这篇文章也是用来记录的，在正文开始前先说明一下，上一篇文章的末尾下载了ollama，Ollama 是一个开源的跨平台大语言模型（LLM）运行工具，其核心作用是让用户能够极其简单地在本地个人电脑上运行、创建和管理大型语言模型，我下载了千问的一个免费模型，成功实现了在本地运行该大模型，效果如下，但是由于某些因素，我决定抛弃这个模型，改为直接给openclaw接入智谱的模型

接着开始说明一下我的开发部署过程（可能会有所遗漏，后续可能会补充）

我昨天晚上重新下载了openclaw镜像，指令如下（拉取镜像的过程非常吃内存，建议结束不必要的进程，我的内存是16G，差点爆了，同样，其他配置过程也很有可能占据较多内存，Docker本身就吃内存，建议注意一下这个情况）

docker pull ghcr.io/openclaw/openclaw:latest

指令下载完毕后你可以在应用界面的镜像这一块看到它，左边的绿点表示运行正常，然后创建容器，指令如下（预先声明，这个指令确实可以构建一个容器，但是结合后续操作，可能会删除重新创建，我在这一块反反复复，大家可以先问问ai，一步一步改）

特别注意，这是我的文件路径，大家根据自身条件更改指令！最重要的是不要下在C盘（除非你跟我一样只有一个盘）

docker run -d --name openclaw-agent -p 18789:18789 -v C:\Users\33162\.openclaw:/root/.openclaw -u root --restart unless-stopped ghcr.io/openclaw/openclaw:latest

返回到docker的应用界面，可以看到openclaw-agent容器启动正常，同时，你可以注意到18789字样旁边出现了一个跳转的图标，点击后，你就可以看到网关仪表盘，我当时在配置的时候碰到一个很难处理的问题，容器一直不断重启，这说明json配置文件或网关（gateway）存在问题，我最初是更改了配置文件，后续发现问题依旧存在，还把配置文件给弄坏了，如果说你在更改后还是碰到这些问题，就上网搜寻指令重置配置文件，最后我把网关重装了才解决这个问题

网关使用前台运行

对于本地测试或个人使用，直接在前台运行其实是最不容易出错的。

openclaw gateway --verbose

注意：保持这个 PowerShell 窗口处于打开状态即可，不要关闭它。你可以将其最小化，或者把窗口拖到屏幕边缘不碍事的地方。

我当时使用这个方法解决的，会运行出这么一个界面，这种才是完全正常的（注意，有的时候启动失败很可能是因为你的内存不足，或是硬盘空间不够）

进入了网关仪表盘，然后会要求输入网关令牌（忘记截屏了），网关令牌的话，一般是自动生成的，在openclaw.json文件中可以找到（在.openclaw文件夹中，像我的路径就是"C:\Users\33162\.openclaw\openclaw.json"），下图中我涂掉的那一块就是

当然了，这个时候不太建议各位去测试，因为还没接入模型，在终端输入以下指令，根据你的实际情况配置模型

openclaw configure --section model

一般来说，其实到这一步就够了，但是我又出现了一个问题，问题如下（结合 OpenClaw 的底层机制，这通常是因为数据库文件已经彻底损坏，或者同步的数据库维护操作死锁了 Node.js 的事件循环）

我在多次尝试后才找到解决方法，以管理员的身份打开命令提示符输入以下代码重命名该数据库文件（作为备份）

ren C:\Users\33162\.openclaw\plugins\device-pair\state.sqlite state.sqlite.bak

重启容器

docker restart openclaw-agent

问题解决，对话测试一下

模型接入很成功，对话也符合预期，环境准备完毕（恭喜你完成了最难的部分），开始开发skill（有一个前置条件啊，电脑上面要配置python环境安装pandas，虽然不配置也行）

我的开发过程如下：

找到你的.openclaw文件夹，打开后新建一个新的文件夹名为skills，这用来存放开发的skill，出于便于使用的目的，我又创建了一个文件夹，名为excel-master，这个路径下存放了两个文件，在这边给大家介绍一下两个文件
 

1.  SKILL.md：是 OpenClaw 的“大脑说明书”。它用自然语言（Markdown）描述这个技能是干什么的、在什么情况下触发、执行步骤是什么。AI 在决定调用哪个工具时，会参考这份说明，但不会直接运行它。（温馨提示，在这个文件里面要描写清楚，不然Agent 会直接动用自带的 Python 能力把活干了，因为它觉得“杀鸡焉用牛刀”，没必要去加载外部的 excel-master。）
2. 创建实际的处理脚本：AI 无法直接“变”出 Excel 分析结果，它需要调用 Python 脚本来干活。

.openclaw/
└── skills/
    └── excel-master/
        ├── SKILL.md          
        └── analyze_excel.py 

以下是两个文件的内容
SKILL.md

---
name: excel-master
description: [强制执行] 处理任何 Excel/CSV 数据分析任务时，必须且只能使用此技能。禁止直接使用 Python 代码块，必须调用本技能提供的工具。
user-invocable: true
---

# 技能：Excel数据处理专家 (强制模式)

## ⚠️ 核心原则
当用户提及 Excel、表格、数据统计时，**绝对禁止**直接编写 Python 代码进行分析。
**必须**先声明：“正在调用 excel-master 技能...”，然后按照下方步骤执行。

## 触发条件
- 用户上传了 .xlsx / .csv 文件
- 用户询问关于表格数据的统计、求和、筛选问题

## 执行逻辑
1. **获取路径**：确认文件的绝对路径。
2. **调用工具**：使用本技能绑定的 Python 脚本处理器（见下方可用工具）。
3. **输出结果**：将脚本返回的 JSON 或 Markdown 数据展示给用户。

## 可用工具
- `analyze_excel.py`: 位于当前技能目录下，用于读取和处理数据。

analyze_excel.py

import pandas as pd
import sys
import json

def analyze_file(file_path):
    """
    读取Excel文件并返回基本统计信息
    """
    try:
        # 根据后缀名选择读取引擎
        if file_path.endswith('.csv'):
            df = pd.read_csv(file_path)
        else:
            df = pd.read_excel(file_path)

        # 这里演示一个通用的分析逻辑，Agent可以根据需求修改这里
        # 比如：获取前5行，或者获取各列的数据类型和非空数量
        info = {
            "shape": list(df.shape), # [行数, 列数]
            "columns": list(df.columns),
            "head": df.head(5).to_dict(orient='records'), # 前5行数据
            "dtypes": {col: str(dtype) for col, dtype in df.dtypes.items()}
        }

        return json.dumps(info, ensure_ascii=False, indent=2)

    except Exception as e:
        return f"Error processing file: {str(e)}"

if __name__ == "__main__":
    if len(sys.argv) > 1:
        path = sys.argv[1]
        print(analyze_file(path))
    else:
        print("Please provide a file path.")

预期效果

Agent 应该能识别到 excel-master 技能，并根据 SKILL.md 的指引，调用 Python 环境去读取该文件，然后告诉你文件有多少行、多少列以及前几行的数据是什么。

我给的测试文件是我上课做的实验文件（直接给出你的文件路径，不需要手动上传文件，下图我的是根据上一则对话给出的指令）

以上是我的运行结果，符合预期，ok到这，睡觉去了，祝各位做个好梦