OpenClaw技能开发入门为Phi-3-mini-128k-instruct定制自动化插件1. 为什么需要自定义OpenClaw技能去年夏天我发现自己每天要重复做三件事查看天气、整理会议纪要、归档下载的文件。这些琐事看似简单但累积起来每天要消耗我近1小时。当我尝试用现有AI工具解决时发现要么需要复杂的API对接要么功能过于死板无法定制。这促使我开始研究OpenClaw的技能开发体系。OpenClaw最吸引我的地方在于它的技能市场机制。不同于传统自动化工具需要从头写脚本OpenClaw允许开发者将常用功能封装成可复用的skill模块。就像给手机安装APP一样用户可以通过简单命令为AI助手添加新能力。今天我就以开发一个天气查询skill为例带大家体验完整的技能开发流程。2. 开发环境准备2.1 基础工具链配置我的开发环境是macOS VS Code核心工具包括Node.js 18OpenClaw的运行时环境Git代码版本管理curlAPI测试工具jqJSON处理工具建议先运行openclaw --version确认CLI工具版本在0.8.0以上。如果尚未安装可以通过以下命令快速配置brew install node18 npm install -g openclawlatest2.2 模型服务对接由于我们要开发的天气skill需要自然语言理解能力这里选择对接Phi-3-mini-128k-instruct模型。这个模型在指令跟随和结构化输出方面表现优异非常适合技能开发场景。在~/.openclaw/openclaw.json中添加模型配置models: { providers: { phi3-local: { baseUrl: http://localhost:8000/v1, api: openai-completions, models: [{ id: phi-3-mini-128k-instruct, name: Phi-3 Instruct }] } } }配置完成后可以通过这个简单测试验证模型连接openclaw exec 用一句话说明你是谁 --model phi-3-mini-128k-instruct3. 天气查询技能开发实战3.1 技能项目初始化OpenClaw技能本质是一个符合特定规范的Node.js模块。我们先用官方模板创建项目骨架npx create-clawhub-skill weather-query cd weather-query生成的项目包含关键文件package.json定义技能元数据和依赖src/index.ts技能主逻辑入口skill.yaml技能描述文件3.2 天气API服务封装我选择和风天气作为数据源它的免费套餐足够个人使用。在src/weather.ts中封装API客户端import axios from axios; interface WeatherParams { location: string; key: string; } export async function getWeather({location, key}: WeatherParams) { const url https://devapi.qweather.com/v7/weather/now?location${location}key${key}; const response await axios.get(url); return { temp: response.data.now.temp, text: response.data.now.text, humidity: response.data.now.humidity }; }注意这里需要先在和风天气平台申请API Key并配置到环境变量export QWEATHER_KEY你的Key3.3 模型指令设计为了让Phi-3模型理解天气查询意图我们需要设计清晰的指令模板。在src/prompts/weather.ts中定义export const WEATHER_PROMPT 你是一个天气查询助手。当用户询问天气时你需要 1. 从用户输入中提取地理位置如北京、New York 2. 调用weather.getWeather工具查询实时天气 3. 按以下格式返回结果 { location: 提取的位置, weather: { temp: 温度, condition: 天气状况, humidity: 湿度 }, advice: 根据天气给出的穿衣建议 } 如果无法确定位置请要求用户明确说明。;这个模板通过JSON Schema规范了输出结构确保后续处理的一致性。3.4 技能主逻辑实现在src/index.ts中组合各个模块import { Skill } from openclaw/core; import { getWeather } from ./weather; import { WEATHER_PROMPT } from ./prompts/weather; export default new Skill({ name: weather-query, description: 实时天气查询技能, tools: [{ name: weather.getWeather, description: 获取指定位置的实时天气数据, parameters: { location: { type: string, required: true } }, execute: async ({ location }) { return getWeather({ location, key: process.env.QWEATHER_KEY! }); } }], async execute({ input, tools, model }) { const response await model.chat({ messages: [{ role: system, content: WEATHER_PROMPT }, { role: user, content: input }], tools: this.tools }); return response.content; } });关键点说明tools属性声明技能提供的API接口execute方法处理用户输入并协调模型与工具调用模型返回的结构化数据可以直接用于后续展示4. 技能测试与调试4.1 本地测试方法OpenClaw提供了便捷的本地测试工具。首先在项目目录下创建测试文件test/weather.test.tsimport skill from ../src; describe(Weather Skill, () { it(should query weather, async () { const result await skill.execute({ input: 上海现在天气怎么样, model: { chat: mockModel } }); expect(result).toHaveProperty(location); expect(result).toHaveProperty(weather); }); });运行测试前需要启动本地开发服务器openclaw dev --skill ./src4.2 常见问题排查在开发过程中我遇到了几个典型问题API密钥失效解决方案是将密钥存储在~/.openclaw/env文件中通过openclaw env:set命令管理模型输出格式不稳定通过强化prompt中的JSON Schema定义并设置response_format: { type: json_object }参数解决地理位置识别错误增加了输入预处理环节使用简单的城市名白名单过滤这些经验让我意识到一个健壮的skill需要处理好边界情况而不仅仅是实现核心功能。5. 发布到ClawHub市场5.1 技能打包首先确保skill.yaml包含完整的元数据name: weather-query version: 1.0.0 description: 实时天气查询技能 author: yourname tags: - weather - api - tools然后运行打包命令clawhub pack这会生成weather-query-1.0.0.claw发布包。5.2 发布流程在ClawHub官网注册开发者账号通过Web界面上传技能包填写详细的技能说明文档提交审核通常1-2个工作日内完成发布成功后其他用户就可以通过简单命令安装你的技能了clawhub install weather-query5.3 版本更新策略当需要更新技能时遵循语义化版本规范补丁版本1.0.x修复bug次要版本1.x.0向后兼容的功能新增主版本x.0.0不兼容的API变更每次更新都需要重新打包并提交审核。6. 扩展应用场景这个天气skill虽然简单但展示了OpenClaw技能开发的核心模式。基于相同的方法论我们可以开发更复杂的技能会议纪要生成器对接日历API 语音转录服务智能文件归档根据内容自动分类和重命名文件个性化新闻摘要根据用户兴趣过滤和总结RSS内容关键在于将重复性工作分解为意图识别→API调用→结果处理的标准流程然后用OpenClaw的skill机制将其产品化。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。