openclaw技能扩展：nanobot集成天气API、股票查询、翻译等实用工具

1. 引言：从对话到行动，让AI助手真正“有用”

你用过不少AI聊天机器人吧？它们能回答你的问题，陪你聊天，甚至帮你写代码。但很多时候，你可能会觉得，它们好像还差了点什么——比如，你问它“上海明天天气怎么样？”，它只能告诉你“我无法获取实时信息”；你问它“腾讯的股价现在多少？”，它也只能表示爱莫能助。

这背后的原因很简单：大多数AI模型是“闭门造车”的，它们只知道自己训练时学到的知识，无法主动连接外部的世界，去调用那些能提供实时、动态信息的服务。

今天要聊的 nanobot，就是来解决这个问题的。它不是一个普通的聊天机器人，而是一个“技能扩展”能力极强的AI助手。你可以把它理解为一个“大脑”，而各种API（比如天气、股票、翻译）就是它的“手”和“眼睛”。通过简单的配置，你就能教会它查询天气、查看股价、翻译文本，甚至更多。

这篇文章，我就带你一步步解锁nanobot的这些实用技能，看看这个仅用约4000行代码实现的超轻量级助手，如何从一个“知识渊博的聊天伙伴”，进化成一个“能帮你干实事的生活工作小帮手”。

2. nanobot初印象：轻量但强大的AI代理核心

在深入技能扩展之前，我们先快速了解一下nanobot到底是什么。

2.1 极简设计，核心功能不打折

nanobot的设计哲学非常清晰：用最少的代码，做最核心的事。它的核心是一个AI代理（Agent），能够理解你的意图，并决定调用哪个工具（比如一个函数、一个API）来完成任务。

• 代码量对比：它的灵感来源于OpenClaw，但代码量从后者的数十万行精简到了约4000行，体积缩小了99%。这意味着更快的启动速度、更低的内存占用，以及更清晰的代码结构，方便你理解和二次开发。
• 技术栈：它内置了使用vLLM高效部署的Qwen2.5-4B-Instruct模型。这个模型在指令跟随和工具调用方面表现不错，是nanobot“智能”的来源。交互界面则基于Chainlit，提供了一个清爽的Web聊天界面。
• 多通道支持：除了Web界面，nanobot还支持配置成QQ机器人、微信机器人等，让你能在熟悉的聊天软件里使用它。文章开头提供的教程已经详细展示了如何配置QQ机器人。

简单说，nanobot提供了一个非常干净的“大脑”框架。它负责理解你说的话（意图识别），并管理一堆可用的“工具”（技能）。我们的目标，就是为它装备更多、更好用的工具。

2.2 理解“工具调用”模式

这是nanobot技能扩展的核心概念。传统的聊天是“一问一答”，基于模型已有的知识。而工具调用模式是“一问一查一答”：

1. 你提问：“北京今天气温多少？”
2. nanobot分析：识别出这是一个“查询天气”的意图。
3. nanobot决策：决定调用“天气查询工具”。
4. 工具执行：nanobot自动以北京为参数，调用一个真实的天气API（比如和风天气、OpenWeatherMap）。
5. 获取结果：API返回真实的天气数据（如“晴，25°C”）。
6. nanobot组织回答：将API返回的数据组织成自然语言回复给你：“北京今天天气晴朗，气温大约25摄氏度。”

整个过程对你是透明的，你感觉就是在和一个无所不知的助手聊天。接下来，我们就来亲手为它添加几个最常用的工具。

3. 实战：为nanobot添加三大实用技能

我们选择三个最典型的场景：天气查询、股票信息查询和文本翻译。这些功能几乎每个人都会用到。

3.1 技能一：实时天气查询

让nanobot学会查天气，是让它“连接现实世界”的第一步。

第一步：获取天气API 你需要一个提供天气数据的服务。国内开发者常用的是和风天气，国外则常用OpenWeatherMap。它们都提供免费的额度，足够个人使用。以和风天气为例，注册后获取你的API Key。

第二步：编写天气查询工具函数 在nanobot的项目结构中，工具（Tools）通常定义在特定的目录下（如tools/）。你需要创建一个新的Python文件，例如weather_tool.py。

# tools/weather_tool.py
import requests
import json
from typing import Optional
from pydantic import BaseModel, Field

# 定义工具的输入参数模型
class WeatherQueryInput(BaseModel):
    city: str = Field(description="要查询天气的城市名称，例如：北京、Shanghai")

# 工具函数本身
def get_weather(city: str) -> str:
    """
    根据城市名称查询实时天气情况。
    """
    # 替换成你从和风天气获取的API Key
    api_key = "YOUR_HEFENG_API_KEY"
    # 1. 先通过城市名获取城市ID（和风天气需要）
    geo_url = f"https://geoapi.qweather.com/v2/city/lookup?location={city}&key={api_key}"
    try:
        geo_resp = requests.get(geo_url, timeout=10)
        geo_data = geo_resp.json()
        if geo_data['code'] != '200' or not geo_data['location']:
            return f"抱歉，未找到城市 '{city}' 的信息。"
        city_id = geo_data['location'][0]['id']
        city_name = geo_data['location'][0]['name']
        
        # 2. 用城市ID查询实时天气
        weather_url = f"https://devapi.qweather.com/v7/weather/now?location={city_id}&key={api_key}"
        weather_resp = requests.get(weather_url, timeout=10)
        weather_data = weather_resp.json()
        
        if weather_data['code'] != '200':
            return "天气查询服务暂时不可用。"
        
        now = weather_data['now']
        weather_text = f"{city_name}当前天气：{now['text']}，气温{now['temp']}°C，体感温度{now['feelsLike']}°C，湿度{now['humidity']}%，风向{now['windDir']}，风力{now['windScale']}级。"
        return weather_text
    except requests.exceptions.RequestException as e:
        return f"网络请求出错：{e}"
    except (KeyError, json.JSONDecodeError) as e:
        return f"处理天气数据时出错：{e}"

# 这是暴露给nanobot的工具定义
weather_tool = {
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "查询指定城市的实时天气信息，包括天气状况、温度、湿度、风力等。",
        "parameters": WeatherQueryInput.schema(),
    }
}
# 工具函数映射
tool_function_map = {
    "get_weather": get_weather
}

第三步：注册工具到nanobot 你需要在nanobot的配置或启动流程中，将这个新工具注册进去。具体方式可能因nanobot版本而异，通常是在主配置文件或初始化代码中加载你的weather_tool模块，并将weather_tool和tool_function_map告知nanobot的代理系统。

第四步：测试 启动nanobot，在Chainlit界面或配置好的QQ机器人里问：“上海今天天气怎么样？” 你应该能看到它调用API并返回真实的天气信息。

3.2 技能二：股票价格查询

对于关注金融市场的朋友，这个功能非常实用。

第一步：选择股票API 免费的股票API有不少限制，但对于简单查询，一些财经数据网站提供的接口或免费的SDK（如akshare）可以满足需求。这里以使用akshare为例（需安装：pip install akshare）。

第二步：编写股票查询工具

# tools/stock_tool.py
import akshare as ak
from typing import Optional
from pydantic import BaseModel, Field

class StockQueryInput(BaseModel):
    symbol: str = Field(description="股票代码，支持A股（如sz000001）、港股（如hk00700）、美股（如AAPL）。对于A股，需加上交易所前缀（sh或sz）。")

def get_stock_price(symbol: str) -> str:
    """
    查询指定股票代码的实时价格或最新行情。
    """
    try:
        # 处理A股代码（akshare需要‘股票代码’格式，如‘000001’）
        if symbol.lower().startswith(('sh', 'sz')):
            # 去除交易所前缀
            code = symbol[2:]
            market = "sz" if symbol.lower().startswith('sz') else "sh"
            # 使用akshare的`stock_zh_a_spot_em`接口
            df = ak.stock_zh_a_spot_em()
            stock_info = df[df['代码'] == code]
            if not stock_info.empty:
                name = stock_info.iloc[0]['名称']
                price = stock_info.iloc[0]['最新价']
                change = stock_info.iloc[0]['涨跌幅']
                return f"{name}({symbol}) 最新价：{price}元，涨跌幅：{change}%"
            else:
                return f"未找到A股股票代码 {symbol} 对应的信息。"
        # 此处可以扩展港股、美股的逻辑，需要调用其他接口
        else:
            # 示例：简单返回，实际需对接其他API
            return f"股票代码 {symbol} 的查询功能（非A股）正在完善中，目前主要支持A股（如sz000001）。"
    except Exception as e:
        return f"查询股票信息时发生错误：{e}"

stock_tool = {
    "type": "function",
    "function": {
        "name": "get_stock_price",
        "description": "查询股票的最新交易价格和涨跌幅。支持A股（格式如sz000001）、港股、美股代码。",
        "parameters": StockQueryInput.schema(),
    }
}

tool_function_map = {
    "get_stock_price": get_stock_price
}

第三步：注册并测试 同样注册工具后，你可以问：“腾讯控股的股价多少？”（需使用港股代码，如hk00700，具体取决于你的API支持）或“茅台股票（sh600519）现在什么价？”。

3.3 技能三：多语言文本翻译

翻译是另一个高频需求。我们可以利用免费的翻译API，如百度翻译开放平台或腾讯云翻译。

第一步：获取翻译API密钥 以百度翻译为例，注册开发者并创建通用翻译服务，获得App ID和密钥。

第二步：编写翻译工具

# tools/translation_tool.py
import hashlib
import random
import requests
import json
from pydantic import BaseModel, Field
from typing import Optional

class TranslationInput(BaseModel):
    text: str = Field(description="需要翻译的文本内容")
    from_lang: str = Field(default="auto", description="源语言代码，例如：zh（中文）、en（英文）、ja（日文）。‘auto’表示自动检测。")
    to_lang: str = Field(description="目标语言代码，例如：en（英文）、zh（中文）、jp（日文）。")

def translate_text(text: str, from_lang: str = "auto", to_lang: str = "en") -> str:
    """
    将文本从一种语言翻译到另一种语言。
    """
    # 你的百度翻译API信息
    appid = "YOUR_BAIDU_APP_ID"
    secret_key = "YOUR_BAIDU_SECRET_KEY"
    
    salt = str(random.randint(32768, 65536))
    sign_str = appid + text + salt + secret_key
    sign = hashlib.md5(sign_str.encode()).hexdigest()
    
    url = "https://fanyi-api.baidu.com/api/trans/vip/translate"
    params = {
        'q': text,
        'from': from_lang,
        'to': to_lang,
        'appid': appid,
        'salt': salt,
        'sign': sign
    }
    
    try:
        response = requests.get(url, params=params, timeout=10)
        result = response.json()
        if 'trans_result' in result:
            translated_text = result['trans_result'][0]['dst']
            return translated_text
        else:
            return f"翻译失败：{result.get('error_msg', '未知错误')}"
    except Exception as e:
        return f"请求翻译API时出错：{e}"

translation_tool = {
    "type": "function",
    "function": {
        "name": "translate_text",
        "description": "将文本从一种语言翻译成另一种语言。支持中文、英文、日文等多种语言。",
        "parameters": TranslationInput.schema(),
    }
}

tool_function_map = {
    "translate_text": translate_text
}

第三步：注册并测试 注册后，你可以对nanobot说：“把‘你好，世界’翻译成英文。”或者“Translate ‘How are you?’ into Chinese.”

4. 高级技巧与最佳实践

添加了几个基础工具后，你可能想让它更智能、更稳定。

4.1 让工具描述更精准

工具函数的description字段至关重要。nanobot的AI模型依靠它来决定是否以及何时调用该工具。描述要清晰、具体，包含典型用例。

• 好的描述：“查询指定城市的实时天气信息，包括天气状况、温度、湿度、风力等。”
• 模糊的描述：“获取天气数据。”

4.2 处理复杂的用户查询

用户不会总是规规矩矩地说“查询北京的天气”。他们可能会说：“北京明天是不是要下雨？”或者“上海气温如何？” 这就需要你的工具函数有一定的鲁棒性，或者通过提示工程（Prompt Engineering）让模型更好地理解用户意图。nanobot的底层模型Qwen2.5-4B-Instruct在这方面已经不错，但清晰的工具描述能极大提升匹配准确率。

4.3 错误处理与友好回复

注意看上面代码中的try...except块。网络请求可能失败，API可能返回错误，用户可能输入无效的城市名或股票代码。你的工具函数必须妥善处理这些异常，并返回一个对用户友好的错误信息，而不是让Python异常直接抛给用户。

4.4 组合技能，实现复杂任务

这是AI代理最强大的地方。你可以引导模型组合使用多个工具。 例如，用户问：“帮我看看北京天气，如果下雨就提醒我带伞，并用英文告诉我。” 模型可以这样规划：

1. 调用get_weather(“北京”)。
2. 分析返回结果，发现下雨。
3. 生成中文提醒：“北京今天有雨，请带伞。”
4. 调用translate_text(“北京今天有雨，请带伞。”, from_lang=“zh”, to_lang=“en”)。
5. 将英文结果返回给用户。

虽然当前的nanobot可能还不支持这种复杂的多步规划（这属于更高级的Agent框架能力），但了解这个方向很重要。

5. 总结：你的专属智能助理，由你定义

通过上面的步骤，我们已经成功地将nanobot从一个单纯的对话模型，升级为一个具备实时信息获取能力的实用助手。回顾一下我们做的事情：

1. 理解核心：nanobot是一个轻量级AI代理框架，其强大之处在于“工具调用”能力。
2. 技能扩展三步法：
   • 找API：为你想添加的功能（天气、股票、翻译）寻找可靠的数据源。
   • 写工具：用Python编写一个函数，调用该API，并处理好输入输出和错误。
   • 注册上线：将工具函数按照nanobot的规范进行封装和注册，然后测试。
3. 持续优化：通过优化工具描述、加强错误处理，让你的助手更聪明、更可靠。

这个过程就像给一个聪明的孩子配备不同的工具书和仪器。nanobot提供了“大脑”和“手脚”的协调机制，而你，作为开发者，负责为它打造各种各样的“工具”。除了本文提到的，你还可以为它添加：

• 日历管理：连接Google Calendar API。
• 邮件发送：通过SMTP协议。
• 知识库问答：连接你自己的文档库（结合RAG技术）。
• 智能家居控制：连接Home Assistant等平台。

nanobot的魅力正在于此：它用极简的代码，为你打开了构建个性化AI助理的大门。你不需要从头发明轮子，只需要专注于为你和你的用户创造最有价值的“技能”。现在，就动手试试，打造一个真正懂你、能帮你的数字伙伴吧。

---

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。