OpenClaw技能开发为GLM-4.7-Flash定制Excel自动化1. 为什么需要Excel自动化技能作为经常与数据打交道的分析师我每天至少要花2小时在重复的Excel操作上写复杂公式、整理透视表、调整图表格式。直到发现OpenClaw可以通过技能扩展实现自动化才意识到这些机械劳动完全可以交给AI。GLM-4.7-Flash特别适合这类结构化数据处理任务。它的128K上下文窗口能记住整个Excel工作簿的结构而代码生成能力可以直接输出VBA脚本。结合OpenClaw的本地文件操作权限就能实现描述需求→自动执行的闭环。2. 开发环境准备2.1 基础组件安装我的开发环境是macOS VS Code先通过Homebrew安装核心依赖brew install node22 npm install -g openclawlatest clawhublatest验证环境时遇到个小坑Node.js版本必须≥20否则clawhub安装会报错。用nvm use 20切换版本后解决。2.2 GLM-4.7-Flash模型接入在星图平台找到【ollama】GLM-4.7-Flash镜像按文档部署到本地后修改OpenClaw配置文件// ~/.openclaw/openclaw.json { models: { providers: { glm-local: { baseUrl: http://localhost:11434, api: openai-completions, models: [ { id: glm-4.7-flash, name: Local GLM-4.7-Flash, contextWindow: 131072 } ] } } } }关键是要声明api为openai-completions协议这是Ollama服务的兼容接口标准。3. Excel技能开发实战3.1 技能脚手架创建使用ClawHub CLI初始化技能模板clawhub create excel-helper --templatetypescript生成的目录结构包含三个关键文件skill.yml技能元数据src/index.ts主逻辑代码test/test.spec.ts测试用例3.2 核心功能实现在index.ts中实现公式生成功能。这段代码演示了如何让GLM-4.7-Flash理解Excel需求async function generateFormula(prompt: string) { const response await openclaw.models.complete({ model: glm-4.7-flash, prompt: 你是一个Excel专家请根据描述生成公式。要求 1. 使用中文函数名 2. 给出解释 3. 输出格式\\\excel\n公式\n\\\ 用户需求${prompt} }); const match response.content.match(/excel\n([^])\n/); return match ? match[1] : 未识别到有效公式; }实际测试时发现直接让模型输出公式容易产生语法错误。后来改进为要求模型先描述计算逻辑再生成公式准确率提升了60%以上。3.3 文件操作集成通过OpenClaw的FS API实现Excel文件读写import { fs } from openclaw/core; async function updateExcel(filePath: string, sheet: string, changes: any[]) { const workbook await fs.readExcel(filePath); const worksheet workbook.getWorksheet(sheet); changes.forEach(change { worksheet.getCell(change.cell).value change.value; }); await fs.writeExcel(filePath, workbook); }这里有个实用技巧在开发环境用fs.mock()模拟文件操作避免频繁修改真实文件。4. 高级功能数据透视与图表4.1 动态透视表生成结合GLM-4.7-Flash的分析能力实现自然语言到透视表的转换async function createPivotTable(query: string) { const analysis await openclaw.models.complete({ model: glm-4.7-flash, prompt: 分析用户需求输出JSON格式的透视表配置 { rows: [字段1, 字段2], columns: [字段3], values: [{字段4: sum}] } 需求${query} }); const config JSON.parse(analysis.content); return ExcelPivot.build(config); // 实际调用ExcelJS库 }4.2 智能图表推荐根据数据特征自动选择图表类型的功能很有意思。我们让模型先分析数据再返回图表建议const chartTypes { comparison: 柱状图, trend: 折线图, proportion: 饼图 }; async function suggestChart(dataPreview: string) { const response await openclaw.models.complete({ model: glm-4.7-flash, prompt: 分析以下数据特征返回最适合的图表类型关键字 ${dataPreview} 只需返回comparison/trend/proportion中的一个 }); return chartTypes[response.content.trim()] || 柱状图; }5. 技能打包与共享5.1 本地测试验证开发完成后先用ClawHub进行本地安装测试clawhub install ./excel-helper --local测试时发现模型响应有时会超时通过两种方式优化在skill.yml中设置timeout: 30000对长任务实现进度回调通知5.2 发布到ClawHub发布前需要完善元数据特别是skill.yml中的示例examples: - command: 生成SUMIF公式 description: 对A列大于100的B列数据求和 - command: 创建销售透视表 description: 按地区和产品分类统计销售额发布命令很简单clawhub publish --token YOUR_TOKEN发布后24小时内收到了第一个用户反馈建议增加公式错误检查功能——这正是开源协作的魅力所在。6. 实际应用效果部署到日常工作后最明显的改变是周报制作时间从3小时缩短到20分钟。现在只需要说用最近7天的销售数据生成分地区趋势图就能自动完成从数据库导出CSV导入Excel生成透视表插入折线图调整格式后保存过程中最大的惊喜是GLM-4.7-Flash对中文公式的支持程度。它能正确生成像SUMIF(销售表[金额], 1000)这样的结构化引用甚至能处理XLOOKUP()等新函数。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
OpenClaw技能开发：为GLM-4.7-Flash定制Excel自动化
OpenClaw技能开发为GLM-4.7-Flash定制Excel自动化1. 为什么需要Excel自动化技能作为经常与数据打交道的分析师我每天至少要花2小时在重复的Excel操作上写复杂公式、整理透视表、调整图表格式。直到发现OpenClaw可以通过技能扩展实现自动化才意识到这些机械劳动完全可以交给AI。GLM-4.7-Flash特别适合这类结构化数据处理任务。它的128K上下文窗口能记住整个Excel工作簿的结构而代码生成能力可以直接输出VBA脚本。结合OpenClaw的本地文件操作权限就能实现描述需求→自动执行的闭环。2. 开发环境准备2.1 基础组件安装我的开发环境是macOS VS Code先通过Homebrew安装核心依赖brew install node22 npm install -g openclawlatest clawhublatest验证环境时遇到个小坑Node.js版本必须≥20否则clawhub安装会报错。用nvm use 20切换版本后解决。2.2 GLM-4.7-Flash模型接入在星图平台找到【ollama】GLM-4.7-Flash镜像按文档部署到本地后修改OpenClaw配置文件// ~/.openclaw/openclaw.json { models: { providers: { glm-local: { baseUrl: http://localhost:11434, api: openai-completions, models: [ { id: glm-4.7-flash, name: Local GLM-4.7-Flash, contextWindow: 131072 } ] } } } }关键是要声明api为openai-completions协议这是Ollama服务的兼容接口标准。3. Excel技能开发实战3.1 技能脚手架创建使用ClawHub CLI初始化技能模板clawhub create excel-helper --templatetypescript生成的目录结构包含三个关键文件skill.yml技能元数据src/index.ts主逻辑代码test/test.spec.ts测试用例3.2 核心功能实现在index.ts中实现公式生成功能。这段代码演示了如何让GLM-4.7-Flash理解Excel需求async function generateFormula(prompt: string) { const response await openclaw.models.complete({ model: glm-4.7-flash, prompt: 你是一个Excel专家请根据描述生成公式。要求 1. 使用中文函数名 2. 给出解释 3. 输出格式\\\excel\n公式\n\\\ 用户需求${prompt} }); const match response.content.match(/excel\n([^])\n/); return match ? match[1] : 未识别到有效公式; }实际测试时发现直接让模型输出公式容易产生语法错误。后来改进为要求模型先描述计算逻辑再生成公式准确率提升了60%以上。3.3 文件操作集成通过OpenClaw的FS API实现Excel文件读写import { fs } from openclaw/core; async function updateExcel(filePath: string, sheet: string, changes: any[]) { const workbook await fs.readExcel(filePath); const worksheet workbook.getWorksheet(sheet); changes.forEach(change { worksheet.getCell(change.cell).value change.value; }); await fs.writeExcel(filePath, workbook); }这里有个实用技巧在开发环境用fs.mock()模拟文件操作避免频繁修改真实文件。4. 高级功能数据透视与图表4.1 动态透视表生成结合GLM-4.7-Flash的分析能力实现自然语言到透视表的转换async function createPivotTable(query: string) { const analysis await openclaw.models.complete({ model: glm-4.7-flash, prompt: 分析用户需求输出JSON格式的透视表配置 { rows: [字段1, 字段2], columns: [字段3], values: [{字段4: sum}] } 需求${query} }); const config JSON.parse(analysis.content); return ExcelPivot.build(config); // 实际调用ExcelJS库 }4.2 智能图表推荐根据数据特征自动选择图表类型的功能很有意思。我们让模型先分析数据再返回图表建议const chartTypes { comparison: 柱状图, trend: 折线图, proportion: 饼图 }; async function suggestChart(dataPreview: string) { const response await openclaw.models.complete({ model: glm-4.7-flash, prompt: 分析以下数据特征返回最适合的图表类型关键字 ${dataPreview} 只需返回comparison/trend/proportion中的一个 }); return chartTypes[response.content.trim()] || 柱状图; }5. 技能打包与共享5.1 本地测试验证开发完成后先用ClawHub进行本地安装测试clawhub install ./excel-helper --local测试时发现模型响应有时会超时通过两种方式优化在skill.yml中设置timeout: 30000对长任务实现进度回调通知5.2 发布到ClawHub发布前需要完善元数据特别是skill.yml中的示例examples: - command: 生成SUMIF公式 description: 对A列大于100的B列数据求和 - command: 创建销售透视表 description: 按地区和产品分类统计销售额发布命令很简单clawhub publish --token YOUR_TOKEN发布后24小时内收到了第一个用户反馈建议增加公式错误检查功能——这正是开源协作的魅力所在。6. 实际应用效果部署到日常工作后最明显的改变是周报制作时间从3小时缩短到20分钟。现在只需要说用最近7天的销售数据生成分地区趋势图就能自动完成从数据库导出CSV导入Excel生成透视表插入折线图调整格式后保存过程中最大的惊喜是GLM-4.7-Flash对中文公式的支持程度。它能正确生成像SUMIF(销售表[金额], 1000)这样的结构化引用甚至能处理XLOOKUP()等新函数。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。
