数据可视化自动化：OpenClaw自动查询数据库并生成图表

一、配置数据库连接参数并启用data-connector技能

想让OpenClaw自动查询数据库并生成图表，第一步得打通数据通道。这里有个关键点：通过环境变量注入数据库凭证，这比把密码硬编码在脚本里安全得多，能有效避免敏感信息泄露的风险。然后，借助data-connector这个技能包，就能建立起一条稳定的数据管道。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

具体操作起来，其实就几步：

首先，打开终端，把下面这串命令贴进去执行。它会将数据库的连接信息（比如主机地址、端口号、用户名和密码）写入你的shell配置文件里。

echo 'export DB_HOST="127.0.0.1"' >> ~/.zshrc && echo 'export DB_PORT="3306"' >> ~/.zshrc && echo 'export DB_USER="analyst"' >> ~/.zshrc && echo 'export DB_PASS="safe_password"' >> ~/.zshrc && echo 'export DB_NAME="sales_data"' >> ~/.zshrc

接着，运行source ~/.zshrc让刚设置的环境变量立刻生效。之后，用命令clawhub install data-connector安装数据库连接技能包。最后，别忘了重启一下OpenClaw的网关服务：openclaw gateway restart。这样一来，数据通道的基础配置就算完成了。

二、配置支持SQL解析的AI模型（如千问3.5-9B）

光有数据通道还不够，还得有个“聪明”的大脑来理解你的指令。OpenClaw需要调用一个具备强大SQL生成能力的大模型，才能准确地把你的自然语言问题，转化成数据库能听懂的查询语句。

这里以千问3.5-9B模型为例。配置前，先确认一件事：这个模型服务是否已经在本地（比如端口8000）跑起来了，并且其API协议是openai-completions格式的。

确认无误后，打开配置文件~/.openclaw/openclaw.json，在models.providers这个节点下面，添加一段关于qwen-local的配置。有几个字段是重中之重："api": "openai-completions"、"baseUrl": "http://localhost:8000/v1"，以及决定它能处理多长上下文的"contextWindow": 32768。保存文件，再次执行openclaw gateway restart重启服务，模型配置就生效了。

三、使用自然语言触发查询与图表联合生成

最酷的部分来了：现在你可以用说人话的方式，让机器自动干活了。这背后依赖的是OpenClaw的多步任务编排能力。从理解问题、生成SQL、查询数据、到清洗结果、识别合适的图表类型、最终用Matplotlib渲染出图，这一整套流程被压缩成了一次简单的对话。

你只需要在OpenClaw的Web控制台或者CLI里，输入像这样的指令：“帮我查询最近三个月销售额超过10万元的客户名单，按金额降序排列，并生成柱状图和TOP5客户占比饼图”。

接下来，等着就行。系统会自动执行所有步骤。完成后，去左侧的文件目录里看看，应该会找到名为“客户销售额分析_柱状图.png”和“客户销售额分析_饼图.png”的图片文件。如果没找到，别急，先去检查控制台的日志，重点看有没有SQL执行失败或者matplotlib-renderer技能未加载这类报错信息。

四、验证图表生成链路完整性

万一图表没生成，问题出在哪一环？这时候需要做个分层测试，把整个链路拆成几段来验证，能快速定位故障点。

我们可以分两步走：

第一步，先发一个纯查询指令试试水，比如：“列出sales_data数据库中orders表的前5条记录”。如果这一步能正常返回结构化的表格数据，那说明数据获取和模型的基础SQL能力是没问题的。

第二步，再发一个明确要求生成图表的指令，例如：“用折线图展示orders表中2024年每月销售额趋势”。

如果第一步成功，但第二步失败了，那问题很可能出在后续的环节——比如chart-wizard（图表向导）或者matplotlib-renderer（渲染器）这些技能包没有正确安装或加载。这时，执行clawhub install chart-wizard matplotlib-renderer重新安装一下，通常就能解决。

五、强制指定图表类型与样式参数

对于生产环境或者有严格出图要求的场景，我们可能不希望模型“自由发挥”。这时，可以绕过模型的自主决策环节，直接在指令里把图表的所有细节参数都定死。

方法就是在你的指令末尾，追加详细的格式声明。比如：“……并生成宽度800像素、高度600像素的横向堆叠条形图，主色使用#1E90FF，标题为‘区域销售对比’”。

这么做，需要确保data-analyzer技能的版本不低于0.3.1，因为这个版本加强了对中文指标名和复杂样式参数的解析能力。指令发出后，检查output/目录下生成的文件，是否完全符合你设定的尺寸和命名规范。

如果发现生成的图片尺寸不对，那可能需要检查一下渲染环节的配置。可以打开~/.openclaw/skills/matplotlib-renderer/config.json这个文件，看看里面是不是已经启用了dpi=150这类渲染参数，并据此进行调整。