OpenClaw技能开发入门为Qwen3-4B-Thinking定制私人助手1. 为什么需要定制OpenClaw技能去年冬天我发现自己每天早晨都要重复同样的动作打开浏览器→搜索北京天气→截图发到家庭群。这种机械操作持续两周后我决定用OpenClaw实现自动化。但现成技能库里没有天气查询模块这促使我踏上了技能开发之路。OpenClaw真正的魅力在于它的可扩展性。通过开发自定义技能我们可以让AI助手真正理解个人工作流中的特殊需求。比如在我的案例中不仅需要获取天气数据还要能自动识别家庭成员所在城市并按特定格式生成带表情的温馨提醒。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关键组件包括# 确认Node.js版本要求18 node -v # v20.3.1 # 全局安装ClawDev工具包 npm install -g clawdevlatest建议在~/.openclaw/dev目录建立技能开发工作区这个位置不会被OpenClaw的常规更新覆盖。我创建了专属的天气技能目录结构weather-skill/ ├── package.json ├── src/ │ ├── index.js │ └── weather.js ├── test/ │ └── weather.test.js └── README.md2.2 模型服务对接由于要使用Qwen3-4B-Thinking模型处理自然语言请求需要先在OpenClaw配置文件中添加模型端点。这是我的~/.openclaw/openclaw.json配置片段models: { providers: { local-qwen: { baseUrl: http://localhost:8000/v1, apiKey: sk-no-key-required, api: openai-completions, models: [ { id: Qwen3-4B-Thinking, name: 本地Qwen思考版, contextWindow: 32768 } ] } } }配置完成后记得用openclaw gateway restart重启服务使配置生效。3. 天气预报技能开发实战3.1 需求拆解与技术选型一个完整的天气查询技能需要处理以下环节地址识别如上海或朝阳区数据获取选择免费天气API结果格式化模型喜欢的结构化数据异常处理网络错误、地址模糊等经过对比我选择心知天气API作为数据源它的免费版完全够用。更关键的是它的返回格式简洁适合直接喂给大模型处理。3.2 核心代码实现在src/weather.js中我实现了基础查询类const axios require(axios); class WeatherFetcher { constructor(apiKey) { this.apiKey apiKey || process.env.XZ_WEATHER_KEY; this.baseUrl https://api.seniverse.com/v3; } async getByLocation(location) { try { const response await axios.get(${this.baseUrl}/weather/now.json, { params: { key: this.apiKey, location: location, language: zh-Hans, unit: c } }); return this._formatResponse(response.data); } catch (error) { console.error(天气查询失败:, error); return { error: this._parseError(error) }; } } _formatResponse(data) { const result data.results[0]; return { location: result.location.name, temperature: result.now.temperature, condition: result.now.text, lastUpdate: result.last_update }; } } module.exports WeatherFetcher;3.3 与模型协同工作真正的魔法发生在index.js这里实现模型与技能的对接const WeatherFetcher require(./weather); const { Tool } require(clawdev); module.exports class WeatherSkill extends Tool { constructor() { super({ name: weather, description: 获取指定城市的实时天气信息, parameters: { type: object, properties: { location: { type: string, description: 城市名称如北京或New York } }, required: [location] } }); this.fetcher new WeatherFetcher(); } async execute(args) { const rawData await this.fetcher.getByLocation(args.location); // 让模型加工原始数据 const prompt 将以下天气数据转换为自然语言描述 地点${rawData.location} 温度${rawData.temperature}℃ 天气状况${rawData.condition} 最后更新时间${rawData.lastUpdate} 要求用中文生成一段温馨的天气提示包含适当的emoji不要用表情符号文字; const modelResponse await this.openclaw.models.chat({ model: Qwen3-4B-Thinking, messages: [{ role: user, content: prompt }] }); return modelResponse.choices[0].message.content; } };这种设计模式让模型专注于它擅长的自然语言生成而技能处理确定性的数据获取和转换。4. 测试与调试技巧4.1 单元测试配置我在test/weather.test.js中编写了基础测试用例const WeatherFetcher require(../src/weather); const mockAdapter require(axios-mock-adapter); const axios require(axios); describe(WeatherFetcher, () { let mock; beforeAll(() { mock new mockAdapter(axios); }); it(应正确格式化API响应, async () { mock.onGet(/weather\/now.json/).reply(200, { results: [{ location: { name: 北京 }, now: { temperature: 22, text: 晴 }, last_update: 2024-03-20T08:00:0008:00 }] }); const fetcher new WeatherFetcher(test_key); const result await fetcher.getByLocation(北京); expect(result).toEqual({ location: 北京, temperature: 22, condition: 晴, lastUpdate: 2024-03-20T08:00:0008:00 }); }); });使用jest运行测试时记得设置环境变量XZ_WEATHER_KEYmock_key jest weather.test.js4.2 真实环境调试开发过程中最实用的调试方法是使用OpenClaw的REPL模式openclaw repl --skill ./weather-skill在REPL中可以直接调用技能方法实时观察模型交互const weather require(./index); const instance new weather(); await instance.execute({ location: 上海 });5. 打包与发布5.1 创建技能包完整的package.json配置示例{ name: yourname/weather-skill, version: 0.1.0, description: OpenClaw天气查询技能, main: src/index.js, scripts: { test: jest }, dependencies: { axios: ^1.6.2 }, devDependencies: { clawdev: ^0.8.0, jest: ^29.7.0, axios-mock-adapter: ^1.22.0 }, claw: { type: skill, categories: [productivity], compatibility: [openclaw0.12.0] } }使用npm pack命令生成.tgz发布包这个包可以直接通过OpenClaw安装。5.2 发布到ClawHub如果想分享给社区可以发布到ClawHubclawhub login clawhub publish --category productivity发布后其他用户可以通过简单命令安装你的技能clawhub install yourname/weather-skill6. 进阶开发建议在完成基础版本后我陆续为天气技能添加了这些增强功能多日预报查询空气质量指数整合根据天气自动生成穿衣建议地理位置模糊匹配如我家附近一个实用的技巧是让技能支持渐进式信息获取。当用户只说天气时技能会通过模型反问您想查询哪个城市的天气这种交互模式比直接报错友好得多。开发过程中最深的体会是好的技能设计应该像乐高积木每个功能块保持独立且可组合。我的天气技能现在可以单独使用也能作为子模块被其他技能如出行规划调用。这种设计思路极大提高了代码的复用率。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。