenClaw的机器的命令行窗口，这里使用RHEL版本的系统。

1.需要先登陆到安装OpenClaw的机器的命令行窗口，这里使用RHEL版本的系统。

2. 搜索Skills

3. 安装Skills

4. 更新Skills

5. 通过OpenClaw Config配置自动安装

编辑配置文件~/.openclaw/openclaw.json，添加skills配置，在重启OpenClaw后自动安装。

方法二（渠道模式，需要联网）

这里选择飞书作为渠道，只需要使用自然语言的方式，让Open Claw帮忙安装需要的Skills。

方法三（离线模式）

1. 获取Skills

使用能上网的电脑先访问ClawHub官网，搜索你需要的Skill，进入Skill详情页，点击下载zip包。

2. 上传Skills，解压zip包

把第1步下载到的zip包上传到安装OpenClaw的机器，目录为~/.openclaw/skills，使用unzip命令解压Skill包到对应的目录下。

通过对话的方式让OpenClaw安装Skill。

3. 重启OpenClaw

方法四（WebUI图形化管理）

如果OpenClaw安装在其他机器，访问Control UI管理界面，可以通过配置https证书方式访问，或者使用SSL隧道的方式通过http访问。

1. 访问Control UI管理界面

上面包含三块Skill：Workspace Skills、Built-in Skills、Extra Skills。

2. 管理已安装 Skills

在上面搜索已经安装的skill，可以失效不需要的skill，或者更改skill使用的api_key。

案例2：Github热门项目定时整理

核心能力：定时任务、联网搜索、浏览器自动化

实现过程

目标：实现每天早上8点定期抓取当天 GitHub Trending Top 10 的开源项目。

我们与通过飞书机器人对话，向 OpenClaw 下达如下指令：

OpenClaw 回复如下：

检查定时任务

在终端输入 openclaw dashboard 打开 OpenClaw Gateway 界面，切换到“定时任务”之后确认刚刚的定时任务是否已经创建：

验证结果

案例3：机票查询

核心能力：联网搜索、浏览器自动化

实现过程

安装 Playwright skill：clawhub install --yes playwright

设计提示词：

启动专属浏览器实例：

启动后检查登陆用户如果是 openclaw 就说明启动成功：

执行机票查询

将提示词通过飞书机器人传递给 OpenClaw 之后得到如下回复：

可以看到 OpenClaw 已经把航班信息以表格的形式收集到了。监控整个执行过程，我们发现 OpenClaw 在控制浏览器打开携程页面，输入起始地和目的地，滚动页面自动加载更多结果，真正实现了自动化处理。

总结

本案例重点利用到了 OpenClaw 控制浏览器进行自动化流程操作，其中需要从 ClawHub 安装 Playwright 作为自动化辅助工具。同时，提示词中也要明确给大模型定义明确的要求和约束，防止大模型进行“自我发挥”。

要点回顾：

提示词约束，如：对于数据获取，不要臆想、不要猜测、不知道就返回不知道
提示词要点，如：当你成功打开页面之后，需要不断的向下滚动页面直到不能再滚动，从而使页面加载到所有的航班信息
打开专属浏览器实例：openclaw browser --browser-profile "openclaw" start
安装 Playwright skill：clawhub install --yes playwright

OpenClaw 需要读取邮件内容，并提取“发票 PDF 文件下载”的下载链接，然后下载发票 PDF 文件，最后识别 PDF 文件中的开票信息。

提示词（改进前）

提示词内容需要包含以下关键信息：

1. 从哪里获取信息：邮件APP

2. 邮件的时间范围：2个月之内

3. 开票邮件特征：来自京东且邮件内容包含“电子发票”关键字

4. 发票信息获取方式：点击下载链接获取PDF文档，解析PDF文档提取开票信息

初版提示词如下：

验证结果（改进前）

打开飞书机器人，将初版提示词发送给 OpenClaw 如下：

其中的关键回复内容如下：

但实际的发票下载链接可以直接打开并下载，显然 OpenClaw 并没有正确获取发票的下载链接，我们的提示词需要改进。

接下来针对目前的问题与 OpenClaw 进一步对话：

回复如下：

再次检查结果发现 OpenClaw 已经成功提取了两个月内的 PDF 发票中的信息。

提示词（改进后）

经过改进后，最终版的提示词如下：

验证结果（改进后）

运行结果如下：

导出成 Markdown 文件之后如下（数据已脱敏）：

京东电子发票汇总表（2个月内）

统计时间： 2026年3月16日发票数量： 9张时间范围： 2026年1月26日 - 2026年3月14日

总结

OpenClaw 的推理过程需要结束 AI 大模型，而复杂的问题往往需要多轮渐进式的对话才能得到正确的答案。本案例涉及到的 OpenClaw 能力如下：

1. 邮件读取自动化

2. PDF 内容解析

案例5：代码生成

核心能力：目录文件操作、编码模型配置（Claude）

实现过程：

目标

OpenClaw 可以需求说明书生成可执行代码。

先决条件

1. OpenClaw 最新版已安装且网关已启动

2. OpenClaw 已配置飞书消息通道

3. OpenClaw 已配置适合 Coding 的大模型，本文使用 anthropic/claude-sonnet-4-6

实验过程

一、准备需求说明书

保存成文档 file_parse_platform_tdd.docx

二、设计提示词

需求说明书中注明是使用 FastAPI + Python的方式组织项目代码，为了进一步测试模型的代码生成能力，我们在提示词中进行调整，使其机遇 SpringBoot + Vue 来生成代码，提示词如下：

三、验证结果

使用提示词通过飞书与 OpenClaw 交互：

OpenClaw 响应如下：

从回复内容上看，代码项目已经生成到 ~/.openclaw/workspace/file_parse_platform_tdd_java ，代码结构如下图所示：

其中 frontend 目录为 Vue 前端项目子目录。

五、运行+错误修复

初次运行需要安装 openjdk-17， Maven和 NodeJS 等工具，安装过程忽略。假设全部安装部署完成之后，我们来分别启动后端和前端如下：

后端运行+修复

使用 mvn spring-boot:run 命令启动后端服务，但运行报错：

将问题抛给 OpenClaw，给出修复建议：

再次启动运行，成功。

前端运行+修复

使用 npm run dev 启动前端如下：

但外部无法访问：

再次将问题扔给 OpenClaw：

OpenClaw 自动修复：

如此反复了3～4轮之后，前端项目已可以正常工作：

总结

既有代码生成需求文档的场景中，生成文档的质量主要取决于 OpenClaw 所使用的大模型的编码能力，推荐使用 Claude Code 的模型进行生成。此外，初次生成的代码并不完美，需要几轮的测试和修复之后才可以正常工作。但即使是这样，对于像 POC 之类的需要快速生成原型的场景，OpenClaw 也会解决大量的时间，显著地提高了效率。

案例6：设计书生成

核心能力：编码模型配置（Claude）

实现过程：

目标

OpenClaw 可以读取指定代码库目录，根据代码目录结果以及源代码方向生成需求规格说明书。

先决条件