第1节 OpenClaw介绍

1.1 什么是OpenClaw？

OpenClaw（原名Clawdbot、Moltbot，中文昵称“小龙虾”）是一款开源的AI智能体平台，由奥地利独立开发者Peter Steinberger一人打造，被誉为“迄今为止最实用的智能体项目”。

核心理解：OpenClaw的本质是一个“会自己干活的智能助手”。与传统聊天机器人不同，它不只是被动回答问题，而是能够主动执行任务——像人类一样理解指令、拆解步骤、调用工具，最终完成复杂的工作流程。

1.2 为什么OpenClaw如此重要？

2026年是AI从“对话顾问”向“自主执行”跨越的关键拐点。OpenClaw的价值体现在三个层面：

维度 价值点 具体说明
个人 免费私有资产 摒弃昂贵的订阅制，本地运行，数据掌握在自己手中，拥有7×24小时全天候在线的私人AI助理
工作 效率革命 通过微信/飞书等日常入口，自动处理邮件、管理日程、分析数据，从重复劳动中解放
职业 核心技能 Agent架构、本地优先设计是2026年最抢手的技能标签，让你从“操作者”进化为“规则制定者”

1.3 OpenClaw能做什么？

从简单的GUI自动化到复杂的业务流编排，OpenClaw的应用场景极为广泛：

  • 文献管理：知网、WoS等多数据库一键检索，自动提取标题/作者/摘要，生成综述素材

  • 数据处理：网页数据抓取、PDF报表转表格、缺失值自动标注、数据清洗一键完成

  • 论文写作：自动生成大纲、逻辑审查、学术语言润色、参考文献自动排版

  • 办公自动化：日报自动生成、邮件分类、会议纪要整理、跨系统数据同步

  • 生活助手：定时推送最新信息、多端接入（电脑/手机/微信）、任务排队不卡顿

1.4 OpenClaw的核心架构

OpenClaw采用插件化架构——“像手机装App一样，需要什么功能装什么”。其核心模块包括：

text

┌─────────────────────────────────────────┐
│              用户交互层                    │
│  (飞书/微信/QQ/Web/命令行等)                │
└─────────────────────────────────────────┘
                    ↓
┌─────────────────────────────────────────┐
│              网关层                        │
│  (路由分发、协议转换、负载均衡)                │
└─────────────────────────────────────────┘
                    ↓
┌─────────────────────────────────────────┐
│              核心引擎层                     │
│  ┌──────────┬──────────┬─────────────┐  │
│  │任务调度器│插件管理器│ 记忆系统     │  │
│  └──────────┴──────────┴─────────────┘  │
└─────────────────────────────────────────┘
                    ↓
┌─────────────────────────────────────────┐
│              执行层                        │
│  (Skill沙箱、浏览器、Python环境等)          │
└─────────────────────────────────────────┘

关键理解：OpenClaw通过Skills（技能）系统获得“手脚”与“方法论”——Skill本质是一套标准化作业流程（SOP），明确告诉AI在什么场景下，按什么顺序使用哪些工具完成任务。

第2节 OpenClaw部署安装

2.1 部署方式对比

OpenClaw支持多种部署方式，你需要根据使用场景选择最适合的方案：

部署方式 适用场景 优点 缺点
本地部署（Windows/Mac） 隐私敏感场景、初期测试 数据完全本地化、零成本 依赖本地设备运行、无法7×24小时在线
云端部署（阿里云等） 长期运行、团队协作 全天候在线、不占本地资源、支持定时任务 需云服务器费用、需基础运维知识
Docker部署 开发者、技术爱好者 环境隔离、部署快速、易于迁移 需了解Docker基础

2.2 Windows本地部署（保姆级教程）

2.2.1 环境准备

系统要求：

  • Windows 10/11 专业版或企业版

  • CPU：Intel i5（第8代以上）/ AMD Ryzen 5（3000以上）

  • 内存：推荐8GB以上（最低4GB）

  • 硬盘：SSD 256GB以上，保留至少10GB空间

软件依赖：

  1. Node.js：≥ v22.0.0（访问nodejs.org下载LTS版本）

  2. Python：≥ 3.9（可选，部分技能需要）

  3. Git：从git-scm.com下载（用于版本管理）

2.2.2 安装步骤

第一步：以管理员身份打开PowerShell

右键点击开始菜单，选择“Windows PowerShell（管理员）”或“终端（管理员）”。

第二步：安装OpenClaw

powershell

# 全局安装OpenClaw
npm install -g openclaw@latest

# 如果遇到sharp模块安装失败，执行以下命令
npm cache clean --force
npm install -g openclaw@latest --force

第三步：验证安装

powershell

openclaw --version
# 应显示 v2026.x.x 及以上版本

第四步：初始化配置

powershell

# 初始化并安装守护进程
openclaw onboard --install-daemon

初始化过程中你会看到：

  • 安全风险提示 → 输入 Yes 确认

  • 选择初始化模式 → 直接回车选择 QuickStart

  • 选择模型提供商 → 暂时选择 Custom Provider（后续可改）

  • 认证方式 → 复制控制台URL，浏览器登录完成授权

  • 网关端口 → 默认18789，直接回车

  • 初始技能 → 输入 Yes 启用预装的agent-browser

第五步：启动服务并生成访问令牌

powershell

# 启动网关服务（后台运行）
start /b openclaw gateway start > %USERPROFILE%\.openclaw\logs\gateway.log 2>&1

# 生成访问令牌
openclaw token generate

# 查看令牌（复制备用）
type %USERPROFILE%\.openclaw\openclaw.json | findstr "token"

第六步：访问OpenClaw

打开浏览器，访问：

text

http://localhost:18789/?token=你的Token

将 你的Token 替换为上一步复制的令牌值。

2.2.3 避坑指南
常见问题 解决方案
端口被占用 修改端口：openclaw config set server.port 18790
Windows Defender拦截 将 C:\Users\你的用户名\.openclaw 加入排除列表
服务启动失败 检查Node.js版本是否≥22.0.0，重新执行安装命令
令牌无效 重新生成：openclaw token generate

2.3 Mac本地部署

系统要求：

  • MacOS 12+

  • 芯片：Apple M1以上（或Intel i5 8代以上）

  • 内存：16GB（M系列8GB勉强可用）

一键安装命令：

bash

# 打开终端，执行
curl -fsSL https://openclaw.ai/install.sh | bash

# 验证安装
openclaw --version

# 初始化配置
openclaw onboard

# 启动网关
openclaw gateway start

# 生成令牌
openclaw token generate

访问地址：http://localhost:18789/?token=你的Token

2.4 阿里云云端部署（7×24小时运行）

2.4.1 服务器选购

  1. 访问阿里云OpenClaw一键部署专题页面

  2. 点击“一键购买并部署”

  3. 配置参考：

    • 镜像：选择“OpenClaw(Moltbot)镜像”

    • 实例规格：2vCPU + 4GiB内存（至少2GiB）

    • 地域：优先选择中国香港（免ICP备案，网络限制少）

    • 时长：新人专享68元/年起

2.4.2 基础配置

购买完成后，进入轻量应用服务器控制台：

bash

# SSH登录服务器（替换为你的公网IP）
ssh root@你的服务器公网IP

# 放行核心端口
sudo apt install ufw -y
sudo ufw allow 22/tcp      # SSH
sudo ufw allow 18789/tcp   # OpenClaw核心通信
sudo ufw allow 80/tcp       # Web访问
sudo ufw enable

# 验证服务状态
systemctl status openclaw   # 应为active(running)
2.4.3 初始化配置

bash

# 初始化OpenClaw
openclaw onboard --install-daemon

# 生成访问令牌
openclaw token generate

# 查看令牌
cat ~/.openclaw/openclaw.json | grep '"token"' | awk -F'"' '{print $4}'

访问方式：http://服务器公网IP:18789/?token=你的Token

2.4.4 云端部署注意事项

  • 内存不足：运行多个技能至少需要4GiB内存，可在控制台升级配置

  • 网络限制：国内地域（除香港）访问海外技能库可能受限，建议选择香港地域

  • 安全组：18789端口来源可暂时设为0.0.0.0/0（测试阶段），稳定后限制为特定IP

第3节 OpenClaw中文deepseek版的安装

3.1 什么是中文DeepSeek版？

OpenClaw中文DeepSeek版是指将DeepSeek大模型作为OpenClaw的“大脑”，通过OpenAI兼容接口进行对接的配置方案。DeepSeek由深度求索公司开发，在中文理解和生成方面表现优异，且提供免费API额度。

3.2 获取DeepSeek API Key

  1. 访问DeepSeek开放平台

  2. 注册/登录账号

  3. 进入左侧导航栏“API Keys”页面

  4. 点击“创建新的API Key”

  5. 立即复制并保存生成的Key（关闭后无法再次查看完整Key）

3.3 配置OpenClaw对接DeepSeek

方法一：通过命令行配置

bash

# 进入OpenClaw配置模式
openclaw config

# 按照以下顺序选择：
# 1. 选择 Model（模型配置）
# 2. 选择 Custom (OpenAI Compatible)
# 3. 输入以下参数：
#    - API Key: 你的DeepSeek API Key
#    - Base URL: https://api.deepseek.com/v1
#    - Model Name: deepseek-chat

# 保存配置
openclaw gateway restart
方法二：直接修改配置文件

编辑 ~/.openclaw/openclaw.json 文件：

json

{
  "models": {
    "providers": {
      "deepseek": {
        "baseUrl": "https://api.deepseek.com/v1",
        "apiKey": "你的DeepSeek API Key",
        "api": "openai-completions",
        "models": [
          {
            "id": "deepseek-chat",
            "name": "DeepSeek Chat",
            "input": ["text"],
            "contextWindow": 128000,
            "maxTokens": 8192,
            "reasoning": false
          }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "deepseek/deepseek-chat"
      }
    }
  }
}

3.4 验证配置

bash

# 测试模型连接
openclaw doctor

# 发送测试消息
openclaw chat --message "你好，请介绍一下自己" --model deepseek/deepseek-chat

如果返回正常响应，说明DeepSeek已成功接入。

3.5 使用DeepSeek-Reasoner（R1模型）

DeepSeek还提供推理增强模型deepseek-reasoner，适合复杂推理任务：

json

{
  "models": {
    "providers": {
      "deepseek": {
        "baseUrl": "https://api.deepseek.com/v1",
        "apiKey": "你的DeepSeek API Key",
        "api": "openai-completions",
        "models": [
          {
            "id": "deepseek-reasoner",
            "name": "DeepSeek Reasoner",
            "input": ["text"],
            "contextWindow": 64000,
            "maxTokens": 8192,
            "reasoning": true
          }
        ]
      }
    }
  }
}

第4节 OpenClaw免token部署

4.1 什么是免token模式？

免token模式是指在不提供大模型API Key的情况下运行OpenClaw，通常用于：

  • 本地测试和开发

  • 使用OpenClaw内置的轻量模型

  • 仅使用Skills执行自动化任务（不依赖大模型理解能力）

4.2 免token部署的适用场景

场景 说明 是否推荐
初期测试体验 先熟悉OpenClaw界面和功能 ✅ 推荐
Skills自动化开发 测试Skill执行流程 ✅ 推荐
使用本地模型 配合Ollama等本地大模型 ✅ 可行
正式生产环境 需要智能对话和复杂理解 ❌ 不推荐

4.3 免token部署步骤

4.3.1 安装OpenClaw

按照第2节的步骤完成基础安装。

4.3.2 跳过模型配置

在执行 openclaw onboard 时，当提示选择模型提供商：

text

? Select a model provider (Use arrow keys)
❯ OpenAI
  Anthropic
  Custom Provider
  Skip (No model)

选择 Skip (No model) 跳过模型配置。

4.3.3 使用内置echo模式

OpenClaw提供了内置的echo模式，用于测试：

bash

# 配置使用echo模式
openclaw config set agent.defaults.model.primary echo

# 重启网关
openclaw gateway restart

echo模式会简单回显用户输入，不调用任何大模型。

4.3.4 配合本地模型（Ollama）

如果你希望免费使用但需要智能能力，可以部署本地模型：

  1. 安装Ollama：访问ollama.ai下载安装

  2. 下载模型：

    bash

    ollama pull qwen2.5:7b  # 阿里千问模型，中文能力强

  3. 配置OpenClaw对接Ollama：

    bash

    openclaw config set models.providers.ollama.baseUrl http://localhost:11434
openclaw config set models.providers.ollama.api ollama
openclaw config set models.providers.ollama.models[0].id qwen2.5:7b
openclaw config set agent.defaults.model.primary ollama/qwen2.5:7b
openclaw gateway restart

4.4 免token模式下的功能限制

功能 免token模式 正常模式
智能对话 ❌ 不可用 ✅ 可用
指令理解 ❌ 需要精确指令 ✅ 自然语言
Skills执行 ✅ 可执行 ✅ 可执行
定时任务 ✅ 可用 ✅ 可用
多端接入 ✅ 可用 ✅ 可用

4.5 实战：免token模式下执行Skill

即使没有大模型，你仍然可以通过精确指令执行预定义的Skill：

bash

# 定义简单Skill（在OpenClaw配置中心添加）
Skill名称：weather
触发词：/weather
执行内容：调用外部API获取天气并返回

# 在聊天界面使用
/weather 北京
# 返回：北京今日天气晴朗，气温15-25℃

这种方式适合需要稳定执行固定流程的自动化场景。

第5节 OpenClaw模型对接

5.1 模型对接概述

OpenClaw支持接入多种大模型作为“大脑”，负责理解用户意图、拆解任务、决定调用哪些Skill。选择合适的模型直接影响智能体的表现和成本。

5.2 支持的模型类型

类型 示例 适用场景
云端商业模型 OpenAI GPT-4、DeepSeek、Claude 需要最强智能、不介意API费用
本地开源模型 Qwen2.5、Llama3、Mistral 数据隐私要求高、需要免费
国产模型 阿里百炼、智谱、文心 中文场景优化、国内访问稳定

5.3 对接DeepSeek（详细步骤）

第1步：获取API Key

第2步：配置OpenClaw

bash

# 方法一：交互式配置
openclaw config

# 进入模型配置菜单
# 选择 "Add Provider" → "Custom (OpenAI Compatible)"
# 名称: deepseek
# Base URL: https://api.deepseek.com/v1
# API Key: 你的DeepSeek Key
# 默认模型: deepseek-chat

# 方法二：直接命令行配置
openclaw config set models.providers.deepseek.baseUrl "https://api.deepseek.com/v1"
openclaw config set models.providers.deepseek.apiKey "你的DeepSeek API Key"
openclaw config set models.providers.deepseek.api "openai-completions"
openclaw config set models.providers.deepseek.models[0].id "deepseek-chat"
openclaw config set agent.defaults.model.primary "deepseek/deepseek-chat"

第3步：测试连接

bash

openclaw doctor
# 应显示 "Model deepseek/deepseek-chat: OK"

5.4 对接阿里云百炼

阿里云百炼平台提供多种国产模型，国内访问速度快。

第1步：获取百炼API Key

  1. 登录阿里云百炼控制台

  2. 进入“密钥管理”

  3. 点击“创建API-Key”，复制保存

第2步：配置OpenClaw

bash

openclaw config set models.providers.bailian.baseUrl "https://dashscope.aliyuncs.com/compatible-mode/v1"
openclaw config set models.providers.bailian.apiKey "你的百炼API Key"
openclaw config set models.providers.bailian.api "openai-completions"
openclaw config set models.providers.bailian.models[0].id "qwen-plus"
openclaw config set agent.defaults.model.primary "bailian/qwen-plus"

常用百炼模型ID：

  • qwen-plus：通义千问Plus版，平衡效果和速度

  • qwen-max：最强版本，适合复杂任务

  • qwen-turbo：快速响应，适合简单对话

5.5 对接本地Ollama模型

第1步：安装Ollama

bash

# Mac/Linux
curl -fsSL https://ollama.ai/install.sh | sh

# Windows
# 从 ollama.ai/download 下载安装包

第2步：下载模型

bash

# 推荐中文模型：Qwen2.5
ollama pull qwen2.5:7b

# 其他选项
# ollama pull llama3.2:3b  # 轻量快速
# ollama pull mistral:7b   # 英文能力强

第3步：配置OpenClaw对接

bash

openclaw config set models.providers.ollama.baseUrl "http://localhost:11434"
openclaw config set models.providers.ollama.api "ollama"
openclaw config set models.providers.ollama.models[0].id "qwen2.5:7b"
openclaw config set agent.defaults.model.primary "ollama/qwen2.5:7b"
openclaw gateway restart

5.6 多模型策略配置

OpenClaw支持根据任务类型自动选择不同模型：

json

{
  "agents": {
    "defaults": {
      "model": {
        "primary": "deepseek/deepseek-chat",     // 主模型
        "fallback": "ollama/qwen2.5:7b",         // 降级备用
        "strategies": {
          "quick": "ollama/qwen2.5:7b",           // 快速响应任务
          "reasoning": "deepseek/deepseek-reasoner", // 推理任务
          "coding": "openai/gpt-4"                 // 编程任务
        }
      }
    }
  }
}

5.7 模型性能调优

参数 说明 推荐设置
temperature 随机性（0-1） 0.7（平衡），0.1（精确），0.9（创意）
max_tokens 最大输出长度 2048（默认），复杂任务可增大
top_p 核采样 0.9（配合temperature使用）

配置示例：

bash

openclaw config set models.providers.deepseek.options.temperature 0.7
openclaw config set models.providers.deepseek.options.max_tokens 4096

第6节 OpenClaw飞书的对接

6.1 飞书集成概述

OpenClaw与飞书集成后，你可以在飞书单聊或群聊中直接@机器人发送指令，驱动OpenClaw完成办公自动化、任务管理、智能问答等核心功能。无需切换平台，大幅提升协作效率。

集成架构：

text

飞书用户 → 飞书服务器 → OpenClaw网关 → 模型/Skills → 结果返回飞书

6.2 前置准备

  1. OpenClaw已部署运行（云端或本地均可，推荐云端7×24小时运行）

  2. 大模型已配置（至少有一个可用的模型）

  3. 飞书企业账号（具备管理员或开发者权限）

  4. 网络要求：OpenClaw的18789端口可公网访问（云端部署已满足）

6.3 飞书端配置（详细步骤）

6.3.1 创建企业自建应用

  1. 登录飞书开发者后台

  2. 点击“创建企业自建应用”

  3. 填写基本信息：

    • 应用名称：例如“OpenClaw智能助手”

    • 应用描述：办公自动化协作助手

    • 应用图标：可上传自定义图标

  4. 点击“创建”

6.3.2 添加机器人能力

  1. 进入应用详情页

  2. 左侧导航栏找到“添加应用能力”

  3. 切换到“按能力添加”页签

  4. 找到“机器人”卡片，点击“添加”

6.3.3 开通必要权限

进入“权限管理”页面，开通以下核心权限：

权限名称 作用
允许机器人以应用身份发送消息 机器人回复用户
接收群聊中@机器人的消息 群内交互
读取用户私聊发给机器人的消息 单聊交互
获取用户ID 识别用户身份
访问聊天会话信息 获取会话上下文

开通方法：

  1. 点击“开通权限”

  2. 搜索上述权限名称

  3. 勾选后点击“确认开通”

6.3.4 获取核心凭证

进入“凭证与基础信息”页面，复制并保存以下信息：

  • App ID：应用的唯一标识

  • App Secret：应用的安全凭证（点击“显示”后复制）

  • Encrypt Key：事件回调加密密钥（若为空，点击“重置”生成）

  • Verification Token：验证令牌

⚠️ 重要：这些凭证仅在创建时可查看完整内容，请妥善保存。

6.3.5 配置事件订阅

  1. 进入“事件与回调”页面

  2. 在“事件配置”页签，点击“配置订阅方式”

  3. 选择“将事件发送至开发者服务器”

  4. 填写回调地址：

    text

    http://你的服务器公网IP:18789

    （本地部署测试可用ngrok临时暴露公网地址）

  5. 点击“保存”

  6. 添加事件：

    • 点击“添加事件”

    • 搜索并添加“接收消息”事件

    • 保存

6.3.6 版本发布与上线

  1. 进入“版本管理与发布”页面

  2. 点击“创建新版本”

  3. 填写：

    • 版本号：如 v1.0.0

    • 版本描述：OpenClaw集成飞书基础版

    • 应用可见范围：选择“企业内全部用户”或指定范围

  4. 点击“保存”

  5. 点击“确认发布”，提交审批

  6. 若你是管理员，可直接审批通过；否则等待管理员审批

6.4 OpenClaw端配置

6.4.1 填写飞书凭证

在OpenClaw所在服务器执行：

bash

# 配置飞书凭证
openclaw config set channels.feishu.appId "你的飞书App ID"
openclaw config set channels.feishu.appSecret "你的飞书App Secret"
openclaw config set channels.feishu.encryptKey "你的Encrypt Key"
openclaw config set channels.feishu.verificationToken "你的Verification Token"

# 启用飞书通道
openclaw config set channels.feishu.enabled true

# 推荐使用WebSocket长连接模式
openclaw config set channels.feishu.connectionMode websocket

# 配置安全策略
openclaw config set channels.feishu.dmPolicy pairing      # 私聊需配对
openclaw config set channels.feishu.groupPolicy allowlist # 群聊需白名单
openclaw config set channels.feishu.requireMention true   # 群聊需@机器人

# 重启网关使配置生效
openclaw gateway restart
6.4.2 验证对接状态

bash

# 查看飞书通道状态
openclaw config get channels.feishu

# 查看日志确认连接
openclaw logs --follow

正常连接时应看到类似日志：

text

[feishu] Connected to Feishu server via WebSocket
[feishu] Ready to receive messages

6.5 功能验证与测试

6.5.1 在飞书中添加机器人

  1. 打开飞书电脑端

  2. 进入任意群聊或创建单聊

  3. 点击“设置” → “群机器人” → “添加机器人”

  4. 搜索你的应用名称（如“OpenClaw智能助手”）

  5. 点击“添加”

6.5.2 测试单聊

在飞书私聊窗口发送消息：

text

你好，请介绍一下自己

机器人应正常回复。

6.5.3 测试群聊

在群聊中@机器人：

text

@OpenClaw智能助手 今天天气怎么样？

机器人应被@后响应。

6.6 常见问题排查

问题 可能原因 解决方案
机器人不回复 凭证配置错误 重新核对App ID/Secret，确保无空格
回调地址无效 端口未放行 检查服务器防火墙，确保18789端口可访问
签名验证失败 系统时间不同步 同步服务器时间：ntpdate ntp.aliyun.com
群聊不响应 未开启@权限 检查飞书权限配置，确保“接收群聊@消息”已开通
连接超时 网络问题 检查服务器网络，尝试更换为WebSocket模式

第7节 OpenClaw数据库的连接skills

7.1 Skills概念深入理解

Skill是什么？

Skill是OpenClaw中一个可执行的自动化任务单元，包含输入、处理、输出三个基本要素。可以这样理解：

  • 乐高积木：多个Skill可以组合成复杂的工作流

  • 手机APP：每个Skill是独立的功能模块

  • 函数：可被调用、传参、返回值

Skill的核心价值：

  • 复用：一次开发，多处使用

  • 封装：隐藏实现细节，只暴露接口

  • 解耦：各Skill独立开发、独立维护

  • 生态共享：可在社区找到现成Skill

7.2 数据库连接Skill的应用场景

数据库连接Skill让OpenClaw能够直接操作数据库，实现数据自动化：

场景 说明 示例
数据查询 用自然语言查数据库 “查询本月销售额前10的商品”
报表自动生成 定时查询并推送报表 每天9点发送昨日销售报表到飞书
数据更新 自动化数据维护 批量更新、数据清洗
监控告警 异常数据自动通知 库存低于安全值时告警

7.3 支持的数据库类型

OpenClaw通过Skills支持多种数据库：

数据库类型 Skill名称 适用场景
SQLite skill-db-sqlite 本地轻量存储、嵌入式应用
MySQL skill-db-mysql 企业级应用、高并发
PostgreSQL skill-db-postgres 复杂查询、地理空间数据
MongoDB skill-db-mongodb 非结构化数据、JSON文档

7.4 安装数据库Skill

7.4.1 从官方市场安装

bash

# 查看可用数据库Skill
openclaw skill search database

# 安装SQLite Skill
openclaw skill install @openclaw/skill-db-sqlite

# 安装MySQL Skill
openclaw skill install @openclaw/skill-db-mysql

# 查看已安装Skill
openclaw skill list
7.4.2 配置数据库连接

以SQLite为例：

bash

# 配置SQLite连接
openclaw config set skills.db-sqlite.connections.default.type sqlite
openclaw config set skills.db-sqlite.connections.default.database "/path/to/your/data.db"

# 测试连接
openclaw skill invoke db-sqlite.test-connection --connection default

以MySQL为例：

bash

# 配置MySQL连接
openclaw config set skills.db-mysql.connections.production.type mysql
openclaw config set skills.db-mysql.connections.production.host "localhost"
openclaw config set skills.db-mysql.connections.production.port 3306
openclaw config set skills.db-mysql.connections.production.user "root"
openclaw config set skills.db-mysql.connections.production.password "yourpassword"
openclaw config set skills.db-mysql.connections.production.database "myapp"

# 测试连接
openclaw skill invoke db-mysql.test-connection --connection production

7.5 数据库Skill的核心API

安装完成后，Skill会提供以下API：

SQLite Skill API
方法 说明 示例
query 执行查询 SELECT * FROM users WHERE id = ?
execute 执行更新 INSERT INTO users (name) VALUES (?)
transaction 事务执行 多条SQL作为一个原子操作
tables 列出所有表 返回数据库中的表列表
describe 查看表结构 DESCRIBE users
MySQL Skill API
方法 说明 示例
query 执行查询 SELECT * FROM orders WHERE status = 'pending'
execute 执行更新 UPDATE orders SET status = 'processed' WHERE id = ?
batchInsert 批量插入 一次性插入多条记录
transaction 事务执行 确保数据一致性
getConnection 获取原始连接 用于高级操作

7.6 实战案例：自动销售报表

场景需求

每天上午9点，自动查询前一天的销售数据，生成报表并发送到飞书群。

第1步：创建报表查询Skill
第2步：安装并注册Skill

bash

# 安装依赖数据库Skill
openclaw skill install @openclaw/skill-db-mysql
openclaw skill install @openclaw/skill-feishu

# 注册自定义Skill
openclaw skill register ./skill-daily-sales-report.js
第3步：创建定时任务

bash

# 配置定时任务，每天9点执行
openclaw task create \
  --name "daily-sales-report" \
  --skill "daily-sales-report" \
  --schedule "0 9 * * *" \
  --params '{"date": null}' \
  --enabled true
第4步：手动测试

bash

openclaw task run daily-sales-report --params '{"date": "2026-03-11"}'

7.7 实战案例：数据库监控告警

场景需求

监控订单表，当出现异常订单（如金额超过10万元）时，立即发送告警。

创建监控Skill
配置高频监控任务

bash

# 每5分钟执行一次
openclaw task create \
  --name "order-monitor" \
  --skill "order-monitor" \
  --schedule "*/5 * * * *" \
  --enabled true

7.8 开发自定义数据库Skill

如果你想开发更复杂的数据库Skill，可以参考以下模板：

7.9 数据库Skill最佳实践

安全建议

  1. 最小权限原则：数据库用户只授予必要的权限（如只读用户用于查询）

  2. 连接池管理：配置合适的连接池大小，避免耗尽数据库连接

  3. SQL注入防护：始终使用参数化查询，不要拼接SQL字符串

  4. 敏感数据脱敏：返回结果前过滤敏感字段（如密码、手机号）

性能优化

第8节 豆瓣电影采集技能添加

8.1 技能概述

豆瓣电影采集Skill是一个实战性很强的案例，它展示了OpenClaw如何通过浏览器自动化实现网页数据抓取。通过这个技能，你可以：

  • 根据关键词搜索电影

  • 获取电影详情（评分、导演、演员、简介）

  • 定时抓取热门电影榜单

  • 将结果保存到数据库或推送至飞书

8.2 技能开发前的准备

8.2.1 安装依赖Skill

bash

# 安装浏览器自动化Skill（OpenClaw自带）
openclaw skill list | grep browser
# 应看到 @openclaw/skill-agent-browser

# 如果没有，手动安装
openclaw skill install @openclaw/skill-agent-browser

# 安装可选的数据存储Skill
openclaw skill install @openclaw/skill-db-sqlite
8.2.2 测试浏览器Skill

8.3 创建豆瓣电影搜索Skill

8.3.1 编写Skill代码

8.4 注册并测试Skill

8.4.1 注册Skill

bash

# 注册自定义Skill
openclaw skill register ~/.openclaw/skills/custom/douban-movie.js

# 查看是否注册成功
openclaw skill list | grep douban
8.4.2 测试Skill

8.5 创建数据库表（如果需要保存记录）

8.6 创建定时任务：每日热门电影推送

8.6.1 编写热门电影Skill

8.7 通过飞书调用豆瓣电影Skill

在飞书中与机器人对话：

text

用户: @机器人 帮我找一下电影《流浪地球》
机器人: 正在搜索，请稍候...
机器人: 🎬 **豆瓣电影搜索结果**

**1. 流浪地球2**
⭐ 评分: 8.3 (492583人评价)
🎬 导演: 郭帆
👥 主演: 吴京、刘德华、李雪健等
📂 类型: 科幻/冒险/灾难
📅 上映: 2023-01-22(中国大陆)
⏱️ 片长: 173分钟
📝 简介: 太阳即将毁灭，人类在地球表面建造出巨大的推进器，寻找新的家园...
🔗 链接: https://movie.douban.com/subject/35267208/

8.8 技能优化与扩展

8.8.1 添加缓存机制

为了避免频繁请求豆瓣被限制，可以添加缓存：

javascript

// 在Skill中添加缓存
const cacheKey = `douban_search_${params.keyword}`;
const cached = await context.cache.get(cacheKey);

if (cached) {
  return { success: true, fromCache: true, ...cached };
}

// 执行搜索...
// 保存到缓存（1小时过期）
await context.cache.set(cacheKey, result, 3600);
8.8.2 添加错误重试

javascript

// 添加重试机制
const maxRetries = 3;
let lastError;

for (let i = 0; i < maxRetries; i++) {
  try {
    // 执行搜索
    const result = await searchDouban(params.keyword);
    return result;
  } catch (error) {
    lastError = error;
    logger.warn(`第${i+1}次尝试失败: ${error.message}`);
    // 等待后重试
    await new Promise(resolve => setTimeout(resolve, 2000 * (i + 1)));
  }
}

throw new Error(`重试${maxRetries}次后仍然失败: ${lastError.message}`);
8.8.3 添加反爬虫策略

javascript

// 随机等待时间
const waitTime = Math.floor(Math.random() * 3000) + 2000; // 2-5秒
await browser.waitForTimeout(waitTime);

// 随机User-Agent
const userAgents = [
  'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36...',
  'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36...',
  // 更多UA
];
const randomUA = userAgents[Math.floor(Math.random() * userAgents.length)];
await browser.setUserAgent(randomUA);

8.9 技能发布与分享

完成Skill开发后，你可以将其发布到OpenClaw社区，让更多人使用：

  1. 准备发布材料：

    • Skill代码

    • README文档（说明功能、参数、使用方法）

    • 示例截图

  2. 发布到GitHub：

    bash

    git clone https://github.com/yourname/openclaw-skill-douban
cd openclaw-skill-douban
# 添加代码和文档
git push

  3. 提交到官方市场：
    访问 ClawHub 提交你的Skill。

课程总结

通过本课程的学习，你已经掌握了：

  1. OpenClaw基础认知：了解什么是AI智能体，OpenClaw的核心架构和应用场景

  2. 部署安装：掌握Windows/Mac本地部署和阿里云云端部署

  3. 模型对接：学会接入DeepSeek、阿里百炼、本地Ollama等多种模型

  4. 飞书集成：将OpenClaw接入飞书，实现随时随地指令交互

  5. Skills开发：理解Skills原理，掌握数据库连接和豆瓣电影采集实战

下一步建议：

  • 探索更多官方和社区Skill

  • 尝试开发自己的业务场景Skill

  • 关注OpenClaw官方文档和社区动态

课程地址

OpenClaw实操课 https://edu.csdn.net/course/detail/41012?spm=1001.2014.3001.5507

# 人工智能
Logo
AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

cover

打破行业不可能三角难题，荣耀Magic V6重塑折叠屏智慧体验

avatar AtomGit开源社区

基于二进制粒子群优化(BPSO)最佳PMU位置(OPP)配置研究（Matlab代码实现）

OPP的目标是以最小PMU数量实现电力系统完全可观测性，同时满足成本、通信和物理约束。数学模型目标函数：最小化总成本，即min⁡∑k=1nckyk，其中yk∈{0,1}表示是否在节点k安装PMU。约束条件：可观测性约束：所有节点需通过PMU直接测量或间接推导（如零注入总线）被覆盖。通道限制：PMU的电压/电流测量通道数不超过硬件容量。冗余度要求：例如总线可观测性指数（BOI）和总系统冗余指数（TS

avatar AtomGit开源社区

基于LSTM-Adaboost的电力负荷预测（Matlab代码实现）

电力负荷预测是保障电力系统安全、经济运行的关键环节。本文提出了一种结合长短期记忆网络（LSTM）与Adaboost算法的电力负荷预测模型，通过LSTM捕捉电力负荷的时间序列特征，利用Adaboost算法优化预测性能。实验结果表明，该模型在预测精度上显著优于单一LSTM模型和传统预测方法，为电力系统的调度与规划提供了更可靠的决策依据。

avatar AtomGit开源社区