目录

玩转 OpenClaw 之——接入滴答清单实现个人日程/项目管理

如何用 AI Agent 让滴答清单变得更智能

文章概要

本文旨在探讨利用 OpenClaw 对接 Dida365 (滴答清单) Open API 的技术实践,以构建更为智能的个人日程规划与项目管理系统。文中将详细解析系统的整体技术架构,展示核心 API 的调用逻辑,并阐述如何通过配置定时任务(Cron Jobs)实现数据的每日自动化汇总与处理。本文内容侧重于工程落地,非常适合滴答清单的高级用户以及致力于 AI Agent 自动化工作流开发的开发者参考。


背景与动机

你是否有过这样的困扰?每天早上打开任务管理工具,面对一堆待办事项,却不知道该从何下手;想做个项目规划,却发现任务分散在各个平台,同步起来特别麻烦。

如果你也在用的是滴答清单(Dida365),那么恭喜你,这篇文章或许能帮你打开新世界的大门——我们将一起探索如何用 OpenClaw 把滴答清单变得更"智能"。


为什么要让 AI 来帮你管任务?

坦白说,滴答清单本身已经很好用了。但有时候,我们总会遇到一些"痛点":

  • 每天都要手动整理任务清单,好烦
  • 想做项目复盘,却要一条条去翻记录
  • 任务太多太杂,完全看不清重点

而 OpenClaw 作为一款 AI Agent 平台,恰好能解决这些问题。配备上一个编写良好的 skill,它可以帮你自动获取任务汇总、智能分析任务优先级、甚至根据上下文帮你推荐下一步该做什么。


整体架构一览

先来看一张简单的架构图,了解一下各个部分是怎么配合工作的:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
┌─────────────┐      API       ┌─────────────┐
│   OpenClaw  │ ◄─────────────► │  Dida365    │
│  (AI Agent) │   Open API     │  (滴答清单)  │
└─────────────┘                └─────────────┘
      │
      ▼
┌─────────────┐
│  Cron Job   │  ← 每天早上9点自动触发
│  (定时任务)  │
└─────────────┘
      │
      ▼
┌─────────────┐
│    飞书      │  ← 汇总结果推送到这里
└─────────────┘

简单来说就是:OpenClaw 通过 API 调用滴答清单,定时抓取任务数据,并支持通过 Open API 更新任务状态和项目进度,实现待办事项的有序管理,最后按需推送到你的通讯工具。


手把手实战:如何快速上手

获取 API Token

滴答清单提供了官方 Open API,开发者可以根据 Open API 的接口文档获取相关的 Bearer Token 访问凭据,访问平台的 API 接口,获取相应的能力。

  1. 访问「滴答清单开放平台
https://image.p1nant0m.xyz/20260301163443082.png
  1. 使用滴答清单账号完成登录

  2. 创建一个新应用(App) 进入 APP 设置编辑页面,

https://image.p1nant0m.xyz/20260301184913694.png

将 OAuth redirect URL 设置为 http://localhost:8080/callback,方便后边我们在本地完成 OAuth 授权流程并获取 Access Token,你需要留意在这个页面中的 Client ID 以及 Client Secret,后边会使用到。

https://image.p1nant0m.xyz/20260301212832683.png
  1. 完成 OAuth 授权流程,获取 Access Token(我编写了一个脚本用于在本地完成 OAuth 认证流程并获取 Access Token 凭据,有需要的朋友可以访问该仓库下载使用)
1
python -m dida365_oauth.cli --client-id <你在第二步中获取的 Client ID> --client-secret <你在第二步中获取的 Client Secret> --authorize

执行完这个脚本并完成授权流程后,你能够在命令行终端中看到返回的 access_token

  1. 如果你的执行流程一切顺利的话,最后你能获得到一个 access_token 凭据。请保存这个凭据,后续的步骤中会使用到它。

安装 dida365-api-skill —— 让你的龙虾🦞掌握如何当一名私人助理

我们在上一节中已经获取到了 Access Token,那么接下来要做的,就是让 OpenClaw 能够"读懂"滴答清单的 API。而这正是 dida365-api-skill 要做的事情。

这个 Skill 能做什么?

dida365-api-skill 是专门为 OpenClaw 打造的滴答清单集成技能,安装完成后,你的 Agent 就能:

功能 说明
📋 项目管理 创建、查看、更新、删除项目
✅ 任务管理 创建、更新、完成任务
⏰ 提醒设置 支持自定义提醒时间
🔄 重复任务 支持重复规则设置
🏷️ 优先级管理 高/中/低优先级区分

简单来说:它让你的 AI Agent 变成了一个"滴答清单私人助理"。


详细安装步骤

第一步:克隆仓库

1
2
git clone https://github.com/wgblikeW/dida365-api-skills.git
cd dida365-api-skills

第二步:配置 Access Token

将你之前获取的 access_token 写入 token.txt 文件:

1
echo "你的access_token内容" > token.txt

如何使用?

安装完成后,你就可以通过自然语言让 Agent 帮你管理滴答清单了:

示例一:查询待办

1
2
用户:帮我看看今天有什么任务?
Agent:调用 dida365-api 查询今日待办...
1
2
3
4
# Agent 内部实际调用的 API
projects = get('/open/v1/project', 'token.txt')
tasks = get('/open/v1/project/{projectId}/data', 'token.txt')
# 筛选出今日待办和未完成任务

示例二:创建任务

1
2
用户:帮我创建一个周五要完成的技术调研任务
Agent:提取任务信息,调用创建任务 API...
1
2
3
4
5
6
7
# Agent 内部实际调用的 API
post('/open/v1/task', 'token.txt', json_data={
    'title': '技术调研',
    'projectId': '目标项目ID',
    'dueDate': '2026-03-06T18:00:00+0800',
    'priority': 3
})

如何确认安装成功?

你可以直接在 OpenClaw 中测试以下对话:

1
用户:在滴答清单的 blog-workspace 中,创建一个测试任务

如果 Agent 成功在滴答清单中创建了任务(你可以在滴答清单 App 中看到),说明 Skill 已正常工作。

你也可以在已经接入了 Openclaw 的信息渠道中发送 /skill 来看 Agent 当前已加载的 skills,我这里接入的 Channel 是飞书,如果你也是使用飞书作为 IM 渠道的话,那么你向你的龙虾发送 /skill 可以看到,

https://image.p1nant0m.xyz/20260301222654727.png

又或者你可以打开 Openclaw 的 Dashboard,在侧边栏中找到 Agent-Skills,看看你的 skill 是否安装到了正确的位置上,

https://image.p1nant0m.xyz/20260301222940073.png

最后,记得别忘了在 Agent 中启用该 Skill。

如果你上述的操作步骤都完成了但还仍然无法在 Agent 中加载 skill 的话,你可以试试重新启动 openclaw gateway,或者尝试将历史会话清除后重新尝试,也许就可以了。


进阶玩法:每天自动收作业

配置 Cron Job

如果你每天早上都想定时收到任务汇总,只需要配置一个 Cron Job:

1
请执行 /workspace/skills/dida365-api/daily_summary.py 脚本获取滴答清单每日总结,然后将结果发送给用户。执行步骤:1) 运行脚本获取总结 2) 将总结内容通过飞书发送给用户。

这样每天早上9点,你就能收到一份"私人订制"的任务简报,是不是有点像有个私人助理的感觉?


项目管理的高级打开方式

如果你正在负责一个比较复杂的项目,可以用滴答清单来做一个完整的 WBS(工作分解结构):

层级 滴答清单对应 用途
项目 Project 整个项目
任务 Task 可独立执行的工作项
子任务 Item 任务进一步拆解

举个例子:

1
2
3
4
5
6
7
8
9
项目:游戏项目开发
├── 任务1:架构设计
│   ├── 子任务:调研现有方案
│   └── 子任务:确定技术选型
├── 任务2:环境搭建
│   ├── 子任务:集群部署
│   └── 子任务:开发环境配置
└── 任务3:核心功能开发
    └── ...

通过这种方式,你可以把项目拆得非常细,而且每一步都能在滴答清单里跟踪进度。


作为一个高层次的 Planner 使用

在正式开始之前,我想先聊聊一个更"高级"的玩法——让 AI 成为你的任务规划师

什么是 Plan and Act?

在 OpenClaw 中,有一种非常实用的设计模式叫做 Plan and Act。简单来说,它的核心逻辑是:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
🤖 高层 Agent(Planner)
      │
      ▼
┌─────────────────┐
│  理解用户意图   │
│  分解复杂任务   │
└─────────────────┘
      │
      ▼
┌─────────────────┐
│  生成 To-Do List│
└─────────────────┘
      │
      ▼
┌─────────────────┐
│  分派给子 Agent │
└─────────────────┘
      │
      ▼
┌─────────────────┐
│  跟踪执行状态   │
│  实时更新进度   │
└─────────────────┘

听起来有点抽象?让我用一个具体的例子来说明。

场景:开发一个博客系统

假设你想让 AI 帮你开发一个博客系统。如果是传统的做法,AI 可能直接就开始写代码了,结果往往是:

  • 代码写到一半发现架构不对
  • 做到后面发现漏了某些功能
  • 改来改去,耗时又耗力

但如果用 Plan and Act 的方式,会变成这样:

第一步:任务分解(Planner 负责)

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
用户需求:帮我开发一个博客系统

Planner 分解后的 To-Do List:
├── 1. 需求分析与技术选型
│   ├── 确定技术栈(Next.js + Tailwind?)
│   ├── 设计数据库 schema
│   └── 制定 API 规范
├── 2. 基础架构搭建
│   ├── 初始化项目
│   ├── 配置开发环境
│   └── 搭建脚手架
├── 3. 核心功能开发
│   ├── 用户认证模块
│   ├── 文章 CRUD
│   ├── 评论系统
│   └── 文件上传
├── 4. 部署与上线
│   ├── Vercel 部署
│   └── 域名配置
└── 5. 测试与优化
    ├── 单元测试
    └── 性能优化

第二步:分派执行

Planner 会把这些任务分派给不同的子 Agent 去执行。每个子 Agent 只负责一小部分,专注且高效。

第三步:状态追踪

每个任务的完成状态会实时更新:

  • ✅ 已完成
  • 🔄 进行中
  • ⏳ 待处理

滴答清单 + Plan and Act = 王炸组合 ✨

现在,我们把滴答清单融入到这个流程中会发生什么?

答案是:你的滴答清单从此变成了一个"会自动干活"的清单

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
┌─────────────────────────────────────────────────────────┐
│                    滴答清单 (Planner 模式)                │
├─────────────────────────────────────────────────────────┤
│                                                         │
│  📥 接收用户目标                                        │
│      │                                                 │
│      ▼                                                 │
│  🧠 AI 分析任务 → 生成 To-Do List                      │
│      │                                                 │
│      ▼                                                 │
│  ✅ 自动创建任务到滴答清单                               │
│      │                                                 │
│      ▼                                                 │
│  ⏰ 定时触发 → 逐个执行任务                             │
│      │                                                 │
│      ▼                                                 │
│  📝 更新任务状态 → 标记完成/失败                        │
│      │                                                 │
│      ▼                                                 │
│  🔄 循环直到所有任务完成                                │
│                                                         │
└─────────────────────────────────────────────────────────┘

换句话说:你只需要告诉 AI 你想要什么,它就会自动把任务分解、写入滴答清单、逐个执行、实时更新状态——形成自解决、自闭环、自反馈的完整流程。

适用场景

这种模式特别适合:

  • 复杂的项目开发(需要多步骤、多模块协作)
  • 系统性的学习计划(分阶段、分主题)
  • 跨平台的任务协调(需要多个工具配合)
  • 长期项目的管理(需要持续跟踪和迭代)

实战:配置自动执行的 Planner

要让滴答清单真正"动"起来,你需要配置一个定时触发器

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
# 每天下午2点检查并执行任务
schedule: "0 14 * * *"

# 触发时的行为
actions:
  - 获取当前所有待执行任务
  - 按优先级排序
  - 依次执行未完成的任务
  - 更新任务状态
  - 生成执行报告

这样一来,你的滴答清单就不再只是一个"记录工具",而是一个真正的"AI 驱动的自动化工作流"。

写在最后

当然,目前这个模式还在探索阶段,实际效果取决于任务拆解的粒度、AI 对上下文的理解能力等因素。但可以预见的是,随着 AI 能力的不断增强,这种"AI + 外部工具"的组合会越来越强大。

这样的协作形式就像是一个由 AI 助手与人类用户共同维护着代办事项清单,在每一次的定时任务循环中就会去判断某个命名空间中是否有当前 Agent 有能力去自主解决的任务,AI Agent 能够自行完成这些任务(或是在人类的监督下完成)并回报执行结果。

用起来的实际效果

说了这么多,到底能带来什么改变?我总结了以下几个常见场景:

场景 效果
每天早上 自动收到任务汇总,不用手动去刷
项目管理 清晰看到每个任务的状态和进度
任务提醒 高优先级任务会特别标出,不会漏掉
跨平台同步 汇总结果直接推送到飞书/微信

总结

本文介绍了如何将滴答清单(Dida365)接入 OpenClaw,以实现任务待办事项自动化的功能。我们主要通过以下方式达成这个目标:

  1. 开发了一个工具:支持 Dida365 的 OAuth 认证以及获取 Access Token 凭据
  2. 提供了一个 Skills 插件:大家可以安装该 Skills,让 OpenClaw 能够调用 Dida365 OpenAPI

此外,我们还简单介绍了一些具体的使用场景,如查询待办、创建任务、每日自动汇总等。


参考资料