很多朋友装好OpenClaw之后发现一个问题这玩意儿确实能跑但怎么让它聪明地干活比如我想让它每天早上自动查一次天气预报、汇总关键信息后推给我或者定时检查某个网站有没有更新——这些自动化的事情怎么做答案就是工作流。今天这篇我就从最基础的概念讲起配合几个实际的自动化任务编排案例帮你快速上手OpenClaw的工作流设计。OpenClaw最新版本一键部署包下载地址https://top.wokk.cn/什么是工作流先别被工作流这个术语吓到。说白了工作流就是把一系列任务按顺序或条件串联起来自动执行。举个最简单的例子你早上起床的流程就是个工作流——闹钟响了 → 起床 → 刷牙洗脸 → 煮咖啡 → 看手机。这些步骤有先后顺序每一步都是触发下一步的条件。放到OpenClaw里也是一样的道理。一个工作流通常包含这么几个要素触发器Trigger什么时候开始执行。可以是定时触发每天9点、事件触发收到一封邮件、或者手动触发你发一条指令。节点Node具体要执行的操作。比如发送HTTP请求、调用AI模型、读写文件、发送消息等。连接线Edge节点之间的关系。顺序执行、条件分支、并行执行等。变量Variable节点之间传递的数据。比如第一个节点获取的天气数据传给第二个节点用来生成摘要。把这些东西组合在一起就是一条完整的工作流。第一个工作流每日早报理论讲完直接上手。我们的第一个工作流目标是每天早上8点自动汇总天气、新闻和日程然后推送到微信。用YAML格式定义工作流OpenClaw支持YAML和可视化编辑器两种方式创建工作流这里用YAML因为更直观name: daily-morning-briefingdescription: 每日早间简报工作流trigger:type: cronschedule: “0 8 * * *” # 每天8点timezone: Asia/Shanghainodes:id: get_weathertype: http_requestconfig:url: “https://api.weather.com/v1/current?cityBeijingapikey{{SECRETS.WEATHER_API_KEY}}”method: GEToutput: weather_dataid: get_newstype: http_requestconfig:url: “https://api.news.com/v1/top-headlines?countrycn”method: GEToutput: news_dataid: summarizetype: ai_generateconfig:model: glm-4prompt: |根据以下信息生成一份简明的早间报告不超过300字天气信息{{weather_data}} 今日要闻{{news_data}} 要求口语化风格突出关键信息最后附一句今日建议。input:weather_data: “{{nodes.get_weather.output}}”news_data: “{{nodes.get_news.output}}”output: summaryid: send_notificationtype: message_sendconfig:channel: wechattarget: “你的微信ID”content: “{{nodes.summarize.output}}”edges:from: get_weatherto: summarizefrom: get_newsto: summarizefrom: summarizeto: send_notification来解释一下这段配置触发器部分用了cron表达式0 8 * * *表示每天8:00执行。节点部分定义了4个步骤获取天气、获取新闻、AI摘要、发送通知。注意summarize节点。这里我们用了ai_generate类型让AI模型把天气和新闻数据整合成一段可读的摘要。prompt里用了{{weather_data}}和{{news_data}}这样的模板变量运行时会被替换为实际数据。edges部分定义了执行顺序。get_weather和get_news可以并行执行它们没有依赖关系summarize等前两个都完成后才开始最后发通知。第二个工作流网站监控工作流不一定非得是定时执行的也可以是基于条件的。下面这个例子是监控一个技术博客有没有新文章发布有的话就推送通知。name: blog-monitordescription: 监控博客更新trigger:type: cronschedule: “*/30 * * * *” # 每30分钟检查一次nodes:id: fetch_pagetype: http_requestconfig:url: “https://example-blog.com”method: GEToutput: page_contentid: check_updatetype: conditionconfig:expression: |{{nodes.fetch_page.output}} contains “{{prev.latest_title}}”mode: “not_match” # 如果当前页面的最新标题跟上次不一样说明有更新output: has_updateid: extract_infotype: ai_extractcondition: “{{nodes.check_update.output}} true”config:model: glm-4prompt: |从以下网页内容中提取最新文章的标题和摘要{{nodes.fetch_page.output}}返回格式标题xxx\n摘要xxxoutput: article_infoid: notifytype: message_sendcondition: “{{nodes.check_update.output}} true”config:channel: telegramtarget: “你的Telegram Chat ID”content: “ 博客更新\n{{nodes.extract_info.output}}”id: save_statetype: file_writecondition: “{{nodes.check_update.output}} true”config:path: “/data/blog_monitor/state.json”content: |{“latest_title”: “{{nodes.extract_info.output.split(‘\n’)[0].replace(‘标题’, ‘’)}}”, “last_check”: “{{now()}}”}这个工作流的亮点在于使用了condition类型节点和condition属性。check_update节点会比对当前页面的最新标题和上次保存的标题如果不一样就继续执行后续的提取和通知步骤否则整个流程就到此结束不会发任何通知。最后一个save_state节点很重要——它把当前检测到的最新标题保存到文件中作为下次比对的基准。这就实现了状态记忆让监控能持续运行而不是每次都重复检测。第三个工作流数据处理管道工作流不只是能做通知类的任务也能处理复杂的数据处理逻辑。下面这个例子展示了一个典型的数据处理管道定期从API获取数据 → 清洗转换 → 存储 → 生成报表。name:>