OpenClaw实战--Day3：高阶技能

牛马摆渡人528
0 阅读8分钟

前言：接上两篇 Day1 和 Day2 的内容，我们已经完成了 OpenClaw + Ollama 的基础搭建、常用技能在线安装和飞书机器人对接。今天 Day3 的实战聚焦OpenClaw 高阶技能的部署，核心解决两个核心问题：① ClawHub 在线安装的频率限制问题，实现技能包离线手动安装；② 高阶技能实战，比如股票分析。

一、核心前提

  1. 确保 Day1+Day2 的环境正常运行：OpenClaw 网关启动、Ollama 本地模型正常、基础技能（filesystem-mcp/weather）可正常使用；
  2. 已准备好离线技能包（从 ClawHub 官网下载，zip 格式，文末附下载地址）；
  3. 终端仍使用管理员模式 PowerShell，掌握基础的文件解压 / 目录操作命令。

二、核心痛点解决：技能包离线手动安装（彻底解决 Rate limit exceeded）

Day2 中安装技能时遇到的Rate limit exceeded报错，是 ClawHub 在线接口的频率限制导致，离线下载技能包后手动安装是最优解，全程无需调用在线接口，支持任意技能安装，核心步骤以美股分析技能（stock-analysis） 和本地系统监控技能（system-resource-monitor） 为例演示。

前置准备：下载离线技能包

  1. 访问 ClawHub 官网：clawhub.ai/（海外网站，可使用国内镜像）；
  2. 在搜索框输入技能名（如stock-analysis、system-resource-monitor），找到对应技能的最新版本 zip 包；
  3. 下载到本地，建议保存到C:\Users<你的用户名>.openclaw目录（OpenClaw 主目录，便于操作）。

通用离线安装步骤（所有技能通用，收藏备用）

以安装stock-analysis-6.2.0.zip为例，OpenClaw 主目录为C:\Users\zxj.openclaw（替换为自己的用户名），步骤如下：

Step1：创建技能安装目录（固定路径）

OpenClaw 的自定义技能需安装在workspace/skills目录下，先创建该目录（若已存在则跳过）：

mkdir C:\Users\zxj.openclaw\workspace\skills

Step2：解压离线技能包到指定目录

使用 PowerShell 的Expand-Archive命令解压，强制覆盖同名目录（避免残留文件）：

# 格式：Expand-Archive -Path 技能包路径 -DestinationPath 解压目录 -Force
Expand-Archive -Path "C:\Users\zxj.openclaw\stock-analysis-6.2.0.zip" -DestinationPath "C:\Users\zxj.openclaw\workspace\skills\stock-analysis" -Force

Step3：验证解压结果

执行命令查看解压后的目录，能看到技能的核心文件（如_meta.json、scripts文件夹）即成功：

dir "C:\Users\zxj.openclaw\workspace\skills\stock-analysis"

Step4：重启 OpenClaw，加载离线技能

# 重启网关，使新技能生效
openclaw gateway restart
# 查看技能列表，状态显示ready即安装成功
openclaw skills list

成功示例：stock-analysis [ready]、system-resource-monitor [ready]。

进阶用法：让Ai自动离线安装

提示词：我的openclaw目录为C:\Users\zxj.openclaw，我在clawhub 下载了技能包，stock-analysis-6.2.0.zip，openclaw 如何安装呢？ image.png 经过多轮尝试，最后正确安装

image.png

.openclaw目录也多出一个workspace目录

image.png

神奇的是技能里面有python脚本 image.png

离线安装核心避坑点

  1. 解压目录命名：建议与技能名一致（如 stock-analysis），避免特殊字符 / 空格，否则 OpenClaw 无法识别；
  2. 固定安装路径：所有离线技能必须安装在.openclaw\workspace\skills目录下，这是 OpenClaw 的自定义技能默认扫描路径；
  3. 重启网关：安装完成后必须重启 OpenClaw 网关，否则技能无法加载，执行openclaw gateway restart即可。

三、高阶实战 1：美股分析技能（stock-analysis）部署与排错

美股分析技能基于 Yahoo Finance 数据，支持股票价格查询、持仓管理、股息分析等功能，离线安装后需安装 Python 依赖才能正常使用，核心步骤如下。

Step1：安装技能所需 Python 依赖

该技能的核心脚本为 Python 文件（scripts/analyze_stock.py等），需安装指定依赖，PowerShell 中执行：

powershell

# 全局安装，加--user避免权限问题
pip install yfinance pandas fear-and-greed edgartools feedparser --user

等待安装完成，无报错即代表依赖安装成功。

Step2：验证依赖安装

执行命令验证核心依赖是否安装成功：

powershell

python -c "import yfinance;print('yfinance installed successfully')"

显示yfinance installed successfully即正常。

Step3：技能使用与排错

启动 OpenClaw TUI，输入指令/stock AAPL（查询苹果股票），若出现无有效返回 / 仅文字询问，原因及解决方法：

  1. 原因 1：国内网络无法访问 Yahoo Finance，导致数据拉取失败；解决：配置 Python 的国内代理，或使用国内的股票数据接口替换技能脚本中的 Yahoo Finance 接口；
  2. 原因 2：技能脚本的参数配置错误，如股票代码格式；解决：直接输入完整指令，如查询苹果股票（AAPL）的最新价格和历史走势，让 AI 明确执行动作；
  3. 原因 3：Ollama 模型的工具调用能力不足；解决：替换为更高性能的模型（如 glm-4.7-flash），重新定制 32k 上下文后对接。

高阶实战 2：本地系统监控技能（system-resource-monitor）修复（Windows 兼容）

这是本次实战的核心踩坑点：从 ClawHub 下载的 system-resource-monitor 技能，底层脚本为 Linux/Bash 的.sh 文件，在 Windows 系统中无法直接执行，导致输入「查看本地电脑 CPU 使用率」后无有效返回，核心解决方法是将 Bash 脚本修改为 Windows 的 PowerShell 脚本，实现跨平台兼容。

Step1：定位问题脚本

离线安装的技能目录中，找到系统监控的核心脚本，路径为：

plaintext

C:\Users\zxj.openclaw\workspace\skills\system-resource-monitor\scripts\monitor.sh

打开该文件，发现是 Bash 脚本（开头#!/bin/bash），使用了uptime、df -h等 Linux 专属命令，Windows 无这些命令，因此无法执行。

Step2：编写 Windows 适配的 PowerShell 脚本（monitor.ps1）

删除原有的monitor.sh，在同一目录下创建monitor.ps1，编写 Windows 系统的资源监控脚本，支持CPU 使用率、内存占用、磁盘使用率、系统运行时间，核心代码如下（直接复制使用）：

powershell

# System Resource Monitor for Windows (OpenClaw适配版)
Write-Host "`n===== 本地系统资源监控报告 =====" -ForegroundColor Cyan

# 1. 系统运行时间
$uptime = (Get-CimInstance Win32_OperatingSystem).LocalDateTime - (Get-CimInstance Win32_OperatingSystem).LastBootUpTime
$uptimeStr = "$($uptime.Days)天 $($uptime.Hours)小时 $($uptime.Minutes)分钟"
Write-Host "系统运行时间：" -ForegroundColor Green -NoNewline
Write-Host $uptimeStr

# 2. CPU使用率（取5秒平均值，避免瞬时值）
$cpu = Get-Counter '\Processor(_Total)% Processor Time' -SampleInterval 1 -MaxSamples 5 | Select-Object -ExpandProperty CounterSamples | Select-Object -ExpandProperty CookedValue
$cpuAvg = [math]::Round($cpu.Average, 2)
Write-Host "CPU平均使用率：" -ForegroundColor Green -NoNewline
Write-Host "$cpuAvg%"

# 3. 内存使用情况
$mem = Get-CimInstance Win32_OperatingSystem
$memTotal = [math]::Round($mem.TotalVisibleMemorySize / 1024 / 1024, 2)
$memFree = [math]::Round($mem.FreePhysicalMemory / 1024 / 1024, 2)
$memUsed = [math]::Round($memTotal - $memFree, 2)
$memUsedRate = [math]::Round(($memUsed / $memTotal) * 100, 2)
Write-Host "内存使用情况：" -ForegroundColor Green -NoNewline
Write-Host "$memUsed GB / $memTotal GB ($memUsedRate%)"

# 4. 系统盘（C盘）使用率
$disk = Get-CimInstance Win32_LogicalDisk -Filter "DeviceID='C:'"
$diskTotal = [math]::Round($disk.Size / 1024 / 1024 / 1024, 2)
$diskFree = [math]::Round($disk.FreeSpace / 1024 / 1024 / 1024, 2)
$diskUsed = [math]::Round($diskTotal - $diskFree, 2)
$diskUsedRate = [math]::Round(($diskUsed / $diskTotal) * 100, 2)
Write-Host "C盘使用情况：" -ForegroundColor Green -NoNewline
Write-Host "$diskUsed GB / $diskTotal GB ($diskUsedRate%)"

Write-Host "==============================`n" -ForegroundColor Cyan

Step3：修改技能配置文件，指定 PowerShell 脚本

找到技能的配置文件_meta.json，路径为：

plaintext

C:\Users\zxj.openclaw\workspace\skills\system-resource-monitor_meta.json

打开文件，找到script字段，将原有的monitor.sh修改为monitor.ps1，修改后示例：

json

{
  "name": "system-resource-monitor",
  "version": "1.0.0",
  "description": "Windows系统资源监控，支持CPU/内存/磁盘/运行时间",
  "script": "scripts/monitor.ps1",
  "runtime": "powershell"
}

Step4：验证 Windows 系统监控技能

  1. 重启 OpenClaw 网关，使配置生效：
openclaw gateway restart

2. 启动 TUI 终端，输入指令：查看本地电脑的CPU使用率、内存和C盘使用情况； 3. 正常情况下，会返回彩色的系统资源监控报告，包含 CPU、内存、磁盘、运行时间等信息，代表修复成功。

四、三天实战总结：OpenClaw + Ollama 本地智能体完整能力

经过三天的实战，我们从0 环境搭建了一套全程免费、纯本地运行、高度可定制的 OpenClaw+Ollama 智能体，核心能力如下：

1. 基础能力

  • 纯本地 AI 对话：基于 qwen2.5:7b-32k 模型，32k 大上下文，无 API 密钥，数据不泄露；
  • 双端交互：支持终端 TUI（轻量）和 Web UI（图形化），操作灵活。

2. 低阶技能

  • 飞书机器人对接：飞书客户端直接发指令，调用本地智能体执行，打造随身智能助手；

3. 高阶技能

  • 技能离线安装：彻底解决 ClawHub 在线频率限制，支持任意技能部署；
  • AI离线安装：让AI代替手工安装，更省心
  • 跨平台兼容：将 Linux 技能修改为 Windows 适配，实现脚本跨平台运行；

五、全系列核心命令速查（收藏版）

【OpenClaw 核心命令】

# 安装与版本
& ([scriptblock]::Create((iwr -useb https://openclaw.ai/install.ps1))) -Tag beta # 安装beta版
openclaw --version # 查看版本

# 配置与修复
openclaw onboard # 配置向导
openclaw config set gateway.mode local # 设置本地网关
openclaw doctor -fix # 自动修复检测问题

# 启动与运行
openclaw tui # 终端交互界面
openclaw gateway start/restart/stop # 网关启动/重启/停止
openclaw dashboard -no-open # 打开Web UI后台

# 技能管理
openclaw skills list # 查看技能列表

【Ollama 核心命令】

ollama --version # 查看版本
ollama pull 模型名 # 下载模型
ollama run 模型名 # 运行模型
ollama create 自定义模型名 -f Modelfile # 定制模型
ollama list # 查看本地模型
ollama serve # 手动启动Ollama服务

【ClawHub 技能安装】

npm install -g clawhub # 安装ClawHub客户端
npx clawhub install 技能名 # 在线安装技能
Expand-Archive -Path 技能包.zip -DestinationPath 解压目录 -Force # 离线解压技能包

【OpenClaw 网关重启（高频使用）】

openclaw gateway restart

技能包下载地址

ClawHub 官网：clawhub.ai/ 国内镜像：developer.aliyun.com/article/171…（含国内常用技能推荐）

至此，OpenClaw+Ollama 本地智能体的三天实战系列就结束了，从 0 到 1 搭建了一套完整的本地 AI 助手，全程免费、纯离线、高度可定制，适合开发者 / 办公人士搭建自己的本地智能体。如果有踩坑或配置问题，欢迎在评论区交流～

avatar
文章
阅读
粉丝