1. 项目概述从“渴”到“喝”的自动化提醒作为一个常年与代码为伴的开发者我太清楚那种状态了一旦进入“心流”整个世界仿佛只剩下屏幕上的逻辑和字符时间感完全消失。等回过神来往往已经是几个小时之后不仅腰酸背痛更糟糕的是嗓子干得冒烟桌上的水杯却还是满的。这种“沉浸式”的代价就是身体在无声抗议。我试过各种方法手机闹钟、番茄钟软件但要么容易被忽略要么打断了思路就再也接不回去。直到我遇到了 OpenClaw。它本质上是一个开源的 AI 智能体框架但别被“AI智能体”这个词吓到它的核心思想非常直接让一个程序智能体能够感知环境、理解指令并自动执行任务。这让我灵光一闪我需要的不是一个打断我的闹钟而是一个能“观察”我工作状态并在合适时机“提醒”我的智能助手。这个提醒最好能无缝融入我的工作流比如在我刚提交完一段代码、或者编译等待的间隙弹出一条温和的提示。于是“代码写多了用OpenClaw提醒自己喝口水”这个想法就诞生了。这不是一个复杂的健康管理应用而是一个极简、高度定制化的自动化脚本。它的目标很单纯利用 OpenClaw 的框架能力结合简单的系统监控和通知机制在我长时间编码时用我最能接受的方式提醒我——该休息一下喝口水了。整个实现过程从构思到跑通如果你对命令行和基础 Python 脚本不陌生真的可以在一分钟内“手搓”出雏形。下面我就来拆解这个“一分钟手搓版”背后的核心思路、实操步骤以及如何把它变得真正实用。2. 核心思路与方案选型为什么是 OpenClaw在决定用 OpenClaw 之前我评估过几种常见的方案。最直接的是写一个死循环的 Python 脚本用time.sleep(1800)来每半小时打印一句“喝水”。但这太“蠢”了它不管我是在疯狂敲代码还是在刷网页。另一种方案是监听键盘和鼠标事件统计用户活跃时间这更精准但实现起来稍复杂且需要处理跨平台和权限问题。OpenClaw 为我提供了一个优雅的折中点。我不需要直接使用它复杂的多智能体协作或工具调用能力而是借用其两个核心特性事件驱动与状态管理OpenClaw 的智能体可以基于事件Event来触发行动。我可以定义一个“长时间工作”的事件并让智能体来响应这个事件。易于扩展的技能Skill体系OpenClaw 的功能通过“技能”模块化。我不需要改动核心框架只需要编写一个简单的“喝水提醒”技能并将其注册到系统中即可。这种方式干净、解耦未来想增加“站立提醒”、“眼保健操提醒”都非常方便。方案的核心逻辑链如下感知需要一个“感知器”来监测我的编码活跃度。一个简单有效的代理指标是检测特定编辑器或 IDE 的窗口是否处于前台激活状态。如果 VS Code 或 PyCharm 窗口持续活跃超过设定阈值如25分钟就认为我处于深度编码状态。决策OpenClaw 智能体接收来自“感知器”的事件。当收到“编辑器持续活跃超时”事件时触发决策流程。执行决策结果是执行“发送提醒”这个动作。这里为了极简和跨平台我选择使用系统的本地通知如 macOS 的osascript、Linux 的notify-send、Windows 的toast而不是弹出一个阻塞式的对话框。这样一来整个系统的架构就非常清晰一个后台守护进程OpenClaw 核心 自定义技能负责运行它依赖一个轻量的窗口活动监测脚本。两者通过 OpenClaw 内部的事件总线或一个简单的文件/网络信号进行通信。对于“一分钟手搓版”我们可以简化到极致把所有逻辑写在一个单独的 Python 脚本里利用 OpenClaw 的最小化启动方式来实现。注意这里的关键是“借用思想而非全量部署”。我们不需要部署完整的、带有 Web UI 的 OpenClaw 服务而是把它当作一个轻量级的智能体执行引擎来用。这能最大程度减少资源占用和复杂度。3. 环境准备与 OpenClaw 核心部署虽然说是“手搓”但基本的运行环境还是需要准备的。我们的目标是搭建一个最小化的 OpenClaw 运行环境。3.1 基础环境配置首先你需要 Python 环境建议 3.8 以上。通过包管理工具安装 OpenClaw。根据其官方文档最直接的方式是使用 pip。由于我们只需要核心框架不需要额外的 Web 服务器或数据库支持安装基础包即可。# 创建一个干净的虚拟环境是个好习惯避免包冲突 python -m venv openclaw_reminder_env source openclaw_reminder_env/bin/activate # Linux/macOS # 对于 Windows: openclaw_reminder_env\Scripts\activate # 安装 openclaw-core 或类似的最小化包。请注意包名可能随版本更新而变化。 # 这里以安装基础框架为例。如果找不到精确包安装主包通常也会包含核心。 pip install openclaw安装完成后可以通过python -c “import openclaw; print(openclaw.__version__)”来验证是否成功。如果安装过程遇到网络问题可以考虑使用国内镜像源例如pip install openclaw -i https://pypi.tuna.tsinghua.edu.cn/simple。3.2 构建最小化智能体项目OpenClaw 通常需要一个项目结构。我们创建一个最简单的目录。mkdir water_reminder_agent cd water_reminder_agent在该目录下我们需要创建两个核心文件config.yaml智能体的配置文件定义智能体名称、技能等。skills/一个目录存放我们自定义的技能。一个主启动脚本例如run_agent.py。config.yaml 示例agent: name: “Hydration_Buddy” description: “一个关心你喝水的智能体小伙伴” skills: - “water_reminder_skill” # 这将指向 skills/water_reminder_skill.py 中的一个类 # 由于我们极简部署可以关闭不需要的模块如记忆、知识库 memory: enabled: false knowledge_base: enabled: false这个配置文件非常精简只启用了技能模块。我们的所有业务逻辑都将封装在water_reminder_skill这个技能中。4. 核心技能开发喝水提醒的逻辑实现这是整个项目的“大脑”。我们将在skills/water_reminder_skill.py文件中实现这个技能。4.1 技能类的基本结构一个 OpenClaw 技能通常是一个继承自基类如BaseSkill的 Python 类需要实现__init__、execute等方法并使用装饰器来声明它能够处理的事件或指令。import time import threading import subprocess import sys from openclaw.skills import BaseSkill, skill from openclaw.events import Event, emit_event # 判断操作系统用于发送通知 IS_MAC sys.platform ‘darwin’ IS_LINUX sys.platform.startswith(‘linux’) IS_WIN sys.platform ‘win32’ skill class WaterReminderSkill(BaseSkill): “”“监控编码活动并发送喝水提醒的技能。”“” def __init__(self, **kwargs): super().__init__(**kwargs) self.reminder_interval 25 * 60 # 提醒间隔默认25分钟1500秒 self.editor_process_names [‘Code’, ‘pycharm’, ‘vim’, ‘nano’] # 常见的编辑器进程名 self.is_monitoring False self.monitor_thread None self.last_reminder_time 0 async def execute(self, context): “”“执行技能的主要入口。这里我们启动后台监控线程。”“” self.logger.info(“喝水提醒技能已加载开始监控...”) if not self.is_monitoring: self.is_monitoring True self.monitor_thread threading.Thread(targetself._monitor_loop, daemonTrue) self.monitor_thread.start() return {“status”: “monitoring_started”, “interval_seconds”: self.reminder_interval} def _monitor_loop(self): “”“后台监控循环。”“” while self.is_monitoring: if self._is_editor_active(): # 编辑器活跃检查是否到了提醒时间 current_time time.time() if current_time - self.last_reminder_time self.reminder_interval: self._send_notification() self.last_reminder_time current_time # 每30秒检查一次避免高频CPU占用 time.sleep(30) def _is_editor_active(self): “”“检测是否有预设的编辑器进程在前台运行简化版。 注意这是一个跨平台简化实现。生产环境可能需要使用 pygetwindow 或 psutil 更精确地判断。 ”“” try: if IS_MAC: # macOS: 使用 AppleScript 获取前台应用 script ‘tell application “System Events” to get name of first application process whose frontmost is true’ result subprocess.run([‘osascript’, ‘-e’, script], capture_outputTrue, textTrue, timeout2) foreground_app result.stdout.strip().lower() return any(editor in foreground_app for editor in self.editor_process_names) elif IS_LINUX: # Linux: 使用 xdotool 获取活动窗口标题 (需要安装 xdotool) # 这是一个示例可能不适用于所有桌面环境 try: result subprocess.run([‘xdotool’, ‘getwindowfocus’, ‘getwindowname’], capture_outputTrue, textTrue, timeout2) window_title result.stdout.strip().lower() return any(editor in window_title for editor in self.editor_process_names) except FileNotFoundError: # 如果 xdotool 不存在回退到检查进程列表不精确 self.logger.warning(“xdotool not found, using ps fallback.”) return self._check_process_by_ps() elif IS_WIN: # Windows: 使用 pygetwindow (需要额外安装) 或 tasklist # 此处使用 tasklist 简单示例 result subprocess.run([‘tasklist’, ‘/FI’, ‘IMAGENAME eq Code.exe’, ‘/NH’], capture_outputTrue, textTrue, shellTrue) # 如果找到进程且非空行多于1行标题行结果行则认为可能存在 return len(result.stdout.strip().split(‘\n’)) 1 else: return False except Exception as e: self.logger.error(f”检测编辑器活动时出错: {e}“) return False def _check_process_by_ps(self): “”“通过 ps 命令检查进程的简化方法。”“” try: result subprocess.run([‘ps’, ‘aux’], capture_outputTrue, textTrue) processes result.stdout for editor in self.editor_process_names: if editor in processes.lower(): return True return False except Exception as e: self.logger.error(f”ps检查失败: {e}“) return False def _send_notification(self): “”“发送系统本地通知。”“” title “ 喝水时间到” message “你已经专注工作一段时间了起来活动一下喝口水吧” try: if IS_MAC: script f’display notification “{message}” with title “{title}”‘ subprocess.run([‘osascript’, ‘-e’, script]) elif IS_LINUX: subprocess.run([‘notify-send’, title, message]) elif IS_WIN: # Windows 10/11 可以使用 toast 通知 from win10toast import ToastNotifier toaster ToastNotifier() toaster.show_toast(title, message, duration5, threadedTrue) else: self.logger.info(f”提醒: {title} - {message}“) self.logger.info(“已发送喝水提醒。”) except Exception as e: self.logger.error(f”发送通知失败: {e}“) async def stop(self): “”“停止监控。”“” self.is_monitoring False if self.monitor_thread: self.monitor_thread.join(timeout5) self.logger.info(“喝水提醒技能已停止。”)4.2 代码关键点解析skill装饰器这是 OpenClaw 框架识别这是一个技能的标志。框架会自动扫描并注册被此装饰器修饰的类。异步execute方法这是技能的入口点。当智能体加载该技能时会调用此方法。我们在这里启动一个后台监控线程避免阻塞主事件循环。监控循环_monitor_loop一个独立的线程每30秒检查一次编辑器是否活跃。如果活跃且距离上次提醒已超过设定间隔则触发通知。跨平台通知_send_notification针对 macOS、Linux需libnotify、Windows需win10toast使用了不同的系统命令或库来发送原生通知体验更好。进程/窗口检测_is_editor_active这是最简化版本。在生产环境中建议使用更可靠的库如pygetwindow跨平台获取窗口信息或psutil跨平台进程管理以提高检测准确性。当前版本在 Linux 下依赖xdotool可能需要单独安装。实操心得在开发这类后台守护技能时一定要处理好线程的优雅退出stop方法。否则在停止智能体时监控线程可能成为僵尸线程。另外日志记录self.logger非常重要它是你调试和了解技能运行状态的唯一窗口。5. 智能体组装与运行测试技能写好之后我们需要一个主程序来启动 OpenClaw 智能体并加载我们的配置和技能。5.1 创建主启动脚本在项目根目录创建run_reminder.py#!/usr/bin/env python3 import asyncio import signal import sys import os from openclaw import Agent from openclaw.config import Config async def main(): # 加载配置文件 config_path os.path.join(os.path.dirname(__file__), ‘config.yaml’) config Config.from_yaml(config_path) # 创建智能体实例 agent Agent(configconfig) # 注册技能如果框架没有自动发现可以手动注册 # 通常 skill 装饰器会自动注册但确保技能模块被导入 from skills.water_reminder_skill import WaterReminderSkill # 有些框架需要显式添加技能 # agent.skills_manager.register_skill(WaterReminderSkill()) print(f”启动智能体: {agent.name}“) try: # 启动智能体这会加载所有配置的技能并执行它们的 execute 方法 await agent.start() # 保持主程序运行直到收到终止信号 shutdown_event asyncio.Event() def signal_handler(*_): shutdown_event.set() signal.signal(signal.SIGINT, signal_handler) signal.signal(signal.SIGTERM, signal_handler) print(“智能体正在运行。按 CtrlC 停止。”) await shutdown_event.wait() except KeyboardInterrupt: print(“\n收到中断信号。”) finally: print(“正在停止智能体...”) await agent.stop() print(“智能体已停止。”) if __name__ “__main__”: asyncio.run(main())5.2 运行与验证确保项目结构water_reminder_agent/ ├── config.yaml ├── run_reminder.py └── skills/ └── water_reminder_skill.py安装可能的额外依赖# 根据你的操作系统可能需要安装通知库 # Linux (Ubuntu/Debian) 安装 notify-send 支持 # sudo apt-get install libnotify-bin # 如果需要更精确的窗口检测安装 xdotool # sudo apt-get install xdotool # Windows 安装 toast 通知库 # pip install win10toast # 跨平台进程/窗口库推荐用于增强版 # pip install pygetwindow psutil运行智能体cd water_reminder_agent python run_reminder.py如果一切正常你会看到“喝水提醒技能已加载开始监控...”的日志信息程序会保持在后台运行。测试打开你的代码编辑器如 VS Code持续工作超过25分钟或者为了测试你可以在代码里把self.reminder_interval暂时改为 60 秒。届时你应该能在屏幕角落收到一个系统的原生通知。注意首次运行可能会因为系统权限问题如 macOS 需要授权辅助功能导致通知不弹出或窗口检测失败。请根据系统提示进行授权。Linux 系统如果使用notify-send请确保通知守护进程如dunst正在运行。6. 方案优化与进阶玩法上面的“一分钟手搓版”已经能跑起来但显然还有很大的优化和扩展空间。这里分享几个我实践下来的优化方向。6.1 提升检测精度与降低干扰最初的简化版窗口检测可能误判。我们可以引入pygetwindow库来获得更可靠的信息。# 优化后的 _is_editor_active 方法需安装 pip install pygetwindow def _is_editor_active_enhanced(self): try: import pygetwindow as gw active_window gw.getActiveWindow() if active_window: title active_window.title.lower() # 可以更精确地匹配例如包含 “.py -” 或 “Visual Studio Code” editor_keywords [‘visual studio code’, ‘pycharm’, ‘ - ’, ‘.py’, ‘.js’, ‘.java’] return any(keyword in title for keyword in editor_keywords) except Exception as e: self.logger.debug(f”使用 pygetwindow 检测失败回退到原方法: {e}“) return self._is_editor_active() # 回退到原方法 return False同时可以增加“免打扰时段”逻辑比如在晚上10点到早上8点不发送提醒或者在系统会议模式如 macOS 的专注模式下静音。6.2 丰富提醒方式与交互除了系统通知还可以集成更多渠道语音提醒使用pyttsx3或edge-tts库让电脑直接读出一句提醒的话。硬件互动如果手边有智能硬件比如 Yeelight 智能灯泡可以通过其 API 让灯光闪烁一下。或者通过 IFTTT、Home Assistant 触发一个物理提醒。消息推送集成飞书、钉钉、企业微信的 Webhook在提醒的同时还能在手机端收到消息。def _send_reminder_multichannel(self): # 1. 系统通知 self._send_notification() # 2. 语音合成示例需安装 pyttsx3 try: import pyttsx3 engine pyttsx3.init() engine.say(“主人该喝水休息一下啦”) engine.runAndWait() except: pass # 3. 调用飞书机器人示例 # self._send_feishu_webhook(“喝水时间到”)6.3 状态持久化与数据分析当前的技能是“失忆的”重启后上次提醒时间就清零了。我们可以引入简单的状态文件记录。import json import os STATE_FILE ‘reminder_state.json’ def _load_state(self): if os.path.exists(STATE_FILE): with open(STATE_FILE, ‘r’) as f: state json.load(f) self.last_reminder_time state.get(‘last_reminder_time’, 0) else: self.last_reminder_time 0 def _save_state(self): state {‘last_reminder_time’: self.last_reminder_time} with open(STATE_FILE, ‘w’) as f: json.dump(state, f)然后在_monitor_loop的循环中和程序退出时调用保存和加载。更进一步可以记录每日提醒次数生成简单的喝水报告甚至通过 OpenClaw 的其他技能在每周总结时向你汇报。6.4 融入更大的自动化工作流这才是 OpenClaw 的真正威力所在。这个“喝水提醒”技能可以成为一个触发点去联动其他技能触发“休息技能”提醒后自动将电脑音量调小播放 5 分钟的白噪音或轻音乐。触发“日志技能”每次喝水提醒被响应比如你按了一个快捷键确认就自动在日记软件里记录一条“休息日志”。触发“环境技能”打开智能家居调节一下灯光亮度和色温营造休息氛围。你只需要在WaterReminderSkill的_send_notification方法里在发送通知后发射一个自定义事件from openclaw.events import emit_event ... emit_event(Event(“hydration_reminder_triggered”, data{“time”: time.time()}))然后在其他技能里监听这个事件on_event(“hydration_reminder_triggered”)并执行相应动作。这样一个简单的提醒就变成了你个人自动化工作流的枢纽。7. 常见问题与排查实录在实际部署和运行过程中你可能会遇到以下问题。这里记录了我的排查过程和解决方案。7.1 技能未加载或执行失败现象启动智能体后没有看到“喝水提醒技能已加载”的日志。排查检查config.yaml中skills列表里的技能名称是否与 Python 文件中类的装饰器skill的名称一致。有时框架要求名称完全匹配。检查skills目录是否在 Python 模块搜索路径中。可以在run_reminder.py开头添加sys.path.insert(0, os.path.dirname(__file__))。查看 OpenClaw 启动时的完整日志通常会有更详细的错误信息比如模块导入失败、类找不到等。7.2 系统通知不弹出现象日志显示“已发送喝水提醒”但屏幕上没看到通知。排查macOS前往“系统设置”-“通知”找到“脚本编辑器”或“终端”确保允许其发送通知。如果使用osascript首次可能需要授权辅助功能。Linux确保notify-send命令可用且通知守护进程如dunst、gnome-shell正在运行。可以手动在终端执行notify-send “Test” “Hello”测试。Windows确保win10toast库已正确安装。某些系统策略或电源模式可能会抑制 toast 通知。7.3 窗口/进程检测不准确现象明明没在编码却收到了提醒或者一直在编码却从不提醒。排查打印调试信息在_is_editor_active方法中将检测到的活动窗口标题或进程列表打印到日志中确认你的编辑器是否被正确识别。调整关键词列表self.editor_process_names或editor_keywords可能需要根据你使用的具体软件进行修改。例如VS Code 的窗口标题可能包含文件路径。使用更专业的库如前所述用pygetwindow.getActiveWindow().title和psutil.process_iter()替换简单的命令检测准确性会大幅提升。7.4 后台运行与资源占用现象希望程序在后台静默运行不想一直开着终端窗口。解决方案Linux/macOS可以使用nohup python run_reminder.py 命令让其在后台运行输出重定向到日志文件。或者更专业地将其配置为 systemd 服务或 launchd 守护进程。Windows可以将其包装为后台服务或者使用pythonw.exe run_reminder.py来运行不显示控制台窗口。更简单的方法是使用pyinstaller将其打包成 exe然后设置为开机启动。7.5 与 OpenClaw 其他功能冲突现象如果你同时运行着其他复杂的 OpenClaw 智能体例如接入了大模型可能会遇到事件循环冲突或资源竞争。建议我们这个喝水提醒技能非常轻量理论上冲突概率小。如果出现问题可以考虑将本技能作为一个完全独立的、最小化的 OpenClaw 实例运行与主业务智能体物理隔离。如果不依赖 OpenClaw 的事件总线甚至可以将其简化为一个纯粹的 Python 脚本脱离 OpenClaw 框架这样资源占用更少。但这样就失去了利用 OpenClaw 技能体系便于扩展的优势。这个“代码写多了用OpenClaw提醒自己喝口水”的项目从构思到实现最花时间的部分其实是调试跨平台的系统通知和窗口检测。一旦基础打通剩下的就是“锦上添花”的优化。它给我的最大启发是不必追求大而全的解决方案用最小的技术杠杆OpenClaw的核心思想去撬动一个具体的、困扰自己的小问题这种成就感远比完成一个庞大项目来得直接和持久。现在每当那个小小的通知弹出我都会会心一笑暂停一下拿起水杯——这或许就是技术服务于人最温暖的样子吧。
基于OpenClaw框架的智能喝水提醒：事件驱动与技能化开发实践
1. 项目概述从“渴”到“喝”的自动化提醒作为一个常年与代码为伴的开发者我太清楚那种状态了一旦进入“心流”整个世界仿佛只剩下屏幕上的逻辑和字符时间感完全消失。等回过神来往往已经是几个小时之后不仅腰酸背痛更糟糕的是嗓子干得冒烟桌上的水杯却还是满的。这种“沉浸式”的代价就是身体在无声抗议。我试过各种方法手机闹钟、番茄钟软件但要么容易被忽略要么打断了思路就再也接不回去。直到我遇到了 OpenClaw。它本质上是一个开源的 AI 智能体框架但别被“AI智能体”这个词吓到它的核心思想非常直接让一个程序智能体能够感知环境、理解指令并自动执行任务。这让我灵光一闪我需要的不是一个打断我的闹钟而是一个能“观察”我工作状态并在合适时机“提醒”我的智能助手。这个提醒最好能无缝融入我的工作流比如在我刚提交完一段代码、或者编译等待的间隙弹出一条温和的提示。于是“代码写多了用OpenClaw提醒自己喝口水”这个想法就诞生了。这不是一个复杂的健康管理应用而是一个极简、高度定制化的自动化脚本。它的目标很单纯利用 OpenClaw 的框架能力结合简单的系统监控和通知机制在我长时间编码时用我最能接受的方式提醒我——该休息一下喝口水了。整个实现过程从构思到跑通如果你对命令行和基础 Python 脚本不陌生真的可以在一分钟内“手搓”出雏形。下面我就来拆解这个“一分钟手搓版”背后的核心思路、实操步骤以及如何把它变得真正实用。2. 核心思路与方案选型为什么是 OpenClaw在决定用 OpenClaw 之前我评估过几种常见的方案。最直接的是写一个死循环的 Python 脚本用time.sleep(1800)来每半小时打印一句“喝水”。但这太“蠢”了它不管我是在疯狂敲代码还是在刷网页。另一种方案是监听键盘和鼠标事件统计用户活跃时间这更精准但实现起来稍复杂且需要处理跨平台和权限问题。OpenClaw 为我提供了一个优雅的折中点。我不需要直接使用它复杂的多智能体协作或工具调用能力而是借用其两个核心特性事件驱动与状态管理OpenClaw 的智能体可以基于事件Event来触发行动。我可以定义一个“长时间工作”的事件并让智能体来响应这个事件。易于扩展的技能Skill体系OpenClaw 的功能通过“技能”模块化。我不需要改动核心框架只需要编写一个简单的“喝水提醒”技能并将其注册到系统中即可。这种方式干净、解耦未来想增加“站立提醒”、“眼保健操提醒”都非常方便。方案的核心逻辑链如下感知需要一个“感知器”来监测我的编码活跃度。一个简单有效的代理指标是检测特定编辑器或 IDE 的窗口是否处于前台激活状态。如果 VS Code 或 PyCharm 窗口持续活跃超过设定阈值如25分钟就认为我处于深度编码状态。决策OpenClaw 智能体接收来自“感知器”的事件。当收到“编辑器持续活跃超时”事件时触发决策流程。执行决策结果是执行“发送提醒”这个动作。这里为了极简和跨平台我选择使用系统的本地通知如 macOS 的osascript、Linux 的notify-send、Windows 的toast而不是弹出一个阻塞式的对话框。这样一来整个系统的架构就非常清晰一个后台守护进程OpenClaw 核心 自定义技能负责运行它依赖一个轻量的窗口活动监测脚本。两者通过 OpenClaw 内部的事件总线或一个简单的文件/网络信号进行通信。对于“一分钟手搓版”我们可以简化到极致把所有逻辑写在一个单独的 Python 脚本里利用 OpenClaw 的最小化启动方式来实现。注意这里的关键是“借用思想而非全量部署”。我们不需要部署完整的、带有 Web UI 的 OpenClaw 服务而是把它当作一个轻量级的智能体执行引擎来用。这能最大程度减少资源占用和复杂度。3. 环境准备与 OpenClaw 核心部署虽然说是“手搓”但基本的运行环境还是需要准备的。我们的目标是搭建一个最小化的 OpenClaw 运行环境。3.1 基础环境配置首先你需要 Python 环境建议 3.8 以上。通过包管理工具安装 OpenClaw。根据其官方文档最直接的方式是使用 pip。由于我们只需要核心框架不需要额外的 Web 服务器或数据库支持安装基础包即可。# 创建一个干净的虚拟环境是个好习惯避免包冲突 python -m venv openclaw_reminder_env source openclaw_reminder_env/bin/activate # Linux/macOS # 对于 Windows: openclaw_reminder_env\Scripts\activate # 安装 openclaw-core 或类似的最小化包。请注意包名可能随版本更新而变化。 # 这里以安装基础框架为例。如果找不到精确包安装主包通常也会包含核心。 pip install openclaw安装完成后可以通过python -c “import openclaw; print(openclaw.__version__)”来验证是否成功。如果安装过程遇到网络问题可以考虑使用国内镜像源例如pip install openclaw -i https://pypi.tuna.tsinghua.edu.cn/simple。3.2 构建最小化智能体项目OpenClaw 通常需要一个项目结构。我们创建一个最简单的目录。mkdir water_reminder_agent cd water_reminder_agent在该目录下我们需要创建两个核心文件config.yaml智能体的配置文件定义智能体名称、技能等。skills/一个目录存放我们自定义的技能。一个主启动脚本例如run_agent.py。config.yaml 示例agent: name: “Hydration_Buddy” description: “一个关心你喝水的智能体小伙伴” skills: - “water_reminder_skill” # 这将指向 skills/water_reminder_skill.py 中的一个类 # 由于我们极简部署可以关闭不需要的模块如记忆、知识库 memory: enabled: false knowledge_base: enabled: false这个配置文件非常精简只启用了技能模块。我们的所有业务逻辑都将封装在water_reminder_skill这个技能中。4. 核心技能开发喝水提醒的逻辑实现这是整个项目的“大脑”。我们将在skills/water_reminder_skill.py文件中实现这个技能。4.1 技能类的基本结构一个 OpenClaw 技能通常是一个继承自基类如BaseSkill的 Python 类需要实现__init__、execute等方法并使用装饰器来声明它能够处理的事件或指令。import time import threading import subprocess import sys from openclaw.skills import BaseSkill, skill from openclaw.events import Event, emit_event # 判断操作系统用于发送通知 IS_MAC sys.platform ‘darwin’ IS_LINUX sys.platform.startswith(‘linux’) IS_WIN sys.platform ‘win32’ skill class WaterReminderSkill(BaseSkill): “”“监控编码活动并发送喝水提醒的技能。”“” def __init__(self, **kwargs): super().__init__(**kwargs) self.reminder_interval 25 * 60 # 提醒间隔默认25分钟1500秒 self.editor_process_names [‘Code’, ‘pycharm’, ‘vim’, ‘nano’] # 常见的编辑器进程名 self.is_monitoring False self.monitor_thread None self.last_reminder_time 0 async def execute(self, context): “”“执行技能的主要入口。这里我们启动后台监控线程。”“” self.logger.info(“喝水提醒技能已加载开始监控...”) if not self.is_monitoring: self.is_monitoring True self.monitor_thread threading.Thread(targetself._monitor_loop, daemonTrue) self.monitor_thread.start() return {“status”: “monitoring_started”, “interval_seconds”: self.reminder_interval} def _monitor_loop(self): “”“后台监控循环。”“” while self.is_monitoring: if self._is_editor_active(): # 编辑器活跃检查是否到了提醒时间 current_time time.time() if current_time - self.last_reminder_time self.reminder_interval: self._send_notification() self.last_reminder_time current_time # 每30秒检查一次避免高频CPU占用 time.sleep(30) def _is_editor_active(self): “”“检测是否有预设的编辑器进程在前台运行简化版。 注意这是一个跨平台简化实现。生产环境可能需要使用 pygetwindow 或 psutil 更精确地判断。 ”“” try: if IS_MAC: # macOS: 使用 AppleScript 获取前台应用 script ‘tell application “System Events” to get name of first application process whose frontmost is true’ result subprocess.run([‘osascript’, ‘-e’, script], capture_outputTrue, textTrue, timeout2) foreground_app result.stdout.strip().lower() return any(editor in foreground_app for editor in self.editor_process_names) elif IS_LINUX: # Linux: 使用 xdotool 获取活动窗口标题 (需要安装 xdotool) # 这是一个示例可能不适用于所有桌面环境 try: result subprocess.run([‘xdotool’, ‘getwindowfocus’, ‘getwindowname’], capture_outputTrue, textTrue, timeout2) window_title result.stdout.strip().lower() return any(editor in window_title for editor in self.editor_process_names) except FileNotFoundError: # 如果 xdotool 不存在回退到检查进程列表不精确 self.logger.warning(“xdotool not found, using ps fallback.”) return self._check_process_by_ps() elif IS_WIN: # Windows: 使用 pygetwindow (需要额外安装) 或 tasklist # 此处使用 tasklist 简单示例 result subprocess.run([‘tasklist’, ‘/FI’, ‘IMAGENAME eq Code.exe’, ‘/NH’], capture_outputTrue, textTrue, shellTrue) # 如果找到进程且非空行多于1行标题行结果行则认为可能存在 return len(result.stdout.strip().split(‘\n’)) 1 else: return False except Exception as e: self.logger.error(f”检测编辑器活动时出错: {e}“) return False def _check_process_by_ps(self): “”“通过 ps 命令检查进程的简化方法。”“” try: result subprocess.run([‘ps’, ‘aux’], capture_outputTrue, textTrue) processes result.stdout for editor in self.editor_process_names: if editor in processes.lower(): return True return False except Exception as e: self.logger.error(f”ps检查失败: {e}“) return False def _send_notification(self): “”“发送系统本地通知。”“” title “ 喝水时间到” message “你已经专注工作一段时间了起来活动一下喝口水吧” try: if IS_MAC: script f’display notification “{message}” with title “{title}”‘ subprocess.run([‘osascript’, ‘-e’, script]) elif IS_LINUX: subprocess.run([‘notify-send’, title, message]) elif IS_WIN: # Windows 10/11 可以使用 toast 通知 from win10toast import ToastNotifier toaster ToastNotifier() toaster.show_toast(title, message, duration5, threadedTrue) else: self.logger.info(f”提醒: {title} - {message}“) self.logger.info(“已发送喝水提醒。”) except Exception as e: self.logger.error(f”发送通知失败: {e}“) async def stop(self): “”“停止监控。”“” self.is_monitoring False if self.monitor_thread: self.monitor_thread.join(timeout5) self.logger.info(“喝水提醒技能已停止。”)4.2 代码关键点解析skill装饰器这是 OpenClaw 框架识别这是一个技能的标志。框架会自动扫描并注册被此装饰器修饰的类。异步execute方法这是技能的入口点。当智能体加载该技能时会调用此方法。我们在这里启动一个后台监控线程避免阻塞主事件循环。监控循环_monitor_loop一个独立的线程每30秒检查一次编辑器是否活跃。如果活跃且距离上次提醒已超过设定间隔则触发通知。跨平台通知_send_notification针对 macOS、Linux需libnotify、Windows需win10toast使用了不同的系统命令或库来发送原生通知体验更好。进程/窗口检测_is_editor_active这是最简化版本。在生产环境中建议使用更可靠的库如pygetwindow跨平台获取窗口信息或psutil跨平台进程管理以提高检测准确性。当前版本在 Linux 下依赖xdotool可能需要单独安装。实操心得在开发这类后台守护技能时一定要处理好线程的优雅退出stop方法。否则在停止智能体时监控线程可能成为僵尸线程。另外日志记录self.logger非常重要它是你调试和了解技能运行状态的唯一窗口。5. 智能体组装与运行测试技能写好之后我们需要一个主程序来启动 OpenClaw 智能体并加载我们的配置和技能。5.1 创建主启动脚本在项目根目录创建run_reminder.py#!/usr/bin/env python3 import asyncio import signal import sys import os from openclaw import Agent from openclaw.config import Config async def main(): # 加载配置文件 config_path os.path.join(os.path.dirname(__file__), ‘config.yaml’) config Config.from_yaml(config_path) # 创建智能体实例 agent Agent(configconfig) # 注册技能如果框架没有自动发现可以手动注册 # 通常 skill 装饰器会自动注册但确保技能模块被导入 from skills.water_reminder_skill import WaterReminderSkill # 有些框架需要显式添加技能 # agent.skills_manager.register_skill(WaterReminderSkill()) print(f”启动智能体: {agent.name}“) try: # 启动智能体这会加载所有配置的技能并执行它们的 execute 方法 await agent.start() # 保持主程序运行直到收到终止信号 shutdown_event asyncio.Event() def signal_handler(*_): shutdown_event.set() signal.signal(signal.SIGINT, signal_handler) signal.signal(signal.SIGTERM, signal_handler) print(“智能体正在运行。按 CtrlC 停止。”) await shutdown_event.wait() except KeyboardInterrupt: print(“\n收到中断信号。”) finally: print(“正在停止智能体...”) await agent.stop() print(“智能体已停止。”) if __name__ “__main__”: asyncio.run(main())5.2 运行与验证确保项目结构water_reminder_agent/ ├── config.yaml ├── run_reminder.py └── skills/ └── water_reminder_skill.py安装可能的额外依赖# 根据你的操作系统可能需要安装通知库 # Linux (Ubuntu/Debian) 安装 notify-send 支持 # sudo apt-get install libnotify-bin # 如果需要更精确的窗口检测安装 xdotool # sudo apt-get install xdotool # Windows 安装 toast 通知库 # pip install win10toast # 跨平台进程/窗口库推荐用于增强版 # pip install pygetwindow psutil运行智能体cd water_reminder_agent python run_reminder.py如果一切正常你会看到“喝水提醒技能已加载开始监控...”的日志信息程序会保持在后台运行。测试打开你的代码编辑器如 VS Code持续工作超过25分钟或者为了测试你可以在代码里把self.reminder_interval暂时改为 60 秒。届时你应该能在屏幕角落收到一个系统的原生通知。注意首次运行可能会因为系统权限问题如 macOS 需要授权辅助功能导致通知不弹出或窗口检测失败。请根据系统提示进行授权。Linux 系统如果使用notify-send请确保通知守护进程如dunst正在运行。6. 方案优化与进阶玩法上面的“一分钟手搓版”已经能跑起来但显然还有很大的优化和扩展空间。这里分享几个我实践下来的优化方向。6.1 提升检测精度与降低干扰最初的简化版窗口检测可能误判。我们可以引入pygetwindow库来获得更可靠的信息。# 优化后的 _is_editor_active 方法需安装 pip install pygetwindow def _is_editor_active_enhanced(self): try: import pygetwindow as gw active_window gw.getActiveWindow() if active_window: title active_window.title.lower() # 可以更精确地匹配例如包含 “.py -” 或 “Visual Studio Code” editor_keywords [‘visual studio code’, ‘pycharm’, ‘ - ’, ‘.py’, ‘.js’, ‘.java’] return any(keyword in title for keyword in editor_keywords) except Exception as e: self.logger.debug(f”使用 pygetwindow 检测失败回退到原方法: {e}“) return self._is_editor_active() # 回退到原方法 return False同时可以增加“免打扰时段”逻辑比如在晚上10点到早上8点不发送提醒或者在系统会议模式如 macOS 的专注模式下静音。6.2 丰富提醒方式与交互除了系统通知还可以集成更多渠道语音提醒使用pyttsx3或edge-tts库让电脑直接读出一句提醒的话。硬件互动如果手边有智能硬件比如 Yeelight 智能灯泡可以通过其 API 让灯光闪烁一下。或者通过 IFTTT、Home Assistant 触发一个物理提醒。消息推送集成飞书、钉钉、企业微信的 Webhook在提醒的同时还能在手机端收到消息。def _send_reminder_multichannel(self): # 1. 系统通知 self._send_notification() # 2. 语音合成示例需安装 pyttsx3 try: import pyttsx3 engine pyttsx3.init() engine.say(“主人该喝水休息一下啦”) engine.runAndWait() except: pass # 3. 调用飞书机器人示例 # self._send_feishu_webhook(“喝水时间到”)6.3 状态持久化与数据分析当前的技能是“失忆的”重启后上次提醒时间就清零了。我们可以引入简单的状态文件记录。import json import os STATE_FILE ‘reminder_state.json’ def _load_state(self): if os.path.exists(STATE_FILE): with open(STATE_FILE, ‘r’) as f: state json.load(f) self.last_reminder_time state.get(‘last_reminder_time’, 0) else: self.last_reminder_time 0 def _save_state(self): state {‘last_reminder_time’: self.last_reminder_time} with open(STATE_FILE, ‘w’) as f: json.dump(state, f)然后在_monitor_loop的循环中和程序退出时调用保存和加载。更进一步可以记录每日提醒次数生成简单的喝水报告甚至通过 OpenClaw 的其他技能在每周总结时向你汇报。6.4 融入更大的自动化工作流这才是 OpenClaw 的真正威力所在。这个“喝水提醒”技能可以成为一个触发点去联动其他技能触发“休息技能”提醒后自动将电脑音量调小播放 5 分钟的白噪音或轻音乐。触发“日志技能”每次喝水提醒被响应比如你按了一个快捷键确认就自动在日记软件里记录一条“休息日志”。触发“环境技能”打开智能家居调节一下灯光亮度和色温营造休息氛围。你只需要在WaterReminderSkill的_send_notification方法里在发送通知后发射一个自定义事件from openclaw.events import emit_event ... emit_event(Event(“hydration_reminder_triggered”, data{“time”: time.time()}))然后在其他技能里监听这个事件on_event(“hydration_reminder_triggered”)并执行相应动作。这样一个简单的提醒就变成了你个人自动化工作流的枢纽。7. 常见问题与排查实录在实际部署和运行过程中你可能会遇到以下问题。这里记录了我的排查过程和解决方案。7.1 技能未加载或执行失败现象启动智能体后没有看到“喝水提醒技能已加载”的日志。排查检查config.yaml中skills列表里的技能名称是否与 Python 文件中类的装饰器skill的名称一致。有时框架要求名称完全匹配。检查skills目录是否在 Python 模块搜索路径中。可以在run_reminder.py开头添加sys.path.insert(0, os.path.dirname(__file__))。查看 OpenClaw 启动时的完整日志通常会有更详细的错误信息比如模块导入失败、类找不到等。7.2 系统通知不弹出现象日志显示“已发送喝水提醒”但屏幕上没看到通知。排查macOS前往“系统设置”-“通知”找到“脚本编辑器”或“终端”确保允许其发送通知。如果使用osascript首次可能需要授权辅助功能。Linux确保notify-send命令可用且通知守护进程如dunst、gnome-shell正在运行。可以手动在终端执行notify-send “Test” “Hello”测试。Windows确保win10toast库已正确安装。某些系统策略或电源模式可能会抑制 toast 通知。7.3 窗口/进程检测不准确现象明明没在编码却收到了提醒或者一直在编码却从不提醒。排查打印调试信息在_is_editor_active方法中将检测到的活动窗口标题或进程列表打印到日志中确认你的编辑器是否被正确识别。调整关键词列表self.editor_process_names或editor_keywords可能需要根据你使用的具体软件进行修改。例如VS Code 的窗口标题可能包含文件路径。使用更专业的库如前所述用pygetwindow.getActiveWindow().title和psutil.process_iter()替换简单的命令检测准确性会大幅提升。7.4 后台运行与资源占用现象希望程序在后台静默运行不想一直开着终端窗口。解决方案Linux/macOS可以使用nohup python run_reminder.py 命令让其在后台运行输出重定向到日志文件。或者更专业地将其配置为 systemd 服务或 launchd 守护进程。Windows可以将其包装为后台服务或者使用pythonw.exe run_reminder.py来运行不显示控制台窗口。更简单的方法是使用pyinstaller将其打包成 exe然后设置为开机启动。7.5 与 OpenClaw 其他功能冲突现象如果你同时运行着其他复杂的 OpenClaw 智能体例如接入了大模型可能会遇到事件循环冲突或资源竞争。建议我们这个喝水提醒技能非常轻量理论上冲突概率小。如果出现问题可以考虑将本技能作为一个完全独立的、最小化的 OpenClaw 实例运行与主业务智能体物理隔离。如果不依赖 OpenClaw 的事件总线甚至可以将其简化为一个纯粹的 Python 脚本脱离 OpenClaw 框架这样资源占用更少。但这样就失去了利用 OpenClaw 技能体系便于扩展的优势。这个“代码写多了用OpenClaw提醒自己喝口水”的项目从构思到实现最花时间的部分其实是调试跨平台的系统通知和窗口检测。一旦基础打通剩下的就是“锦上添花”的优化。它给我的最大启发是不必追求大而全的解决方案用最小的技术杠杆OpenClaw的核心思想去撬动一个具体的、困扰自己的小问题这种成就感远比完成一个庞大项目来得直接和持久。现在每当那个小小的通知弹出我都会会心一笑暂停一下拿起水杯——这或许就是技术服务于人最温暖的样子吧。
![[光学原理与应用-521]：对光的错误理解与纠偏](http://pic.xiahunao.cn/yaotu/[光学原理与应用-521]：对光的错误理解与纠偏)
