大家都忙着教小龙虾点外卖，我们直接给它点满了财务技能点，让它一眼看穿 GMV 波动。这份教程就是带你从零开始，实操如何让它从查数到出报告一条龙。
手把手教你一键部署OpenClaw，连接微信、QQ、飞书、钉钉等，1分钟全搞定！
接入了 Aloudata CAN 语义层后，它就像开了窍。简单聊几句，它就能发现江西电商渠道业绩腰斩是因为用户流失，最后还像模像样地甩出一份带图表的分析报告。
读完这篇，你会明白三件事：你自己能不能跑通？这背后到底是啥黑科技？能不能根据自己的需求随便改？

一、不出十分钟，你也能跑起来

准备工作

东西	哪里搞	顺便说一句
OpenClaw	官网直接下或者用发行版	版本得在 2026.3.x 以上
Aloudata CAN API Key	扫文末码找人要	免费的 Demo 账号，里面有现成的零售数据
metric-query 技能	ClawHub	管查数的
metric-attribution 技能	ClawHub	管分析原因的
手把手教你一键部署OpenClaw，连接微信、QQ、飞书、钉钉等，1分钟全搞定！

操作路径

第一步：加载技能。
直接去 ClawHub 找这两个技能，链接如下，按你习惯的方式装上。
https://clawhub.ai/jackyujun/metric-query
https://clawhub.ai/jackyujun/metric-attribution
要是跳出安全警告，别理它直接装。这是因为技能要用到 API Key，不是啥大问题。
第二步：填入 API Key。
我们要通过网关取数，没 Key 不行。把你的 Key 塞进 OpenClaw 的环境配置文件 ~/.openclaw/env 里：

CAN_API_KEY=cgk-你的Key

弄完记得重启一下，不然新开的对话可能不认这个配置。这个 Key 发请求时会自动带上，不会泄露给别人。
手把手教你一键部署OpenClaw，连接微信、QQ、飞书、钉钉等，1分钟全搞定！
第三步：随便问。
完事了。直接问它：“上个月卖了多少钱？”

你在用谁的数据

Demo 里是标准的零售数据：50 多个指标（像客单价、转化率之类的）和 50 多个维度（比如城市、品牌）。时间跨度够长，做对比和拆解都没问题。不清楚有哪些字段，直接问它就行。
语义层把公式和逻辑都锁死了，你用大白话问，它转成代码跑，基本不会出现“算错数”或者“写错 SQL”的尴尬。

二、分工明确：查数、归因两手抓

别看视频里表现得像全能分析师，其实我们是把活儿分给了两个专门的技能：

metric-query：专业的“翻译官”

这活儿挺单一，就是把你说的白话翻译成语义层能听懂的 API 指令。
你说“看下各渠道上月销售额和环比”，它会分几步走：

1. 搜一下“销售额”在后台叫啥，哦是 retail_amt。
2. 找找“渠道”怎么对应，找到了是 first_channel。
3. 拼好一个 JSON 包。
4. 发出去拿数。
5. 把拿回来的数组织成语言回给你。
   手把手教你一键部署OpenClaw，连接微信、QQ、飞书、钉钉等，1分钟全搞定！
   它不靠死记硬背，每次都会现查语义层网关，所以不会编造数据字段。从排名到占比，它都能搞定。

metric-attribution：逻辑严密的“诊断专家”

这个技能更像是个办事的套路模板。当你问“为啥跌了”，它会按部就班地查一圈：

第一步 → 确定到底跌了多少，跟谁比的。
第二步 → 拆解公式：是人少了还是单价低了？
第三步 → 找背锅侠：是哪个地方、哪个渠道出的事？
第四步 → 看外因：那天是不是下雨了，还是对手搞大促了？
第五步 → 出汇总报告：把发现的所有线索连起来。

它每一步都要喊查数技能去取数，然后在本地算 Shapley 值做分解，最后吐出一份漂亮的报告。
手把手教你一键部署OpenClaw，连接微信、QQ、飞书、钉钉等，1分钟全搞定！
为啥不合在一起？ 查数是高频的事，简单直接；归因是发现问题才干的，流程长。拆开后，简单问题秒回，复杂问题有专人伺候。

三、提问姿势对了，效率翻倍

虽然小龙虾变聪明了，但你得会问，才能压榨出它的潜力：

查数：记住四个要素

它会把你的话拆成四个零件，你给的零件越全，它跑得越准：

要素	怎么说
指标	销售额、UV、转化率
玩法	环比、占比、前十名
条件	华东区的、线上渠道的
时间	上周、去年年底、最近三天
推荐问法：
“上个月各个一级渠道的销售额环比和占比是多少？按占比从高到低排一下。”
这一句要素全齐，它干起活来最舒心。
反面教材：
“最近生意咋样？”
这太宽泛了，它哪知道你想看哪个指标，只能瞎猜。

归因：给它个公式

做深度分析时，最给力的方法是直接把业务逻辑甩给它。
“江西这块跌得厉害，用（销售额=用户数×客单价）这个逻辑帮我做个诊断报告。”
有了这个公式，它分析起来就有谱了，能一眼看出是人少了还是价格没提上来。
手把手教你一键部署OpenClaw，连接微信、QQ、飞书、钉钉等，1分钟全搞定！

追问：听听它的建议

你会发现它总爱啰嗦一句：“要不要再下钻看看具体的城市？”或者“建议看看那个渠道”。
这通常是它根据数发现的苗头。要是你没头绪，跟着它的建议走基本稳赢。

避坑指南

别把同比环比说反。 它默认同比是按年比，环比是按最近的时间周期比。如果你想比去年同月，最好说清楚“月同比”。
排名要带条件。 “谁卖得最好？”这种话没头没尾，它默认看最近 30 天，不一定是你想要的。
筛选要准确。 比如系统里有两个“渠道”维度，你不指明，它查出来的数可能就不是你要的那一拨。

四、扒开外壳：API 到底怎么跑的

如果你想了解底层逻辑，这里有份技术说明：

网关是核心

所有的请求都汇聚到 https://gateway.can.aloudata.com。这个网关管认证，你不用每次都手动传令牌。
主要有两类接口：
搜索类： 帮你找指标和维度，确保不重名、不找错。
查询类： 真正的取数接口。
手把手教你一键部署OpenClaw，连接微信、QQ、飞书、钉钉等，1分钟全搞定！
过程就是：先搜明白，再查痛快。

查询长啥样

比如查各渠道环比，它发出的 JSON 大概长这样：

{
    "metrics": [
        "retail_amt",
        "retail_amt__sameperiod__mom__growth"
    ],
    "dimensions": ["first_channel"],
    "timeConstraint": "DateTrunc(['metric_time'], \"MONTH\") = DATEADD(DateTrunc(NOW(), \"MONTH\"), -1, \"MONTH\")",
    "orders": [{"retail_amt": "desc"}]
}

它会利用内置的函数处理时间，比如 NOW() 保证了你什么时候查都是最新的相对时间，不用手写死日期。

指标计算的命名套路

语义层像搭积木一样拼公式，后缀加上双下划线：

• __sameperiod__mom__growth 算环比。
• __proportion__ 算占比。
• __rankDense__desc__ 算排名。
  这比手写 SQL 公式稳当多了，虽然不支持无限套娃，但对付日常业务绰绰有余。

五、想让它更聪明？你可以这样调教

想把这套方案搬进自家公司？你可以随便改：

技能其实就是文档

技能说白了就是给 AI 看的“说明书”，用 Markdown 写的。里面有触发规则、接口样板、还有不许犯的错误（铁律）。

哪里能动手脚

改习惯称呼。 你们公司管销售额叫“大数”？在触发词里加上就行。
定规矩。 比如你们公司的“同比”必须比去年同季度，改下规则，AI 之后就按这个来。
换报告模版。 不喜欢现在的报告样式？去第五步改报告的 HTML 结构，想怎么酷炫都行。
造个新技能。 想搞个预警或者监控技能？只要想好 API 怎么调、容易出啥错、最后要啥样，填进模板就是个新技能。
手把手教你一键部署OpenClaw，连接微信、QQ、飞书、钉钉等，1分钟全搞定！

六、还没做完美的地方

这是个 Demo，肯定有待改进：
外部事件搜索还有点灵异。 有时候搜不到外面发生了啥，导致报告里缺一块，我们后续会把搜索接口配得更灵活点。
路径偶尔报错。 偶尔会遇到报告打不开的情况，多半是 AI 拼错了文件名，让它自己修一下通常能好。
复杂套路偶尔会懵。 逻辑太绕时，AI 还是会想当然地拼错代码，虽然有规则拦着，但也有漏网之鱼，需要你盯一下。

七、总结

这次尝试让我们明白：Agent 虽然能干活，但它缺的是业务脑子。
口径统不统一？公式对不对？AI 猜不到，也不该让它猜。
语义层就是给 AI 准备的业务说明书。它把复杂的公式变成简单的 API，AI 不用懂业务，只要会按说明书点菜，拿出来的数就是对的。
比起教 AI 如何去“猜”意图，直接给它一套标准的取数接口，这才是最稳的方案。
手把手教你一键部署OpenClaw，连接微信、QQ、飞书、钉钉等，1分钟全搞定！