🇨🇳 简体中文 🇹🇼 繁體中文 🇯🇵 日本語 🇰🇷 한국어 🇮🇳 हिन्दी 🇧🇩 বাংলা 🇮🇩 Bahasa Indonesia 🇪🇸 Español 🇧🇷 Português 🇫🇷 Français 🇩🇪 Deutsch

OpenClaw Custom Skill Entwicklungsanleitung

Verpacken Sie Ihren einzigartigen Arbeitsablauf als Skill – lassen Sie die KI echte Arbeit für Sie leisten.

⚖️
OpenClaws Skill-System ist sein kraftvollster Erweiterungsmechanismus. Sie könnenjede repetitive Aufgabeals Skill verpacken, und die KI ruft ihn mit einem Befehl auf. Kein tiefes Programmier-Know-how nötig – diese Anleitung reicht.

Warum Custom Skills schreiben?

OpenClaw hat viele generische Skills, aber jeder hat seinen eigenen Arbeitsablauf. Custom Skills lassen Sie:

  • 🎯 Einzigartige Workflows verpacken: Ihre internen Genehmigungsflows, Report-Formate, Datenquellen – niemand sonst würde das abdecken
  • 🔗 Interne Tools integrieren: Verbinden Sie Ihre CRM, ERP, OA-Systeme, lassen Sie die KI Ihre Business-Systeme direkt bedienen
  • ⚡ Ausführungseffizienz erhöhen: 10 manuelle Schritte in einen Skill-Aufruf verdichten – ein Satz für die KI, alles erledigt
  • 🔄 Team-Zusammenarbeit standardisieren: Team-Mitglieder teilen denselben Skill-Satz – einheitliches Format und Qualität der KI-Outputs
💡Beispiel: Täglich Daten von 3 Quellen ziehen, zusammenführen, Excel generieren, an den Chef mailen. Schreiben Sie einen Skill, und dann sagen Sie einfach„Tages-Report generieren" – alles läuft automatisch.

Skill-Architektur-Übersicht

Ein Skill hat eine sehr einfache Kernstruktur aus drei Teilen:

1

Deklarations-Schicht (Manifest)

Sagt OpenClaw, was dieser Skillist、braucht als Input、produziert als Output. Einschließlich Name, Beschreibung, Parameter-Definition, Berechtigungsanforderungen und mehr.

2

Ausführungs-Schicht (Handler)

DieKern-Logikdes Skills. Nimmt Input-Parameter, führt konkrete Operationen durch (API-Aufrufe, Datei-I/O, Datenverarbeitung), gibt Ergebnisse zurück. Unterstützt synchrone und asynchrone Modi.

3

Lebenszyklen-Hooks (Hooks)

Optionale Erweiterungspunkte:Initialisierung (Laden von Konfiguration, Verbindungsaufbau),Validierung (Input-Validierung),Aufräumen (Ressourcen freigeben, Verbindungen schließen). Nicht nötig – Systemstandards sind da.

⚙️Input/Output-Konvention:Skill-Input sind strukturierte Parameter (wie Funktionsparameter), Output sind standardisierte Result-Objekte. Die KI entscheidet automatisch wann und mit welchen Parametern sie aufgerufen wird – basierend auf Manifest-Beschreibungen.

Praktisch: „Kundenfollow-up-Benachrichtigung" Skill bauen

Wir gehen durch einen echten Workflow:

1

Anforderung klären

Szenario: Sales-Team braucht KI täglich, um CRM nach Kunden zu checken, die länger als 7 Tage nicht kontaktiert wurden, Follow-up-Liste generieren, ans Unternehmen-WeChat schicken.

  • Input: Tage-Schwelle (Standardwert 7 Tage), Ziel-Gruppen-ID
  • Output: Follow-up-Liste (Kundenname, letzter Kontakt, empfohlene Aktion)
  • Berechtigungen: CRM API-Zugriff, Unternehmens-WeChat-Sendeberechtigung
2

Manifest schreiben

Skill-Metadaten definieren: Name istcustomer-followup, Beschreibung klar, zwei Input-Parameter mit Typ und Standardwert deklarieren. Dieser Schritt entscheidet wann die KIdeinen Skill aufruft.

3

Handler implementieren

Kern-Logik in drei Schritten: ① CRM API abfragen, überfällige Kunden finden → ② KI nutzen für Follow-up-Vorschläge pro Kunde → ③ formatieren und an Unternehmens-WeChat senden. Alle Schritte können OpenClaw-eigene Tools nutzen.

4

Lokal testen

OpenClaw Dev-Mode laden, Skill laden, der KI sagen „check mir 3+ Tage alte Kontakte". Beobachten: Erkennt die KI die Absicht, übergibt die richtigen Parameter, kriegt das erwartete Ergebnis zurück.

5

Livegehen

Nach erfolgreichem Test: Skill in Produktion installieren. Jeder im Team kann es per Natursprache triggern.

Übliche Entwicklungsmuster

Die meisten Custom Skills fallen in diese Kategorien:

🌐 API-Integrations-Klasse

Externe APIs anschließen, KI dritte Systeme bedienen lassen.

  • Unternehmens-WeChat / DingTalk / Feishu verbinden, Nachrichten und Benachrichtigungen schicken
  • Jira / Notion / Feishu Multidimensionale-Tabellen anschließen, Projekte und Aufgaben verwalten
  • Payment-Gateway abfragen – Bestellstatus prüfen
  • Interne APIs verbinden

📄 Datei-Verarbeitungs-Klasse

Batch-Datei-Verarbeitung, Format-Konvertierung, Info-Extraktion.

  • Batch Word→PDF mit Wasserzeichen
  • Rechnungsbilder: Betrag und Datum extrahieren (mit OCR)
  • Mehrere Excels zusammenfügen und zusammenfassenden Report generieren
  • Verzeichnis-Dateien scannen, nach Regeln organisieren und archivieren

🔔 Benachrichtigungs- und Report-Klasse

Berichte zeitgesteuert generieren oder unter Bedingungen Benachrichtigungen senden.

  • Tägliche Standup-Summary: Git-Commits und Jira-Änderungen von gestern zusammenfassen
  • Exception Alert: KPI überschreitet Schwelle – automatisch benachrichtigen
  • Wochenreport: Daten von mehreren Quellen abrufen und formatieren

🔄 Daten-Verarbeitungs-Klasse

ETL, Daten-Bereinigung, Format-Konvertierung – datenverwaltungsintensive Tasks.

  • DB exportieren → bereinigen → in anderes System schreiben
  • CSV/JSON Format-Konvertierung mit Datengültigkeits-Prüfung
  • Mehrquellen-Daten zusammenführen und deduplizieren

Test und Debug-Tipps

⚠️Goldene Regel:Zuerst einfache Szenarien ans Laufen bringen, dann schrittweise Funktionen dazunehmen. Nicht mit komplexer Logik anfangen.
  • 🐛 Dev-Mode starten: Debug-Modus aktiv, sieht alle Parameter die KI übergibt und alle Results die der Skill zurückgibt
  • 🧪 Input-Test mit Szenarien: Typische Input-Sets vorbereiten (Normal, Grenzwerte, Exceptions) und jedes einzeln testen
  • 📋 Manifest-Beschreibung prüfen: Wenn KI den Skill nicht aufruft – meistens ist die Manifest-Beschreibung unklar. Versuchen Sie natürlichere Sprache
  • 🔍 Logging hinzufügen: Im Handler Logging hinzufügen – tracken Sie jeden Schrittfortschritt
  • ⏱️ Timeout-Handling: API-Aufrufe MÜSSEN Timeouts haben – verhindert Skill-Blockade
  • 🛡️ Fehler-Handling: Klare Fehlermeldungen zurückgeben statt Crash. KI braucht Error-Info um nächsten Schritt zu entscheiden

Publish und Teilen

Geschriebene Skills nicht hoarden – teilen Sie mit der Community:

  • 📦 Packen: Standard-Verzeichnis-Struktur: Manifest, Handler, README, Beispiel-Config
  • ✅ Review: Vor OpenClaw Skill-Repo-Einreichung: kein hardcodierter Credentials, Error-Handling, klare Beschreibung
  • 🌍 Publish: PR zum offiziellen Skill-Repo – nach Freigabe können alle One-Click installieren
  • 🏢 Unternehmens-interne Freigabe: Sie können auch private Skill-Repos bauen – nur im Team nutzen
💡Guter Skill-Name ist wichtig:Namen sollten auf einen Blick sagen, was er tut.daily-report-generator isttool-v2-final um Welten besser. KI basiert auch auf Name und Description für Aufrufe.

Dev Best-Practice Checklist

  • ✅ Einzelne Verantwortung: Ein Skill tut eine Sache. „Mail versenden" und „Report generieren" = zwei Skills, nicht eins
  • ✅ Parameter-Defaults: Parameter sollten Defaults haben – reduziert KI-Nachfragen
  • ✅ Description für KI: Manifest-Beschreibungen sind für KI – muss KI helfen zu sehen wann aufrufen
  • ✅ Idempotent-Design: Zweimal mit gleichem Input = gleiche Results. Verhindert doppelte Mails, doppelte Records
  • ✅ Sensible Daten mit Env-Vars: API-Keys, Passwörter NIE hardcoden im Skill
  • ✅ Sinnvolle Result-Ausgabe: Nicht nur „erfolgreich", geben Sie Details (z.B. „3 Mails gesendet an Zhang San, Li Si, Wang Wu")

Verwandte Suchanfragen

OpenClaw Skill-Entwicklung · Custom KI-Fähigkeiten · OpenClaw Plugin-Entwicklung · AI Agent Erweiterungen · OpenClaw Skill Publish · Unternehmens-KI-Automatisierung

🔗Weitere Artikel:Skill-Benutzer-Anleitung · vs Dify · vs Coze · vs Claude Code