OpenClaw技能与工具开发入门指南：从零构建你的第一个智能代理

2次阅读

共计 1686 个字符，预计需要花费 5 分钟才能阅读完成。

Skill（技能）是完成特定任务的原子能力单元，比如『天气查询』或『文本翻译』。它更像是一个功能黑盒，开发者只需要关注输入输出。而 Tool（工具）是支撑 Skill 运行的底层基础设施，比如数据库连接器、API 请求封装等，更偏向技术实现层。

适用场景对比：
– Skill：面向业务场景的快速组装（如客服对话流程）
– Tool：解决通用技术问题（如网络请求重试机制）

维度	基础 Skill	高级 Skill
输入处理	简单参数校验	多模态输入解析（文本 + 图片）
业务逻辑	单一路径处理	支持决策树分支
外部依赖	无 / 简单 API 调用	多服务组合调用
状态管理	无状态	支持会话上下文保持

# 最小化依赖
pip install requests pytest-mock

from abc import ABC, abstractmethod
from dataclasses import dataclass

class TranslationClient(ABC):
    @abstractmethod
    def translate(self, text: str, target_lang: str) -> str:
        pass

# 实现抽象接口（接口隔离原则）@dataclass
class GoogleTranslateTool(TranslationClient):
    api_key: str

    def translate(self, text: str, target_lang: str) -> str:
        if not text.strip():
            raise ValueError("Empty input text")

        # 实际 API 调用代码...
        return translated_text

try:
    result = translator.translate("hello", "es")
except ValueError as e:
    print(f"Input error: {e}")
except requests.exceptions.RequestException as e:
    print(f"Network error: {e}")

def test_translation(mocker):
    mock_response = mocker.Mock()
    mock_response.json.return_value = {"data": {"translations": [{"translatedText": "hola"}]}}

    mocker.patch('requests.post', return_value=mock_response)

    tool = GoogleTranslateTool("fake_key")
    assert tool.translate("hello", "es") == "hola"

调用方式选择
同步调用：适合简单 CRUD 操作（O(1) 时间复杂度）
异步调用：适用于 I / O 密集型任务（如批量翻译）
内存管理
使用生成器处理大数据流
及时释放 API 响应对象
并发控制
采用令牌桶算法限流

示例代码：

from threading import Semaphore

class RateLimiter:
    def __init__(self, rate):
        self.sem = Semaphore(rate)

    def acquire(self):
        self.sem.acquire()

    def release(self):
        self.sem.release()