示例，定义两个工具函数

openclaw OpenClaw手册 2026-04-09 2

本指南将帮助您从零开始,到熟练运用其核心功能。

示例，定义两个工具函数-第1张图片-OpenClaw 开源免费 -中文免费安装

第一部分：核心概念与“下载”准备

首先需要明确：OpenClaw/AI助手能力不是可执行文件，而是一项云服务，您需要通过编程来调用它。

理解它是什么：
- 它是大语言模型（如GPT-4）与外部工具/函数连接的“智能枢纽”。
- 您可以用自然语言（如：“查一下上海最近的天气”）发出指令，AI会自动分析您的意图，并调用您预先编写好的“查天气函数”，获取真实数据后，再用自然语言回复您。
- 核心价值：让AI从“聊天专家”变为“行动专家”，可以操作数据库、发送邮件、分析Excel、控制智能设备等。
“下载”前的环境准备：
- 一个 OpenAI 平台账号：访问 platform.openai.com 注册并登录。
- 获取 API 密钥：在平台页面生成一个密钥，这是调用服务的“密码”，请妥善保管。
- 选择编程语言和安装SDK：最常用的是 Python。
```
# 安装官方Python SDK
pip install openai
```
- 代码编辑器：如 VS Code, PyCharm 等。
- 可选：图形化探索工具：OpenAI Playground 网页端提供了可视化测试助手和函数调用的界面，非常适合学习和调试。

第二部分：基础操作流程（四步法）

以下是一个经典的工作流程,以“查询天气”和“处理订单数据”为例。

步骤1：定义您的“工具”（函数） 这是最关键的一步，您需要明确告诉AI，您有哪些能力（函数）可以供它调用，以及每个函数的用途、输入参数。

    {
        "type": "function",
        "function": {
            "name": "get_current_weather",
            "description": "获取指定城市的当前天气情况",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {
                        "type": "string",
                        "description": "城市名，上海，北京",
                    },
                    "unit": {"type": "string", "enum": ["celsius", "fahrenheit"]},
                },
                "required": ["location"],
            },
        },
    },
    {
        "type": "function",
        "function": {
            "name": "process_order_data",
            "description": "处理订单CSV文件，进行销售分析",
            "parameters": {
                "type": "object",
                "properties": {
                    "file_path": {
                        "type": "string",
                        "description": "订单CSV文件在服务器上的路径",
                    },
                    "analysis_type": {
                        "type": "string",
                        "enum": ["sales_summary", "top_products", "customer_trend"],
                        "description": "需要进行的分析类型",
                    },
                },
                "required": ["file_path", "analysis_type"],
            },
        },
    },
]

步骤2：创建助手并开启对话 将工具列表赋予助手，并开始一个新的对话线程。

from openai import OpenAI
client = OpenAI(api_key='您的API密钥')
# 创建助手
assistant = client.beta.assistants.create(
    name="数据分析小助手",
    instructions="你是一个专业的数据分析和信息查询助手，请根据用户需求，智能判断并调用合适的工具，回复要清晰、专业。",
    model="gpt-4-turbo",
    tools=tools
)
# 创建对话线程
thread = client.beta.threads.create()

步骤3：用户提问与AI决策 用户提出问题后，AI会决定是否需要调用函数，以及调用哪个函数。

# 用户提问
user_message = "帮我分析一下 /data/orders_q2.csv 这个文件的销售概况。"
message = client.beta.threads.messages.create(
    thread_id=thread.id,
    role="user",
    content=user_message
)
# 让助手运行（思考）
run = client.beta.threads.runs.create(
    thread_id=thread.id,
    assistant_id=assistant.id
)

步骤4：执行函数调用并提交结果 AI的决策会体现在 run 的状态中，如果它决定调用函数，您需要拦截这个请求，在本地执行真正的函数，并将结果返回给AI。

# 轮询检查运行状态
while run.status not in ["completed", "failed", "requires_action"]:
    run = client.beta.threads.runs.retrieve(thread_id=thread.id, run_id=run.id)
    time.sleep(1)
# 如果AI要求执行动作（调用函数）
if run.status == "requires_action":
    tool_calls = run.required_action.submit_tool_outputs.tool_calls
    tool_outputs = []
    for tool_call in tool_calls:
        function_name = tool_call.function.name
        function_args = json.loads(tool_call.function.arguments)
        # --- 这里就是您要编写的真实函数逻辑 ---
        if function_name == "process_order_data":
            # 调用您本地真正的数据分析函数
            result = your_real_data_analysis_function(
                file_path=function_args["file_path"],
                analysis_type=function_args["analysis_type"]
            )
        elif function_name == "get_current_weather":
            result = your_real_weather_api_call(function_args["location"])
        # -------------------------------------
        tool_outputs.append({
            "tool_call_id": tool_call.id,
            "output": str(result) # 将结果转换为字符串
        })
    # 将函数执行结果提交给AI，让它继续生成面向用户的回答
    run = client.beta.threads.runs.submit_tool_outputs(
        thread_id=thread.id,
        run_id=run.id,
        tool_outputs=tool_outputs
    )
# 获取助手的完整回复
messages = client.beta.threads.messages.list(thread_id=thread.id)
latest_message = messages.data[0]
print(latest_message.content[0].text.value)

第三部分：熟练操作与高级技巧

精准的函数描述：description 和参数描述是AI是否准确调用函数的关键，描述要像给一个新员工写说明书一样清晰。
处理复杂逻辑：一次对话中，AI可能会连续调用多个函数来完成一个复杂任务，您的代码需要能处理这种链式调用。
上下文管理：Thread 保留了完整的对话历史，善用线程来管理不同用户或不同主题的长对话，避免混淆。
错误处理与降级：在您的真实函数中做好异常处理，如果调用天气API失败，可以返回错误信息给AI，让它向用户解释或建议重试。

文件上传与处理：Assistants API 支持上传文件（如图片、PDF、CSV），AI可以读取文件内容并结合工具调用进行分析。

# 上传文件并关联到助手
file = client.files.create(file=open("report.pdf", "rb"), purpose="assistants")
assistant = client.beta.assistants.update(
    assistant.id,
    file_ids=[file.id]
)