OpenClaw Skill 扩展机制详解 — 以 AWS 成本监控为例的开发实践

一、问题背景

我在用 OpenClaw 做日常自动化时遇到一个需求：每天查一次亚马逊云科技的账单，按服务拆分，超预算就告警。

OpenClaw 本身没这个能力。但它有一套叫 Skill 的扩展机制，允许通过 Markdown 文件给 AI Agent 添加新技能。折腾了一下午搞明白了整个机制，顺便写了个成本监控 Skill。

这篇把理解和实践系统整理一下。

二、Skill 机制概述

2.1 基本概念

Skill 是 OpenClaw 中 Agent 的能力扩展单元。不是代码插件，而是一份 Markdown 格式的操作手册。AI Agent 读取文档中的指令后，自行调用底层工具完成任务。

2.2 执行流程

用户请求 → Agent 扫描 Skill 描述 → 语义匹配 → 读取 SKILL.md → 按指令执行

2.3 三层加载设计

层级	内容	加载时机
元数据层	Description	启动时常驻
指令层	SKILL.md 正文	触发时加载
资源层	scripts/、references/	引用时加载

渐进式加载是为了管理上下文窗口。只有当前需要的内容才占用空间。

三、目录结构与编写规范

3.1 标准布局

~/.openclaw/workspace/skills/aws-cost-monitor/
├── SKILL.md              # 必需：技能定义
├── scripts/
│   └── check_cost.py     # 可选：辅助脚本
└── references/
    └── cost-explorer-notes.md  # 可选：参考文档

3.2 SKILL.md 结构

# Skill 名称

## Description
功能描述

## Triggers
- 触发条件列表

## Steps
1. 执行步骤

## Notes
- 注意事项

## References
- 参考文档路径

3.3 Triggers 编写要点

这是我踩坑的地方。一开始只写了书面语，用户口语问就匹配不上。比如"查 AWS 账单"能触发，"这个月云上花了多少"就不行。

经验：先上线基础版本，实际对话中观察哪些说法没覆盖到，迭代补充。

四、实战：AWS 成本监控 Skill

4.1 SKILL.md

# AWS Cost Monitor

## Description

亚马逊云科技成本监控技能。查询云资源费用，
生成报告，按服务拆分，超预算告警。

## Triggers

- 用户说"查一下我的 AWS 账单"
- 用户说"这个月花了多少钱"
- 用户说"AWS 成本报告"
- 用户说"看看云资源开销"
- 用户说"账单超了没"
- 用户说"成本分析"
- 用户说"哪个服务花钱多"

## Steps

1. 执行 scripts/check_cost.py 获取成本数据
2. 解析 JSON 输出
3. 生成报告：

亚马逊云科技成本报告 | YYYY-MM-DD
统计周期：YYYY-MM-01 ~ YYYY-MM-DD
本月累计费用：$XXX.XX
按服务拆分（Top 5）
日均费用 /  预估月底总费用


4. 预估超 $500 则追加告警
5. 用户指定阈值则替代默认值

## Notes

- 需要 AWS CLI 凭证和 ce:GetCostAndUsage 权限
- 数据有 24-48 小时延迟
- Cost Explorer API 只能通过 us-east-1 调用

4.2 scripts/check_cost.py

#!/usr/bin/env python3
"""
AWS Cost Monitor — 查询亚马逊云科技账户成本数据
依赖：boto3  权限：ce:GetCostAndUsage
"""

import json
import sys
from datetime import datetime, timedelta

import boto3


def get_month_range(year: int = 0, month: int = 0) -> tuple[str, str]:
    """获取指定月份的起止日期。"""
    today = datetime.utcnow()
    if year == 0 or month == 0:
        year = today.year
        month = today.month

    start = f"{year:04d}-{month:02d}-01"

    if month == 12:
        end_date = datetime(year + 1, 1, 1)
    else:
        end_date = datetime(year, month + 1, 1)

    # 当前月 End 用明天（排他的）
    if year == today.year and month == today.month:
        end_date = today + timedelta(days=1)

    return start, end_date.strftime("%Y-%m-%d")


def query_total_cost(client, start: str, end: str) -> float:
    """查询总费用。"""
    resp = client.get_cost_and_usage(
        TimePeriod={"Start": start, "End": end},
        Granularity="MONTHLY",
        Metrics=["UnblendedCost"],
    )
    total = 0.0
    for result in resp["ResultsByTime"]:
        total += float(result["Total"]["UnblendedCost"]["Amount"])
    return round(total, 2)


def query_cost_by_service(client, start: str, end: str) -> list[dict]:
    """按服务维度查询费用。"""
    resp = client.get_cost_and_usage(
        TimePeriod={"Start": start, "End": end},
        Granularity="MONTHLY",
        Metrics=["UnblendedCost"],
        GroupBy=[{"Type": "DIMENSION", "Key": "SERVICE"}],
    )
    services = {}
    for result in resp["ResultsByTime"]:
        for group in result["Groups"]:
            name = group["Keys"][0]
            amount = float(group["Metrics"]["UnblendedCost"]["Amount"])
            services[name] = services.get(name, 0.0) + amount

    sorted_list = sorted(services.items(), key=lambda x: x[1], reverse=True)
    return [
        {"service": n, "amount": round(a, 2)}
        for n, a in sorted_list if a > 0.01
    ]


def estimate_monthly_total(total_so_far: float, start: str) -> float:
    """预估月底总费用。"""
    today = datetime.utcnow()
    start_date = datetime.strptime(start, "%Y-%m-%d")
    days_passed = (today - start_date).days
    if days_passed <= 0:
        return total_so_far

    if start_date.month == 12:
        next_month = datetime(start_date.year + 1, 1, 1)
    else:
        next_month = datetime(start_date.year, start_date.month + 1, 1)

    total_days = (next_month - start_date).days
    return round(total_so_far / days_passed * total_days, 2)


def main():
    year, month = 0, 0
    if len(sys.argv) >= 3:
        year, month = int(sys.argv[1]), int(sys.argv[2])

    start, end = get_month_range(year, month)
    client = boto3.client("ce", region_name="us-east-1")

    total = query_total_cost(client, start, end)
    services = query_cost_by_service(client, start, end)
    today = datetime.utcnow()
    days_passed = (today - datetime.strptime(start, "%Y-%m-%d")).days

    result = {
        "period": {"start": start, "end": end},
        "total_cost": total,
        "daily_average": round(total / max(days_passed, 1), 2),
        "estimated_monthly_total": estimate_monthly_total(total, start),
        "days_passed": days_passed,
        "top_services": services[:10],
        "query_time": today.strftime("%Y-%m-%d %H:%M:%S UTC"),
    }
    print(json.dumps(result, indent=2, ensure_ascii=False))


if __name__ == "__main__":
    main()

4.3 references/cost-explorer-notes.md

# Cost Explorer API 注意事项

## 权限要求

```json
{
  "Version": "2012-10-17",
  "Statement": [
    {
      "Effect": "Allow",
      "Action": ["ce:GetCostAndUsage", "ce:GetCostForecast"],
      "Resource": "*"
    }
  ]
}

关键限制

API 只能通过 us-east-1 调用
数据延迟 24-48 小时
TimePeriod.End 不包含当天
返回金额单位为 USD


---

## 五、安装与测试

```bash
# 创建目录
mkdir -p ~/.openclaw/workspace/skills/aws-cost-monitor/scripts
mkdir -p ~/.openclaw/workspace/skills/aws-cost-monitor/references

# 放文件后加执行权限
chmod +x ~/.openclaw/workspace/skills/aws-cost-monitor/scripts/check_cost.py

# 确认依赖
pip install boto3
aws sts get-caller-identity

独立测试脚本：

python3 ~/.openclaw/workspace/skills/aws-cost-monitor/scripts/check_cost.py

预期输出一段 JSON 费用数据。

在 OpenClaw 中测试： 文件放好后不用重启，说"查一下我的 AWS 账单"即可触发。

六、调试经验

Cost Explorer API 的坑

Region 限制：只认 us-east-1，和资源所在 Region 无关。折腾了二十分钟才搞明白。

End 日期排他：查到今天需要 End 写明天。脚本里已处理。

数据延迟：新账户查出来全是零，等 24-48 小时就好。

Skill 调试

问 Agent"你有哪些 skills"确认是否已加载
没触发多半是 Triggers 覆盖不全，补充口语变体
脚本报错检查：boto3 是否安装、AWS 凭证是否配好、IAM 权限是否足够

七、进阶扩展

定时巡检

在 HEARTBEAT.md 中添加：

- [ ] 每天早上 9:00（UTC+8），执行 AWS 成本监控

Skill 嵌套

Steps 里引用其他 Skill，Agent 自动串联执行：

6. 费用超阈值时，使用"飞书通知"Skill 发送告警

与 Amazon Bedrock 配合

把成本数据丢给 Amazon Bedrock 分析趋势和异常：

7. 将成本数据发给 Amazon Bedrock，分析趋势并给出优化建议

实际用了一段时间，不光看数字，还能拿到"EC2 费用比上月涨了 35%，建议检查闲置实例"这种分析。

条件触发

根据日期调整报告详细程度：

月初到月中：简要报告
月中到月底：完整报告含趋势分析
月底最后一天：月度总结

八、发布到 ClawHub

写好的 Skill 可以发布到 ClawHub 让其他人使用：

SKILL.md 描述完整
不硬编码敏感信息
打包提交

九、总结

步骤	内容	耗时
需求分析	确定做成本监控	5 分钟
目录规划	SKILL.md + scripts/ + references/	2 分钟
编写 SKILL.md	Triggers + Steps	15 分钟
编写脚本	check_cost.py	20 分钟
安装调试	放文件 + 测试	15 分钟

不到一小时。不需要搭环境、不需要编译。写好 Markdown 和脚本放到目录下就生效。

Skill 的核心价值在于降低 Agent 能力扩展的门槛——把"做什么"和"怎么做"用自然语言写清楚，剩下的交给 Agent。

有问题欢迎评论交流。

posted @ 2026-03-20 12:06 亚马逊云开发者阅读(9) 评论(0) 收藏举报

刷新页面返回顶部

亚马逊云开发者

进入亚马逊云科技开发者网站，请锁定 https://dev.amazoncloud.cn 帮助开发者学习成长、交流，链接全球资源，助力开发者成功。