AI 学习笔记：Agent 的应用演示 初级应用私人助理在刚刚上手使用 Agent 的阶段我们往往会先从日常生活中的实际需求出发尝试着单纯依靠一两段提示词来命令 Agent 执行一些简单的任务。这样做一方面有助于我们自己在实践中逐步摸索使用这类工具的方法另一方面也能帮助这些工具在初始化阶段收集一些关于它主人的信息与完成相关工作所需的工具与技能以便于后续完成更复杂的任务。下面就让我们以生活琐事提醒和投资理财管理这两个较为生活化的应用场景为切入点开始学习 Agent 在各种实际应用场景中的使用方法吧。场景 1琐事提醒在日常生活中我们总是有着太多生活琐事要处理。例如高血压患者需按时吃药久坐者需要适时运动等这些事情虽然花费时间不多但一旦忙碌起来就很容易被忘记。这种情况如果得不到妥善的解决时间久了势必会给我们的生活质量带来各种不利的影响。在 OpenClaw 和 Hermes Agent 这样的服务端 Agent 应用出现之前我们往往需要借助手机上的待办事项、日程管理等软件来提醒自己但这些软件往往附带了过多不必要的功能导致我们不仅要忍受糟糕的人机交互体验例如繁复的用户界面、嘈杂的铃声还要为它们支付手机上原本就不富裕的存储空间和运算资源。现在我们只需要简单地在 OpenClaw/Hermes Agent 所接入的通讯平台中输入一段提示词就能让它以指定的方式自动提醒我们完成这些琐事。例如如果我有腰间盘突出的问题就只需要在接入了 OpenClaw 的飞书中输入内容为“我是一个长期坐着工作的人腰间盘突出请每隔 1 小时提醒我起来活动一下”的提示词即可如图 1 所示。图 1在飞书中设置提醒任务如果上述操作一切顺利之后每隔 1 小时飞书所接入的 OpenClaw 就会像人工提醒一样给我发消息提醒我起来活动一下如图 2 所示。图 2在飞书中收到的提醒消息这种设置提醒的方式除了可以让我们避免为了单一功能而安装一堆不必要的软件之外还能让 OpenClaw 或 Hermes Agent 更了解我们的一些生活与工作习惯这将帮助它在后续的自动化任务中更好地为我们服务。例如现在它记住了我是一个长期坐着工作的人患有腰间盘突出那么如果我在后续的日程设置提到一些不适合自身健康状况的计划时譬如“我明天计划与张三去打篮球你有什么建议”它就会给我提出“你患有腰间盘突出做篮球运动需注意保护”之类的提醒如图 3 所示。图 3OpenClaw 针对篮球运动计划给出的提醒这就很好地体现了 OpenClaw/Hermes Agent 与其他待办事项、日程管理软件的另一个区别Agent 应用不仅能提醒我们完成一些日常琐事还能根据我们的一些生活与工作习惯提醒我们避免做一些对健康不利的事情这让它成为了一个更称职的个人健康督导与生活日程管理助手。场景 2财务顾问在每个人的生活中管理收支平衡都是一项需要时刻进行计算的琐碎任务。如果日常只是简单地记录自己的工资收入、支付账单等碎片化信息那么后续地整理与计算工作就会变得非常繁复且极易出错。在 OpenClaw/Hermes Agent 出现之前我们通常会借助专业的记账/理财软件来解决问题但这类软件往往需要我们花费大量时间去学习它的使用方法且在处理一些复杂场景时例如投资理财往往力不从心。现在我们同样只需要简单地在 OpenClaw/Hermes Agent 所接入的通讯平台中输入一段提示词就能让这些 Agent 自动帮我们完成这些繁琐的计算工作。例如如果我有投资理财的需求就只需要在接入了 OpenClaw 的飞书中输入内容为“我一个月的收入大约 1 万元生活日常支出大约 4000 元三年后打算在杭州贷款买房请结合 2026 年的经济形势给我一份投资建议”的提示词即可如图 4 所示。图 4OpenClaw 针对个人情况给出的投资建议同样的由于 OpenClaw 现在已经记住了我的收入、支出情况以及我打算在杭州买房的计划它后续也能基于这些信息对我日后一些不理性的消费计划提出相关的提醒。例如当我接着上面的问题继续问它“我明天打算去买一款价值 5 万的手表你有什么建议”时它就会提醒我大意为“你打算在杭州买房但你的月收入只有1万元购买这款手表会严重影响你的生活质量建议你先考虑一下”之类的内容如图 5 所示。图 5OpenClaw 针对手表消费计划给出的建议很显然这样的功能也是传统的记账/理财软件所不具备的。OpenClaw 这样的 Agent 不仅能帮助我们完成一些日常的收支计算还能根据我们的一些消费习惯提醒我们避免做一些不理性的消费计划。当然在必要情况下还能帮助我们调整投资计划例如在图 6 中的演示中我增加了车贷的情况。这让它成为了一个能力更接近于人类的消费/理财顾问。图 6OpenClaw 针对车贷情况给出的投资建议中级应用职场办公在熟悉了 Agent 的基本能力与使用方法之后接下来就该回到我们安装它的初衷上来看看如何利用 Agent 来提升工作效率了。在应对具体工作的应用场景中我们需要使用的就不仅仅是几段提示词那么简单了而是需要结合自己的工作需求来自定义相关的 Skill或者安装特定的第三方 Skill以便用于指导 Agent 完成一些较为复杂的任务。下面就让我们以会议纪要整理、信息收集等职场工作中较为常见的应用场景为切入点继续介绍 Agent 在实际应用中的使用方法吧。场景 3会议纪要在许多白领的日常工作中常常会遇到刚开完一场 45 分钟的团队会议就被领导要求整理会议纪要、提取待办事项然后全靠手动的方式录入飞书、钉钉这样的团队协作工具中。并且可能没等他处理完下一场会议又已经开始了。所以很多人要么丢三落四地遗忘重要事项要么只能加班加点地整理会议纪要导致工作效率低下。事实上我们只需要为 Agent 安装好一些相关的 Skill就能让它在会议纪要整理方面发挥出远超人类的能力。举个例子对于经常需要使用飞书文档来完成团队协作任务的白领用户来说只需通过以下步骤来安装相关的 Skills就能让 OpenClaw 替我们完成会议纪要的整理工作。安装feishu-doc这是用于处理飞书文档的 Skill它通常在我们将 OpenClaw 接入飞书客户端时就已经自动安装了。读者可以通过 OpenClaw 的 Web 端管理界面确认这个 Skill 的状态如图 7 所示。图 7确认feishu-docSkill的状态自定义用于在飞书中整理会议纪要的 Skill。例如我们可以先进入到部署了 OpenClaw 的服务器上并在~/.openclaw/workspace/skills目录下创建一个名为meeting-minutes的子目录然后在其中创建一个SKILL.md文件该文件的内容如下。---name: meeting-minutesdescription: |整理会议纪要并提取待办事项。用于在飞书文档中整理会议内容包括(1) 格式化会议纪要(2) 当会议提到出差时加载公司出差费用报销规则(3) 提取待办事项并创建飞书多维表格记录。---# 会议纪要整理## 功能1. **格式化会议纪要** - 在飞书文档中整理会议内容2. **出差费用规则** - 当会议提到出差时加载公司出差费用报销规则文件3. **待办事项提取** - 提取会议中的待办事项创建飞书多维表格## 工作流程### 1. 读取现有文档如果用户提供了飞书文档链接先读取内容- action: read- doc_token: 从URL提取的token### 2. 检查出差相关内容分析会议内容如果提到出差- 读取 公司出差费用报销规则.md 文件放在 workspace 根目录- 将相关报销规则 append 到文档中### 3. 提取待办事项从会议纪要中识别待办事项提取- 任务内容- 负责人- 完成时间如有### 4. 创建待办事项多维表格使用 feishu_bitable_create_app 创建名为待办事项的 Bitable- 任务文本- 负责人用户- 完成时间日期时间- 状态单选待处理/进行中/已完成### 5. 写入待办事项记录使用 feishu_bitable_create_record 写入每条待办## 文件位置公司出差费用报销规则文件应放在~/.openclaw/workspace/公司出差费用报销规则.md让 Agent 自动测试一下这个 Skill。如果一切顺利我们应该可以在它的飞书客户端中看到如图 8 所示的测试报告。图 8让 Agent 自动测试 Skill之后我们只需要将会议的录音用飞书妙记这样的工具转换成纯文本文档例如txt或md格式然后通过飞书将文档分享给 OpenClaw它就会自动帮我们完成会议纪要的整理工作如图 9 所示。图 9让 Agent 自动整理会议纪要场景 4文档摘要同样的我们在日常工作中也经常需要频繁处理大量结构各异的文档信息。例如阅读一份几十页的需求说明书、快速理解一份外部合作方提供的方案文档或是在短时间内掌握一篇技术博客的核心观点。这类任务的共同特点在于信息密度高、阅读成本高、但我们真正关心的往往只是其中的关键内容。在没有 Agent 应用的情况下这类工作通常只能依赖人工逐字阅读然后再进行整理与提炼。不仅耗时耗力而且不同人的总结风格差异较大难以形成统一的输出标准。通过借助 Agent 应用的 Skills 机制我们就可以将“文档摘要”这一高频执行的操作步骤进行封装使其成为一个可复用、可标准化的工作流下面让我们继续以 OpenClaw 为例来演示一下如何通过自定义 Skill 来实现这个功能吧。在部署了 OpenClaw 的服务器上使用命令行终端进入到~/.openclaw/workspace/skills目录下并创建一个名为doc-summary的子目录。然后在该目录下创建一个SKILL.md文件其内容如下---name: doc-summarydescription: |对长文档进行结构化摘要提取核心信息并输出统一格式的要点总结。---## 使用时机在以下情况下应调用该 Skill- 用户提供了长文本或文档链接并希望“总结”“提取要点”- 文档内容较长如技术文档、需求说明、方案文档等- 用户希望获得结构化输出而非自由文本总结在以下情况下不应调用该 Skill- 输入内容较短可直接处理- 用户明确要求逐字分析或详细解读- 输入内容不具备清晰语义结构## 输入- 文本内容或文档链接解析后的正文## 输出结构化摘要包括1. 文档主题一句话2. 背景与目的3. 核心内容要点3–5条4. 关键结论或建议## 工作流程描述* 步骤1解析输入内容识别文档结构标题、段落等* 步骤2提取关键语义信息背景、问题、方案、结论* 步骤3过滤冗余描述示例、修饰性语言* 步骤4将信息重组为结构化摘要* 步骤5输出统一格式结果## 约束条件* 输出必须结构化禁止纯段落式长文本* 要点数量控制在3–5条* 不得编造文档中不存在的信息* 优先保留原文中的关键术语## 示例### 输入某技术方案文档正文### 输出- 文档主题XXX系统优化方案- 背景与目的解决当前系统在高并发下的性能瓶颈问题- 核心要点1. 引入缓存机制2. 优化数据库索引3. 拆分微服务模块- 结论预计系统吞吐量提升 30% 以上在保存上述文件之后我们就可以在实际工作中直接调用这个 Skill 来处理各种文档摘要任务。例如将一篇技术博客链接发送给接入了 OpenClaw 的飞书并要求它“总结一下这篇文章”OpenClaw 就会自动识别用户意图并调用doc-summary来完成任务如图 10 所示。图 10让 OpenClaw 自动生成文档摘要场景 5演示文稿在白领的日常工作中经常需要绘制图形和表格、制作演示文稿用于工作简报、方案展示、数据分析等场景。尤其是在面对“临时需求、隔天交付”这类高压任务时可视化内容的制作往往会成为加班的重要来源之一。在传统工作流中人们通常需要借助 Microsoft Visio、Adobe Illustrator、Figma、PPT、Excel 等工具完成相关任务。这些工具虽然功能强大但往往存在一定学习成本即使是熟练使用者要在短时间内制作出兼顾信息表达与视觉效果的图表也仍然需要投入大量时间。而借助 Agent我们可以在很大程度上降低图表生成与内容整理的时间成本使许多原本需要数小时完成的工作能够在更短时间内完成图表初稿与演示内容的搭建。下面我将以更适合本地项目工作流的 OpenCode 为例演示如何通过引入第三方 Skill 来完成演示文稿的生成任务。假设现在需要制作一份演示文稿用于向项目团队介绍近期受到关注的 Hermes Agent以及其与 OpenClaw 之间的主要区别并且第二天早上就需要用于会议演示。这个任务显然十分紧急但好在此前已经编写过一篇关于 Hermes Agent 的学习笔记并将其保存为 Markdown 文档。现在要做的就是按照演示文稿的逻辑将这篇笔记整理成一份 PPT。如果采用传统方式这项工作至少需要两个小时而借助 OpenCode则可以在半小时左右完成整个流程具体步骤如下。按照《[[Agent 的能力体系]]》一文中的介绍确保 OpenCode 已经安装 Anthropic 官方 Skills 中名为 pptx 的 Skill。对此可以在 OpenCode 中使用 /skills 命令进行确认如图 11 所示。图 11确认 OpenCode 中已安装的 Skills在《[[关于 Hermes Agent]]》这篇笔记所在的目录中打开 OpenCode并输入如下提示词请阅读 关于 Hermes Agent.md根据其内容为我生成一份题为《关于 Hermes Agent》的 PPT并将其保存到 examples 目录下风格为现代简约。随后OpenCode 会自动调用 pptx Skill 来完成演示文稿的生成任务如图 12 所示。图 12使用 OpenCode 生成演示文稿在执行过程中OpenCode 会自动编写生成 PPT 所需的 Python 脚本并下载脚本运行所需的扩展库与 CLI 工具例如 markitdown如图 13 所示。图 13OpenCode 开始自动生成 PPT几分钟后OpenCode 会生成一份名为 关于 Hermes Agent.pptx 的演示文稿并将其保存到 examples 目录下。随后我们可以使用 Microsoft PowerPoint 打开该文件查看最终效果如图 14 所示。图 14OpenCode 生成的 PPT 文档总而言之相比于直接使用提示词在 Agent 应用中引入 Skills 机制会带来以下几个明显优势输出品质可控有了 Skills 机制所做的规范我们可以大概率地降低 LLM 因提示词细微变化而出现输出漂移输出格式稳定Skills 机制可确保 LLM 每次以相对统一的文档结构输出这有助于日后的复用以及批量处理可组合使用Skills 机制中的不同 Skill如feishu-doc、pdf等之间 可以进行联动以便读取不同格式的文件并将生成的内容保存到指定的文档中。高级应用数字员工如果我们仅仅是在日常工作中让 Agent 应用来完成一些用于改善办公效能的小任务依然还是无法真正体验到它给我们的工作带来的那种革命性影响。毕竟如今的 Agent 应用已经完全可以独立地去执行一些之前需要人类进行团队协作才能完成的复杂任务了。当然如果想要让这种接近于科幻情节的“数字员工”成为现实我们除了要用好提示词配置相关的 Skills 之外还需要充分利用 Agent 应用所提供的强大插件系统让它能指挥安装在其服务端设备上的其他 Agent 应用协同完成一些更为复杂的工作任务。场景 6自动化编程下面让我们先以自动化开发与测试的工作场景为例来为读者演示如何让 OpenClawOpenCode 这对 Agent 应用组合来进行协同工作吧。首先我们要先确保部署了 OpenClaw 的服务端环境中已经安装了 OpenCode然后就通过执行以下步骤来完成自动化开发与测试任务了在这里我们以开发并运行一个贪吃蛇游戏为例。确保部署了 OpenClaw 的服务端环境中已经安装了 Python3.10 及以上版本和 tmux并且 OpenClaw 服务端已经启动。安装一款名为ClawTeam-OpenClaw的多 Agent 协同插件它是一个开源项目读者可以通过执行如下命令来完成安装。git clone https://github.com/win4r/ClawTeam-OpenClaw.gitcd ClawTeam-OpenClawbash scripts/install-openclaw.sh在上述安装脚本执行完成之后我们应该可以看到如图 15 所示的提示信息它告诉我们OpenClaw 已经成功安装了ClawTeam-OpenClaw插件并且可以通过openclaw命令来调用它。图 15安装 ClawTeam-OpenClaw 插件现在我们需要重启 OpenClaw 服务端以便让新安装的插件生效。在终端中执行如下命令即可完成。openclaw gateway restart如果上述操作一切顺利我们就可以在配置好的飞书中打开与 OpenClaw 的对话窗口通过发送提示词来调度 OpenCode 这个在本地运行的 Agent 应用来完成相关的自动化编程与测试任务了如图 16 所示。图 16向 OpenClaw 发送多 Agent 协同的编程任务现在我们只需要让 OpenClaw 将生成的 Python 脚本文件通过飞书发送到自己所在的计算机然后执行一下python snake.py这个命令就可以看到这个由 OpenClaw 主持任务规划并调用多个 Agent 应用协同完成的这个贪吃蛇游戏了运行效果如图 17 所示。图 17OpenClaw 调用多个 Agent 应用协同完成编程任务相对于单一的 Agent 应用多 Agent 协同的编程方式在处理一些复杂任务时可以带来以下优势。分工明确每个 Agent 应用负责处理任务中的某个具体环节降低了任务的整体复杂度能力互补不同 Agent 应用的能力不同通过协同调用可以发挥各自的优势提升整体效果节省 Token通过将不同任务分配给不同的 Agent 应用我们可以将一些不重要的任务分配给一些免费的 LLM而让那些按 Token 计费的 LLM 专注于处理那些需要高精度输出的任务。场景 7自动化运维在服务端应用的日常运维工作中我们要执行的任务往往具有重复性高、响应时效要求强等特点。传统的人工巡检方式不仅耗时耗力还容易因疲劳而遗漏关键问题。而借助 Agent 应用我们可以通过自定义 Skill 实现服务器健康检查、告警通知、自动化修复等运维工作的智能化。下面就让我们以服务器健康检查这一高频运维场景为例演示如何通过 OpenClaw 来实现自动化运维。现在假设我们有多台部署了 OpenClaw 的服务器需要定期巡检传统方式是运维人员逐一登录每台服务器手动执行检查命令不仅效率低下而且难以保证及时性。通过 OpenClaw 的多 Agent 协同能力我们可以让多个 Agent 并行在不同的服务器上执行检查任务并将结果汇总后通过飞书发送给运维人员具体步骤如下。在每台服务器上部署 OpenClaw。确保这些服务器已经安装了 Python3.10 及以上版本以及 tmux并且 OpenClaw 服务端已经启动。创建服务器健康检查 Skill。在部署了 OpenClaw 的服务器上进入到~/.openclaw/workspace/skills目录下创建一个名为server-health-check的子目录并在其中创建SKILL.md文件其内容如下---name: server-health-checkdescription: 执行服务器健康检查收集系统状态信息并生成报告。---# 服务器健康检查## 功能1. **CPU 使用率** - 检查当前 CPU 负载情况2. **内存使用率** - 检查当前内存占用情况3. **磁盘空间** - 检查各分区的磁盘使用情况4. **运行进程** - 列出当前占用资源最多的前 5 个进程5. **网络连接** - 检查是否存在异常的网络连接6. **服务状态** - 检查关键服务如 sshd、nginx 等是否正常运行## 工作流程### 1. 执行检查命令使用 top、df、free 等命令收集系统信息bash# CPU 和内存top -bn1 | head -5free -h# 磁盘空间df -h# 进程排名ps aux --sort-%cpu | head -6# 网络连接netstat -tuln | head -20### 2. 生成检查报告将收集到的信息整理成结构化报告包括- 异常指标如 CPU 80%、内存 90%- 潜在风险提示- 建议的处理措施### 3. 输出结果将检查报告以固定格式输出供主 Agent 汇总。## 告警阈值- CPU 使用率 80%警告- 内存使用率 90%警告- 磁盘使用率 85%警告配置定时任务。通过服务器的 crontab 设置每日定时执行健康检查例如每天早上 9 点自动执行检查任务并将结果通过飞书发送给运维人员。主 Agent 汇总结果。通过 OpenClaw 的多 Agent 协同能力让各服务器上的 Agent 并行执行检查然后将结果汇总后生成一份统一的巡检报告并推送到我们的飞书对话窗口中。最终效果如图 18 所示。