OpenClaw 高级用法完全指南

基础功能都玩腻了？这篇带你玩点高级的——自定义工具、工作流、多 Agent、定时任务……

先说说有哪些高级玩法

高级功能	能干啥	适合谁
自定义工具	写自己的工具扩展 AI 能力	开发者
工作流编排	把多个步骤串起来自动执行	自动化党
多 Agent 系统	多个 AI 分工合作	复杂任务
定时任务	让 AI 自动执行周期性任务	懒人
Chain of Thought	让 AI 一步步思考再回答	需要推理的场景
MCP 协议	接入更多工具生态	扩展党

功能一：自定义工具

基础工具（read/write/edit/bash）不够用？写自己的！

为什么需要自定义工具？

场景	需要的工具
查股票	股票查询工具
发邮件	邮件发送工具
查快递	快递查询工具
管文件	文件管理工具

快速创建一个自定义工具

第一步：创建工具文件

mkdir -p ~/.openclaw/plugins/my-tools/

第二步：写工具代码

创建 ~/.openclaw/plugins/my-tools/stock.py：

from openclaw.tools import Tool, ToolResult
from pydantic import BaseModel, Field
import httpx
 
class StockInput(BaseModel):
    """股票查询输入"""
    symbol: str = Field(description="股票代码，如 AAPL、TSLA")
 
class StockTool(Tool):
    name = "stock_price"
    description = "查询股票当前价格和涨跌幅"
    input_model = StockInput
 
    async def execute(self, input_data: StockInput) -> ToolResult:
        try:
            # 这里用免费 API
            url = f"https://query1.finance.yahoo.com/v8/finance/chart/{input_data.symbol}"
            async with httpx.AsyncClient() as client:
                response = await client.get(url)
                data = response.json()
 
            result = data["chart"]["result"][0]
            price = result["meta"]["regularMarketPrice"]
            change = result["meta"]["regularMarketChangePercent"]
 
            emoji = "📈" if change > 0 else "📉"
            return ToolResult(
                success=True,
                output=f"{emoji} {input_data.symbol}: ${price:.2f} ({change:+.2f}%)"
            )
        except Exception as e:
            return ToolResult(success=False, error=str(e))

第三步：注册工具

在 config.yaml 里添加：

plugins:
  - path: ~/.openclaw/plugins/my-tools/stock.py

第四步：重启并使用

docker restart openclaw

然后问 Bot：“帮我查下苹果的股票”

功能二：工作流编排

什么是工作流？

工作流 = 把多个步骤串起来自动执行

举个例子：“每天早上自动生成日报”这个任务可以分解为：

1. 读取昨天的任务记录
2. 读取昨天的聊天记录
3. 让 AI 分析并生成日报
4. 把日报发到钉钉群

用工作流，这 4 步可以自动串起来执行。

工作流定义示例

创建 workflows/daily_report.yaml：

name: "每日日报生成"
description: "每天早上自动生成工作日报"
 
# 触发条件
trigger:
  type: "schedule"
  cron: "0 9 * * 1-5"  # 周一到周五早上9点
 
# 工作流步骤
steps:
  - id: "fetch_tasks"
    name: "获取任务"
    tool: "file_read"
    params:
      file: "~/notes/tasks.md"
 
  - id: "fetch_meetings"
    name: "获取会议"
    tool: "file_read"
    params:
      file: "~/notes/meetings.md"
 
  - id: "generate_report"
    name: "生成日报"
    tool: "llm"
    params:
      prompt: |
        根据以下内容生成一份简洁的日报：
 
        任务记录：
        {fetch_tasks.output}
 
        会议记录：
        {fetch_meetings.output}
 
  - id: "save_report"
    name: "保存日报"
    tool: "file_write"
    params:
      file: "~/notes/daily-report-{date}.md"
      content: "{generate_report.output}"
 
  - id: "notify_team"
    name: "通知团队"
    tool: "send_message"
    params:
      platform: "slack"
      channel: "#daily-reports"
      message: "日报已生成 📋"

工作流执行

# 手动触发工作流
openclaw workflow run daily_report
 
# 查看工作流状态
openclaw workflow status daily_report
 
# 列出所有工作流
openclaw workflow list

功能三：多 Agent 系统

什么是多 Agent？

多 Agent = 多个 AI 分工合作

就像一个团队：

协调者 Agent：分配任务
研究员 Agent：搜集资料
写手 Agent：写文章
审核 Agent：检查质量

多 Agent 配置

agents:
  # 协调者
  coordinator:
    role: "coordinator"
    prompt: "你是项目协调者，负责分解任务和协调团队工作。"
    model: "claude-sonnet-4-20250514"
 
  # 研究员
  researcher:
    role: "researcher"
    prompt: "你是一个专业研究员，擅长收集和分析信息。"
    model: "claude-haiku-3"  # 用便宜模型
 
  # 写手
  writer:
    role: "writer"
    prompt: "你是一个专业文案，擅长写作和内容创作。"
    model: "claude-sonnet-4-20250514"
 
  # 审核
  reviewer:
    role: "reviewer"
    prompt: "你是一个严格的质量审核员，负责检查内容质量。"
    model: "claude-opus-4-20250514"  # 用最强模型

多 Agent 工作示例

你：帮我写一篇关于 AI 的文章

    │
    ▼

协调者 Agent：
"这个任务需要：
1. 研究员搜集资料
2. 写手写文章
3. 审核员检查
我来分配一下~"

    │
    ├──→ 研究员 Agent：搜集 AI 最新资讯
    │
    ├──→ 写手 Agent：基于资料写文章
    │
    └──→ 审核 Agent：检查文章质量

    │
    ▼

协调者 Agent 汇总结果给你

命令行使用

# 启动多 Agent 任务
openclaw agent spawn --role researcher --count 3
 
# 查看 Agent 状态
openclaw agent list
 
# 停止 Agent
openclaw agent stop <agent-id>

功能四：定时任务

定时任务配置

schedules:
  # 每天早上日报
  - name: "daily_report"
    cron: "0 9 * * 1-5"
    workflow: "daily_report"
 
  # 每周周报
  - name: "weekly_report"
    cron: "0 18 * * 5"
    workflow: "weekly_report"
 
  # 每小时健康检查
  - name: "health_check"
    cron: "0 * * * *"
    workflow: "health_check"

常用 Cron 表达式

表达式	含义
`0 9 * * *`	每天早上9点
`0 9 * * 1-5`	工作日早上9点
`0 18 * * 5`	每周五下午6点
`0 /2 * *`	每2小时
`0 0 * * *`	每天午夜

管理定时任务

# 添加定时任务
openclaw schedule add "0 9 * * *" --workflow daily_report
 
# 查看定时任务
openclaw schedule list
 
# 删除定时任务
openclaw schedule remove daily_report

功能五：Chain of Thought（思维链）

什么是 CoT？

CoT = 让 AI 先想清楚再回答

普通回答：

问：2 * 3 + 4 = ?
答：10

CoT 回答：

问：2 * 3 + 4 = ?
答：让我一步步算：
1. 先算 2 * 3 = 6
2. 再算 6 + 4 = 10
所以答案是 10

启用 CoT

reasoning:
  enabled: true
  strategy: "cot"  # cot / react / tot
 
  cot:
    steps: 5  # 思考步骤数
    show_reasoning: true  # 是否展示思考过程

CoT 策略

策略	适用场景
`cot`	数学、逻辑推理
`react`	需要查资料的工具使用场景
`tot`	复杂问题需要多方案比较

使用示例

你：帮我分析一下这道算法题

Bot（使用 CoT）：
让我一步步思考这个问题：

1. 理解题目：
   - 输入：一个数组
   - 输出：数组中的最大值
   - 要求：时间复杂度 O(n)

2. 思路分析：
   - 暴力法：O(n²) 不可取
   - 分治法：O(n log n)
   - 遍历法：O(n) ✅

3. 代码实现：
   ```python
   def max_value(arr):
       max_val = arr[0]
       for num in arr:
           if num > max_val:
               max_val = num
       return max_val

验证：
- [1,5,3] → 5 ✅
- [-1,-5,-3] → -1 ✅


---

## 功能六：MCP 协议支持

### 什么是 MCP？

**MCP（Model Context Protocol）= 连接 AI 和工具的标准协议**

就像 USB 接口——不管什么品牌的鼠标、键盘，只要支持 USB 就能用。MCP 就是让不同工具能接入 AI 的"标准接口"。

### MCP 服务器示例

```yaml
mcp:
  servers:
    # 文件系统
    - name: "filesystem"
      command: "npx"
      args: ["-y", "@modelcontextprotocol/server-filesystem", "~/"]

    # Git
    - name: "git"
      command: "npx"
      args: ["-y", "@modelcontextprotocol/server-git", "~/projects"]

    # Slack
    - name: "slack"
      command: "npx"
      args: ["-y", "@modelcontextprotocol/server-slack"]
      env:
        SLACK_BOT_TOKEN: "${SLACK_BOT_TOKEN}"

MCP 工具使用

# 列出可用 MCP 工具
openclaw mcp list
 
# 查看某个工具详情
openclaw mcp show filesystem
 
# 测试 MCP 工具
openclaw mcp test filesystem/read_file --path ~/notes/todo.md

功能七：记忆高级应用

自动记忆整理

memory:
  auto_compact:
    enabled: true
    schedule: "0 3 * * *"  # 每天凌晨3点整理
    max_items: 1000
 
  importance_tracking:
    enabled: true
    keywords:
      important: ["重要", "关键", "必须记住"]
      forget: ["忘记", "忽略", "不用记"]

跨会话上下文

memory:
  cross_session:
    enabled: true
    window: "7d"  # 跨7天会话
    shared_topics:
      - "项目"
      - "团队"
      - "工作内容"

功能八：API 和 Webhook

暴露 REST API

api:
  enabled: true
  port: 8080
  auth: "bearer"  # bearer / basic / none
 
  endpoints:
    - path: "/chat"
      method: "POST"
      description: "发送消息"
 
    - path: "/status"
      method: "GET"
      description: "获取状态"

Webhook 配置

webhooks:
  events:
    - name: "on_message"
      url: "https://your-server.com/webhook"
      method: "POST"
 
    - name: "on_error"
      url: "https://your-server.com/error"
      method: "POST"

API 使用示例

# 发送消息
curl -X POST http://localhost:8080/chat \
  -H "Authorization: Bearer YOUR_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{"message": "你好", "user_id": "123"}'
 
# 获取状态
curl http://localhost:8080/status \
  -H "Authorization: Bearer YOUR_TOKEN"

功能九：安全加固

工具权限控制

security:
  # 允许的工具
  allowed_tools:
    - "read"
    - "write"
    - "weather"
    - "translate"
 
  # 禁止的工具
  denied_tools:
    - "bash"  # 禁止执行 shell 命令
    - "delete"
 
  # 危险命令黑名单
  dangerous_patterns:
    - "rm -rf"
    - "dd if="
    - "mkfs"

消息过滤

security:
  message_filter:
    enabled: true
 
    # 敏感词过滤
    sensitive_words:
      - "密码"
      - "信用卡"
      - "身份证"
 
    # 频率限制
    rate_limit:
      max_per_minute: 10
      max_per_hour: 100

功能十：性能优化

响应缓存

performance:
  cache:
    enabled: true
    ttl: 3600  # 缓存1小时
    max_size: 1000
 
  # LLM 响应缓存
  llm_cache:
    enabled: true
    similarity_threshold: 0.9  # 相似度阈值

并发控制

performance:
  concurrency:
    max_concurrent: 10  # 最大并发请求
    queue_size: 100      # 队列大小
 
  # 单用户限流
  per_user_limit:
    requests_per_minute: 5
    requests_per_hour: 50

实战案例

案例一：智能客服机器人

# 配置
agents:
  customer_service:
    prompt: |
      你是一个专业的客服，回答用户的问题。
      规则：
      1. 用友好、专业的语气
      2. 不知道就说"我不确定"
      3. 遇到投诉要道歉并记录
 
channels:
  telegram:
    enabled: true
    bot_token: "${TELEGRAM_BOT}"
 
  discord:
    enabled: true
    bot_token: "${DISCORD_BOT}"
 
# 工作流
workflows:
  - name: "ticket_escalation"
    steps:
      - tool: "create_ticket"
      - tool: "notify_team"
      - tool: "update_status"

案例二：个人知识助手

# 配置
memory:
  sources:
    - path: "~/Obsidian/"
      type: "obsidian"
    - path: "~/Documents/"
      type: "filesystem"
 
  auto_index:
    enabled: true
    schedule: "0 */4 * * *"  # 每4小时更新索引
 
# 工具
plugins:
  - "@openclaw/readwise"
  - "@openclaw/obsidian"
 
# 定时任务
schedules:
  - name: "morning_briefing"
    cron: "0 8 * * *"
    workflow: "morning_research"

常见问题

Q: 工作流卡住了怎么办？

# 查看工作流状态
openclaw workflow status <workflow-name>
 
# 重试
openclaw workflow retry <workflow-id>
 
# 取消
openclaw workflow cancel <workflow-id>

Q: 多 Agent 响应太慢？

用便宜的模型做简单任务
限制并发数
增加超时时间

agents:
  coordinator:
    timeout: 120s
 
  researcher:
    model: "claude-haiku-3"  # 用便宜模型
    timeout: 60s

Q: MCP 工具不工作？

检查 MCP 服务器是否运行
检查配置是否正确
查看日志

# 重启 MCP 服务器
openclaw mcp restart <server-name>
 
# 查看 MCP 日志
openclaw logs | grep mcp

下一步

学会了高级用法？你已经是 OpenClaw 高手了！

教程	内容
OpenClaw插件开发	深入开发插件
OpenClaw架构解析	了解原理
Hermes_Agent详解	试试另一个框架

文档状态：高级用法指南
更新时间：2026年4月

人工智能知识库

探索

OpenClaw 高级用法完全指南

OpenClaw 高级用法完全指南

先说说有哪些高级玩法

功能一：自定义工具

为什么需要自定义工具？

快速创建一个自定义工具

功能二：工作流编排

什么是工作流？

工作流定义示例

工作流执行

功能三：多 Agent 系统

什么是多 Agent？

多 Agent 配置

多 Agent 工作示例

命令行使用

功能四：定时任务

定时任务配置

常用 Cron 表达式

管理定时任务

功能五：Chain of Thought（思维链）

什么是 CoT？

启用 CoT

CoT 策略

使用示例

MCP 工具使用

功能七：记忆高级应用

自动记忆整理

跨会话上下文

功能八：API 和 Webhook

暴露 REST API

Webhook 配置

API 使用示例

功能九：安全加固

工具权限控制

消息过滤

功能十：性能优化

响应缓存

并发控制

实战案例

案例一：智能客服机器人

案例二：个人知识助手

常见问题

Q: 工作流卡住了怎么办？

Q: 多 Agent 响应太慢？

Q: MCP 工具不工作？

下一步

关系图谱

目录

反向链接