使用 OpenClaw 的 Skills 对接本地系统
Skills 听说过吧,AI 圈里整天都在讨论的。今天我们就通过它来让 OpenClaw 有能力对接我们本地的系统。
此篇仅提供思路,由于目前 OpenClaw 不太建议在生产环境使用,并且其能力范围可能远超我们的想象,所以这里只做演示用,实际项目中落地请一定要慎重。
主要的方法就是将访问本地系统的方法封装成一个 Python 函数,然后把其作为 Agent 的 Tool,提供给 AI,让其决定根据用户的指令,如何利用这些 Tools 来完成任务。
接下来我们来演示,如何使用 OpenClaw 的 Skills 来实现同样的功能,这也是使用任何 Agent,包括 OpenClaw 对接本地应用系统的一种方式。
首先,创建 Skill。作为一个 Agent,它是不知道为了回答特定的问题,该去如何获取相应的数据来完成任务的,Skill 就可以帮其完成这个任务。 然而这个 Skill 我们不需要自己手动去写,我们可以让 OpenClaw 帮助我们来完成。
比如我可以给 OpenClaw 下达一个任务:
请根据以下文章里的内容,帮我创建技能: https://www.cnblogs.com/aspnetx/p/19242559
这里你可以懒到,把先前的 python 代码给它,或者直接让它去我的博客里去读。 技能生成好了之后它会跟你确认是否安装,回复安装即可完成技能的导入。
在 OpenClaw 的目录中,我们可以看到这个 Skill 成功安装,并且也可以看到对应的 Python 代码文件也放到了 Scripts 目录下。 以下可以看到 OpenClaw 生成的 Skill 的 markdown 文件:
--- name: sales-training-agent description: 根据销售评测结果自动分析培训需求,生成个性化培训内容并创建对应的考试题目。Use when 需要为销售团队生成培训材料、根据评测结果规划培训计划、或自动生成销售培训考试题目的场景。 --- # Sales Training Agent 自动分析销售评测结果,生成个性化培训内容和对应的考试题目。 ## 功能特点 - 自动获取销售团队名单和评测规则 - 查询每个销售的评测分数,判断是否需要培训 - 根据不及格项目自动加载对应的培训内容 - 使用大模型为每个培训主题生成针对性的考试题目 - 完全遵循人工思考流程,依次调用工具获取信息 ## 包含的工具函数 | 函数 | 功能 | |------|------| | `get_sales()` | 获取销售列表 | | `get_salespolicy()` | 获取评测规则(低于 60 分需要重新培训) | | `get_salesscore(salesname)` | 获取指定销售的各项评测分数 | | `get_trainingcontent(traininggroup)` | 根据培训分组获取培训内容(产品信息/话术技巧/拜访流程) | ## 目录结构 ``` sales-training-agent/ ├── SKILL.md └── scripts/ └── sales_training_agent.py ``` ## 使用方法 ```bash cd /Users/xxx/.openclaw/workspace/skills/sales-training-agent/scripts python sales_training_agent.py ``` 脚本会运行 Agent 并输出完整的推理过程,包括: 1. 获取评测规则 2. 获取销售列表 3. 查询每个人的评测分数 . 分析哪些人需要哪些培训 . 获取对应培训内容 ## 依赖 需要安装: - langchain >= - volcenginesdkarkruntime(如果使用豆包模型) 你可以更换成其他支持工具调用的大模型(如 deepseek、openai 等)。 ## 示例数据 默认包含迈巴赫 S 级汽车产品培训演示数据: - 产品信息:迈巴赫 S 级的定位、价格、动力、配置 - 话术技巧:销售沟通五步法 - 拜访流程:标准销售拜访五步法 三个销售人员示例数据: - 张三:话术技巧 分(需要培训) - 李四:产品信息 分、拜访流程 分(需要培训) - 王五:全部及格(无需培训)

