OpenClaw插件开发入门：为Qwen3-32B镜像编写天气查询技能

OpenClaw插件开发入门：为Qwen3-32B镜像编写天气查询技能

1. 为什么需要自定义技能？

去年冬天，我经常需要同时查看多个城市的天气来规划差旅行程。每次手动打开天气网站、输入城市名、对比数据的过程让我不胜其烦。直到我发现OpenClaw可以通过自定义技能实现自动化查询，才彻底解决了这个痛点。

开发自定义技能的本质，是教会AI如何将自然语言指令转化为具体操作。比如当我说"查询北京明天天气"时，OpenClaw需要：

1. 理解这是天气查询请求
2. 提取城市和日期参数
3. 调用天气API获取数据
4. 以人类可读的格式返回结果

本文将带你从零开发一个适配Qwen3-32B模型的天气查询技能。选择这个场景是因为：

• 需求明确：天气查询是高频实用功能
• 接口稳定：多数天气API提供长期免费套餐
• 复杂度适中：涵盖参数解析、API调用、结果格式化等核心开发环节

2. 开发环境准备

2.1 基础工具链

我的开发环境是macOS + VS Code，你需要准备：

• Node.js 18+（OpenClaw运行依赖）
• 已部署的Qwen3-32B镜像（本地或云端）
• 可用的天气API（如和风天气、OpenWeatherMap）

# 验证Node环境 node -v npm -v # 安装OpenClaw CLI npm install -g openclaw@latest

2.2 技能开发模板

OpenClaw提供了官方技能模板库，我们先克隆基础模板：

git clone https://github.com/openclaw/skill-template.git weather-skill cd weather-skill npm install

目录结构说明：

. ├── package.json # 技能元数据 ├── src │ ├── index.ts # 技能入口文件 │ └── types.ts # 类型定义 ├── test # 测试用例 └── openclaw.json # 技能配置文件

3. 编写天气查询逻辑

3.1 定义技能元数据

修改package.json中的关键字段：

{ "name": "@yourname/weather-skill", "version": "0.1.0", "description": "天气预报查询技能 for Qwen3-32B", "openclaw": { "skillType": "api-connector", "supportedModels": ["qwen3-32b"] } }

3.2 实现核心查询功能

在src/index.ts中，我们实现天气查询的核心逻辑：

import axios from 'axios'; // 天气API配置 const WEATHER_API_KEY = process.env.WEATHER_API_KEY; const BASE_URL = 'https://api.openweathermap.org/data/2.5/weather'; interface WeatherParams { city: string; date?: string; // 可选日期参数 } export async function getWeather(params: WeatherParams) { try { const response = await axios.get(BASE_URL, { params: { q: params.city, appid: WEATHER_API_KEY, units: 'metric', lang: 'zh_cn' } }); return formatWeatherData(response.data); } catch (error) { console.error('天气查询失败:', error); return '无法获取天气信息，请检查城市名称或稍后重试'; } } function formatWeatherData(data: any) { return `当前${data.name}天气： 🌡️ 温度：${data.main.temp}°C（体感${data.main.feels_like}°C） 💧 湿度：${data.main.humidity}% 🌬️ 风速：${data.wind.speed}m/s ${data.weather[0].description}`; }

3.3 注册技能指令

在openclaw.json中定义自然语言指令映射：

{ "commands": [ { "name": "weather", "description": "查询指定城市天气", "parameters": { "city": { "type": "string", "required": true, "description": "城市名称" }, "date": { "type": "string", "required": false, "description": "日期（如'明天'）" } }, "handler": "getWeather" } ] }

4. 本地测试与调试

4.1 模拟请求测试

创建test/test-request.json模拟用户请求：

{ "command": "weather", "parameters": { "city": "北京", "date": "明天" } }

运行测试命令：

openclaw skill test ./test/test-request.json

4.2 集成Qwen3-32B测试

确保你的Qwen3-32B镜像已运行，然后在OpenClaw配置中添加模型端点：

{ "models": { "providers": { "local-qwen": { "baseUrl": "http://localhost:8080", "api": "openai-completions", "models": ["qwen3-32b"] } } } }

通过OpenClaw CLI发送测试请求：

openclaw ask "查询北京明天天气" --model qwen3-32b

5. 部署与使用

5.1 打包发布技能

npm run build clawhub publish

5.2 用户安装方式

终端用户可以通过以下方式安装你的技能：

clawhub install @yourname/weather-skill

或在OpenClaw对话窗口输入：

安装 @yourname/weather-skill 技能

5.3 环境变量配置

用户需要设置天气API密钥：

export WEATHER_API_KEY=你的API密钥 openclaw gateway restart

6. 开发经验与优化建议

在实际开发中，我遇到了几个典型问题及解决方案：

1. 时区处理：天气API返回的时间戳需要转换为本地时区显示

   new Date(data.dt * 1000).toLocaleString('zh-CN')

2. 多日预报：扩展技能支持3-5天预报

   function getForecast(city: string, days: number) { // 调用预报API }

3. 错误恢复：当API不可用时提供缓存数据

   import { cache } from 'openclaw-sdk'; const cachedWeather = cache.get(`weather:${city}`); if (cachedWeather) return cachedWeather;

建议进一步优化的方向：

• 增加空气质量指数(AQI)查询
• 支持语音播报天气功能
• 添加天气预警通知能力

开发自定义技能最有趣的部分，是看着几句简单的自然语言指令转化为实实在在的自动化操作。当测试时第一次看到Qwen3-32B准确返回格式化天气数据的那一刻，那种"教会AI新技能"的成就感，正是OpenClaw最吸引我的地方。

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。