OpenClaw 技能主动推送飞书通知完全指南——耗时任务做完，如何手机立刻收到推送？

耗时任务做完，手机立刻收到推送：OpenClaw 技能主动推送飞书通知完全指南

当你让 AI 执行一个耗时任务（比如处理大数据、跑模型、爬取网页）后，是不是只能干等着终端输出？能不能让 AI 完事后直接“叮”一声推送到手机？本文手把手教你用 OpenClaw 的自定义技能，结合内置的 message 工具，实现“耗时任务完成 → 飞书主动推送”的丝滑体验。

文章目录

• 耗时任务做完，手机立刻收到推送：OpenClaw 技能主动推送飞书通知完全指南
• • 背景：为什么你需要这个功能？
  • 1. 前置确认：飞书通道必须已启用且正常
  • • 1.1 检查飞书通道是否启用
    • 1.2 检查飞书通道配置
    • 1.3 检查飞书通道运行状态
  • 2. 最推荐的方式：在自定义技能中指示 LLM 使用 `message` 工具
  • • 2.1 创建技能目录和 SKILL.md
    • 2.2 SKILL.md 完整示例（可直接复制修改）
    • 3. 后台任务处理（重要）
  • 示例对话
  • 3. 测试一下：让 AI 执行你的新技能
  • 4. 进阶用法：让推送更“高级”
  • • 4.1 使用消息卡片
    • 4.2 @提及某人
    • 4.3 推送文件
  • 5. 常见问题排查（我踩过的坑）
  • • 5.1 推送不成功，怎么办？
    • 5.2 推送成功了，但手机没收到通知？
    • 5.3 如何获取当前用户的 open_id 或 chat_id？
    • 5.4 任务执行时间很长，怕超时？
  • 6. 总结：让 AI 真正成为你的“得力助手”

背景：为什么你需要这个功能？

我一开始用 OpenClaw 跑一些耗时的 Python 脚本时，经常是 openclog logs –follow 挂着，然后时不时瞄一眼。后来有一次跑了个 20 分钟的任务，中间去喝了杯咖啡，回来才发现早跑完了，白白浪费了 15 分钟。于是我就琢磨：能不能让 AI 在任务完成后主动给我发个飞书通知？

OpenClaw 的设计哲学之一就是“极简核心，插件化扩展”，它的 message 工具天然支持通过已启用的通道（如飞书、Telegram）发送消息。也就是说，只要飞书通道是通的，任何技能都可以调用 message 工具给任何人发推送，包括你自己。

1. 前置确认：飞书通道必须已启用且正常

在开始之前，确保你的 OpenClaw 实例已经正确配置了飞书通道。这步如果没做好，后面全是白搭。

1.1 检查飞书通道是否启用

# 查看所有已启用的插件/通道
openclaw plugins list

你应该能看到 feishu 在列表里，并且状态为 ENABLED。如果没有，启用它：

openclaw plugins enable feishu

1.2 检查飞书通道配置

编辑配置文件 ~/.openclaw/openclaw.json（或 config.yaml，取决于你的版本），确认飞书部分配置正确：

{
"channels": {
"feishu": {
"enabled": true,
"appId": "cli_xxxxxx",
"appSecret": "your_app_secret",
"verificationToken": "your_verification_token",
"encryptKey": "your_encrypt_key" // 如果启用加密
}
}
}

小提示：如果你是用 openclaw wizard 配置的，这些字段会自动填好。

1.3 检查飞书通道运行状态

重启 Gateway 后，运行：

openclaw status

应该能看到类似：

Channels:
feishu ON | OK
telegram ON | OK
…

如果显示 ERROR，用 openclaw logs –follow 查看具体错误。

2. 最推荐的方式：在自定义技能中指示 LLM 使用 message 工具

OpenClaw 的自定义技能本质上是一个 SKILL.md 文件，放在 ~/.openclaw/workspace/skills/你的技能名/ 目录下。你可以在 Markdown 指令中明确告诉 LLM：“任务完成后，必须调用 message 工具通过飞书推送通知。”

2.1 创建技能目录和 SKILL.md

假设我们要创建一个叫 long-task 的技能：

mkdir -p ~/.openclaw/workspace/skills/long-task
cd ~/.openclaw/workspace/skills/long-task
nano SKILL.md

2.2 SKILL.md 完整示例（可直接复制修改）

下面是一个完整的 SKILL.md，包含了详细的指令和示例调用格式。我加了大量注释，方便你理解每一部分的作用。

—
name: long-task
description: 执行耗时任务（如数据处理、模型推理），完成后通过飞书主动推送结果。
version: 1.0
author: YourName
—

# 耗时任务技能

## 技能概述
本技能用于执行可能耗时较长的后台任务，并在任务完成后通过飞书通道主动推送通知给发起用户。支持富文本、@提及和交互卡片。

## 使用规则

### 1. 任务启动
当用户请求执行耗时任务时，遵循以下步骤：
– 确认任务参数（如输入文件、模型名称、超时时间等）。
– 立即回复用户：“任务已开始后台执行，完成后我会通过飞书推送结果给你。”
– 调用实际的任务执行工具/脚本（如 `exec`、`python` 等）开始处理。

### 2. 任务完成后主动推送通知
任务执行完毕后，**必须**调用 `message` 工具发送飞书推送。调用格式如下（YAML）：

```yaml
message:
action: send
channel: feishu
recipient: current # 可选：current（当前会话用户）、具体的 open_id、chat_id
text: |
✅ **你的耗时任务已完成！**
– 任务名称：{{task_name}}
– 执行结果：{{result_summary}}
– 耗时：{{duration}} 秒
– 输出文件：{{output_path}}
# 可选：卡片消息（支持飞书卡片 JSON）
card: |
{
"config": { "wide_screen_mode": true },
"elements": [
{ "tag": "markdown", "content": "✅ **任务完成**\\n点击下方按钮查看结果" },
{ "tag": "action", "actions": [ … ] }
]
}
# 可选：@指定用户
mention: { "user_id": "ou_xxx", "name": "张三" }

参数说明：

• action：固定为 send。
• channel：固定为 feishu（必须）。
• recipient：可以是 current（自动推导当前会话的用户/群），也可以是具体的 open_id 或 chat_id。用 current 最省事。
• text：支持 Markdown 格式的文本。
• card：（可选）飞书消息卡片 JSON，优先级高于 text。
• mention：（可选）@某人，需提供 user_id 和显示名称。

3. 后台任务处理（重要）

如果任务预计执行时间超过 30 秒，建议结合 openclaw-notify 技能实现异步推送：

• 安装：openclaw skills install openclaw-notify
• 使用：任务启动后，立即返回“任务已后台执行”，然后调用 openclaw-notify 在任务真正完成后推送通知。

示例对话

用户：帮我处理一下这个 1GB 的日志文件，提取所有错误行，完成后通知我。 AI：好的，任务已开始后台执行，完成后我会通过飞书推送结果给你。 （后台执行中… 执行完毕后调用 message 工具） AI（通过飞书推送）：✅ 日志处理完成！提取到 128 条错误行，结果已保存到 /workspace/errors.txt，耗时 47 秒。

### 2.3 刷新技能

保存 SKILL.md 后，需要让 OpenClaw 重新加载技能：

```bash
openclaw skills refresh

或者在飞书里直接对 AI 说：“刷新技能”，如果你配置了相关意图的话。

3. 测试一下：让 AI 执行你的新技能

在飞书里对你的 OpenClaw 机器人说：

“用 long-task 技能执行一个耗时测试任务，比如 sleep 10 秒，完成后飞书推送通知我结果。”

你会立即收到一条回复：“任务已开始后台执行…”，10 秒后，你的飞书手机端应该会收到一条推送通知，内容就是你 SKILL.md 里定义的格式。

如果收不到推送，别急，往下看排查指南。

4. 进阶用法：让推送更“高级”

4.1 使用消息卡片

飞书支持丰富的交互卡片。你可以在 card 字段里放一段 JSON，让推送变成按钮、图片、表格等。例如：

message:
action: send
channel: feishu
recipient: current
card: |
{
"config": { "wide_screen_mode": true },
"header": { "title": { "tag": "plain_text", "content": "任务完成通知" } },
"elements": [
{ "tag": "markdown", "content": "✅ 你的日志分析任务已完成，点击下方按钮下载结果。" },
{ "tag": "action", "actions": [
{ "tag": "button", "text": { "tag": "plain_text", "content": "下载结果" }, "url": "https://example.com/download" }
]
}
]
}

这样推送过去就是一个带按钮的卡片，用户可以直接点击下载。

4.2 @提及某人

如果想在群里推送时 @具体的人，可以用 mention 字段：

message:
action: send
channel: feishu
recipient: current
text: "任务完成，<at id=ou_xxx>张三</at> 请查收。"
mention:
user_id: "ou_xxx"
name: "张三"

注意 text 里的 <at> 标签和 mention 字段要配合使用，否则可能无法正确解析。

4.3 推送文件

飞书通道支持发送文件（如图片、文档）。可以用 media 字段：

message:
action: send
channel: feishu
recipient: current
text: "结果文件已生成，请查收："
media:
type: "file"
file_path: "/workspace/output/result.pdf"

文件会被上传并作为附件发送。

5. 常见问题排查（我踩过的坑）

5.1 推送不成功，怎么办？

首先，用 openclaw logs –follow 实时查看日志，看有没有类似这样的输出：

2026-03-09 15:23:45 INFO [channels.feishu] Sending message to recipient current…
2026-03-09 15:23:46 ERROR [channels.feishu] Failed to send message: invalid recipient

常见错误：

5.2 推送成功了，但手机没收到通知？

飞书 App 的通知开关可能没开。检查：

• 手机系统设置 → 通知 → 飞书 → 允许通知。
• 飞书 App 内设置 → 新消息通知 → 确保“接收消息通知”开启。

5.3 如何获取当前用户的 open_id 或 chat_id？

如果你不想用 current，可以先用 message 工具的另一个 action 来查询：

在飞书里对 AI 说：“帮我查一下当前会话的 chat_id”。（需要你的技能或系统支持这个指令）

或者手动获取：在飞书开放平台，进入你的应用，点击“开发配置” -> “调试工具”，可以用用户 ID 查询接口。

5.4 任务执行时间很长，怕超时？

OpenClaw 默认的 Agent 执行超时可能是 5 分钟。如果你的任务需要更久，有两种方案：

我强烈推荐第二种，因为它不会占用 Agent 会话资源，用户体验也更好。

6. 总结：让 AI 真正成为你的“得力助手”

通过自定义技能 + message 工具，OpenClaw 不再只是一个被动的问答机器人，而是可以主动通知你、提醒你的智能助理。无论是耗时任务完成、定时提醒、异常监控，都可以用类似的方式实现。

最后，再分享一个我自己的小技巧：我写了一个 daily-report 技能，每天早上 9 点通过 cron 触发，抓取我关注的几个数据源，汇总后主动推送到飞书。这样我一睁眼就能看到昨天的关键数据，完全不占用我早上的宝贵时间。

希望这篇文章能帮你把 OpenClaw 用得更顺手。如果你在实践过程中遇到问题，欢迎在评论区留言。

—— The lobster way. 🦞