ADBClaw-云原生数据仓库AnalyticDB(AnalyticDB)-阿里云帮助中心

ADBClaw 搭载 AnalyticDB for MySQL自研 AI 数据分析引擎，深度解析数据库表结构与业务语义，打通“自然语言交互 → 智能分析 → Skills 沉淀 → 场景复用”的完整链路。业务人员无需编写 SQL，即可通过自然语言完成专业数据分析，复杂分析任务开箱即用、稳定复现。

ADBClaw 产品架构

使用场景

业务运营分析

运营人员频繁向数据分析师提交需求，沟通成本高、响应周期长。数据分析师通过 ADBClaw 配置运营分析场景并绑定核心数据表和 Skills 后，业务人员可通过自然语言自助完成常规数据查询，无需依赖分析师。分析结果支持通过自动调度功能，每日生成分析报告并推送到钉钉或飞书等即时通讯工具。

跨部门数据协作

不同部门数据口径不一致，分析逻辑重复开发。通过统一配置数据场景和 Skills 确保数据口径一致性。场景和 Skills 支持团队共享，避免重复开发，分析过程可追溯，便于口径问题排查。

自动化业务决策

将 ADBClaw 通过 Skill 接入 OpenClaw 后，结合 OpenClaw 的自动化执行能力，可实现周期性数据分析任务的自动触发，并基于分析结果自动执行业务优化策略（如库存预警后自动触发补货流程、用户流失预测后自动触发召回运营动作），形成“数据采集 → 智能分析 → 策略执行”的闭环。

功能特性

功能	说明
自然语言交互	支持多轮对话式智能数据分析，自动完成意图理解、SQL 生成和结果呈现。
三层数据探索	深度挖掘数据库表结构与业务语义，为自然语言查询提供精准的数据上下文。浅层数据探索：自动扫描基础元数据与物理特征，包括表结构、字段类型、数据规模、主键、分区、索引信息。中层数据探索：深入分析统计分析与数据质量，自动检测空值率、类型异常、分布规律及数据倾斜。深层数据探索：语义推断字段业务含义，分析查询性能与数据可访问性，为模型提供完整的数据理解上下文。
数据分析行业 Skills	内置金融、广告等垂直领域的业务指标分析 Skills，开箱即用。支持通过自然语言生成自定义 Skills，也支持从技能市场下载开源 Skills。
场景化编排	支持将分析 Skills 编排为可复用的业务场景，实现高频分析场景的自动化、周期性执行。
Channels 接入	支持钉钉等第三方通讯工具接入，随时随地与 ADBClaw 交互。
OpenClaw 对接	支持通过 Skill 将 ADBClaw 集成到 OpenClaw 中。

前提条件

已拥有阿里云账号并完成实名认证。若尚未注册，请前往阿里云官网完成注册。

准备工作

步骤一：创建集群

登录云原生数据仓库AnalyticDB MySQL控制台。单击页面右上角购买实例。
在购买页面，配置以下核心参数快速完成选型，其他参数按需选择或保持默认即可。如需了解更多参数信息，请参见创建集群。
- 商品类型：选择按量付费。
- 版本：选择企业版（多副本）。
- 部署模式：选择单可用区部署。
- 地域及主可用区：当前ADBClaw仅支持华东1（杭州）、华东2（上海）、华北2（北京）地域。
- 自动开通PVL服务：勾选。
- 预留资源节点数：根据需要设置。当设置为0时，不支持创建和读写内表，只支持创建和读写外表。
单击立即购买，然后按照控制台提示完成后续购买操作。
支付成功后，大约需等待10～15分钟，在集群列表页待集群状态变为运行中表示创建完成。

步骤二：创建数据库账号

ADBClaw 连接 AnalyticDB for MySQL 集群需要数据库账号，不同账号对应不同数据库权限。

在集群列表页，单击目标集群ID，进入集群详情页。
在左侧导航栏，单击账号管理。
在用户账号页签下，单击创建账号。需要分别创建以下两个账号类型的数据库账号：
1. 高权限账号：用于管理普通账号的权限。
2. 普通账号：该账号将用于 ADBClaw 的数据库连接。
配置普通账号权限。
单击普通账号所在行操作列 ⋮ 按钮的编辑权限，按需选择权限配置，建议选择查询权限。

步骤三：初始化 ADBClaw

在集群详情页左侧导航栏，单击ADBClaw（AI 助手）。
单击开始使用。
首次进入时，系统自动初始化，预计等待约 2 分钟。

步骤四：设置白名单

访问 ADBClaw 前，需要先将 ADBClaw 服务对公网开放，并通过网络白名单机制限制访问来源，确保只有指定 IP 可以访问。

在ADBClaw（AI 助手）页面，单击白名单设置区域右上角的添加白名单分组。
在添加白名单分组对话框中设置以下信息。
- 分组名称：自定义。
- 组内白名单：需要访问ADBClaw的机器公网IP地址或IP段。查看机器出口IP方法：
  - Shell命令行执行：curl ifconfig.co/json
  - 浏览器网页访问：https://ipconfig.com/zh
单击确定。

步骤五（可选）：开通公网访问能力

当使用 ADBClaw 如下能力时，需要访问公网：

Channel 对接：连接钉钉/飞书等通讯工具。
智能诊断：使用 AnalyticDB for MySQL AI 诊断 Skill 实现对集群的快速诊断。

创建步骤：

获取 AnalyticDB for MySQL 集群VPC和交换机信息。
1. 登录云原生数据仓库AnalyticDB MySQL控制台，在左上角选择集群所在地域。在左侧导航栏，单击集群列表，然后单击目标集群ID。
2. 在左侧导航栏，单击集群管理 > 集群信息。
3. 在网络信息区域，查看VPC ID和交换机ID。
创建公网 NAT 网关并绑定 EIP。
1. 前往NAT 网关 - 公网 NAT 网关购买页。
2. 配置公网NAT网关信息。
  - 地域：选择 AnalyticDB for MySQL 集群所在地域。
  - 网络及可用区：选择步骤1中获取的VPC和交换机信息。
  - 弹性公网IP：如果已创建 EIP 则选择已有，否则选择新购弹性公网IP。
3. 单击立即购买。
配置 SNAT 条目。
1. 前往公网NAT网关控制台，在左侧导航栏选择NAT网关 > 公网NAT网关，然后单击新创建的NAT网关。
2. 选择SNAT管理页签，然后单击创建SNAT条目。
3. 选择弹性公网IP，然后单击确定创建。

使用ADBClaw

步骤一：访问ADBClaw

在ADBClaw（AI 助手）页面，单击服务信息区域右上角的访问，即可开始使用ADBClaw。

步骤二：配置数据库

在ADBClaw页面，单击左侧导航栏的数据接入。
在数据库页签下，单击按钮，进行连接配置。
说明
第一次进入时，由于没有配置连接信息，页面提示“连接失败”属正常现象。
输入准备工作中创建的数据库账号与密码，然后单击保存。

步骤三：发起分析任务

在左侧导航栏，单击新任务，然后在输入框中描述分析需求并发送。ADBClaw 自动完成意图理解、匹配 Skills、分层数据探索和 SQL 执行，并以结构化结果呈现。

指定场景与 Skills（可选）
在输入框中单击 + 按钮选择分析场景，或输入 /Skill名称 直接调用特定分析 Skills，系统在对应的数据范围和分析逻辑下执行任务。分析场景与Skill配置，请参见下文。
多轮对话交互
复杂数据分析场景支持多轮对话：
- 追问分析：基于返回结果继续提问，深入挖掘数据价值。
- 纠错修正：分析结果不符合预期时，直接指出问题，系统自动调整分析逻辑。
- 新增需求：在分析过程中随时追加新的分析维度或筛选条件。

步骤四：将分析任务沉淀为 Skills

支持将分析过程沉淀为可复用的分析 Skills。

在分析任务中，通过自然语言描述（如“将这个任务总结为一个 Skill，放到我的 Skills 里面”），即可将完整分析逻辑创建为 Skills，后续可直接调用。

步骤五：保存为分析场景

对于高频使用的业务场景，支持保存为可复用的分析场景，实现分析过程的稳定复现。

在左侧导航栏，单击业务场景，进入业务场景（Plugin）页面。
单击创建场景 Plugin，然后填写场景名称和描述。
关联目标数据表（支持从数据库直接选择）。
绑定所需的 Skills。
保存后，在新建任务时选择该场景即可限定分析范围和 Skills 范围，确保分析逻辑和数据口径的一致性。

功能介绍

完成上述步骤后，即可建立从自然语言分析到 Skills 沉淀、场景复用的完整工作流。以下功能进一步扩展使用场景。

Skills 管理

在左侧导航栏，单击算子库，进入算子库（Skills）页面，管理分析 Skills。

交互式创建：单击创建你的技能，通过与 AI 对话描述分析需求，系统自动生成 Skills（除从分析任务创建外的另一种方式）。
内容精调：直接修改 Skills 内容，对分析逻辑进行人工订正。
公开技能市场：浏览社区 Skills，按分类筛选查找现成能力。

OpenClaw 集成

ADBClaw 支持与用户现有 OpenClaw 进行集成，将数据分析能力无缝接入客户当前的自动化工作流中。

前提条件

OpenClaw 调用 ADBClaw 前，需要先将 OpenClaw 所在机器的出口公网 IP 地址加入 ADBClaw 的白名单。具体操作，请参见步骤四：设置白名单。

Channels接入

如果您的OpenClaw已接入钉钉、飞书等通讯工具，那您可以直接通过这些工具，借助OpenClaw和ADBClaw交互。

接入方式

说明

接入过程中，请加入钉钉ADBClaw用户交流群（钉钉群号：173295003853），联系研发团队获取技术支持。

获取 Skill
ADBClaw 通过 Skill 与 OpenClaw 集成，请联系研发团队获取相关 Skill。获取 Skill 压缩包后，解压并放置到 OpenClaw 的 Skill 目录下。
参考路径：~/.openclaw/workspace/skills/
写入访问信息
将 ADBClaw 的访问信息填写到 ADBClaw Skill 目录下的 config.json 文件中。访问信息请联系研发团队获取。
验证 Skill 识别
检查 OpenClaw 是否已自动识别 ADBClaw Skill，可通过以下任一方式：
- OpenClaw Dashboard：技能 > Refresh > Workspace Skills。
- Shell 命令：openclaw skills。
如果未识别到该 Skill，可尝试重启 OpenClaw：openclaw gateway restart。
开始使用
直接在 OpenClaw 中通过自然语言发送指令，例如：
- “用 ADBClaw 帮我分析 xxx”
- “用 ADBClaw 帮我分析 xxx，使用 xxx 数据库表和 xxx 技能。”

输出模式

ADBClaw Skill 默认使用 Summary 模式，仅展示分析过程中的关键信息。如需查看更详细的中间过程或 SQL 执行结果，可使用 Verbose 模式，通过自然语言指定即可，例如：

“用 ADBClaw 的 verbose 模式，帮我分析 xxx”
“用 ADBClaw，我要看详细过程，帮我分析 xxx”

核心Skills

三层数据探索

三层智能数据探索引擎：从“看见数据”到“读懂业务”

ADBClaw 采用“按需分层、逐层递进”的智能策略，将数据探索标准化为三个层次，以最小成本提供全链路数据洞察。

层次	定位	核心动作	解决痛点
浅层：基础透视	秒级构建数据全景地图	自动解析字段类型、表规模、主键约束及物理存储策略（分区/索引）。	快速解答“有什么数据”、“结构如何”，为后续分析奠定物理基础。
中层：质量体检	深度扫描分布特征与潜在风险	针对数值、字符、时间字段进行统计分布分析，识别缺失值、重复项、异常值及格式一致性。	提前暴露“数据脏乱差”问题，量化数据质量，避免基于错误数据得出误导性结论。
深层：语义洞察	连接业务含义与落地性能	推断字段业务语义，挖掘多表关联逻辑，评估查询性能瓶颈、访问权限及采样策略。	将数据特征转化为可执行的业务建议，直接指导报告生成、模型训练及 SQL 优化。

核心价值：简单问题秒级响应，复杂问题深度洞察，让数据分析更精准、更高效。

数据分析行业

在广告营销与效果归因领域，ADBClaw 内置转化率分析、投放诊断等行业级 Skills，构建了一套“从宏观趋势到微观根因，再到策略闭环”的深度诊断体系。核心能力如下：

能力	说明
全链路多维下钻	结合数据探索，深入流量渠道、媒体载体、运营主体及推广活动等核心层级，层层穿透，精准定位问题颗粒度。
转化效率比模型	独创“转化占比/点击占比”效率指标，剔除量级干扰，客观量化流量相对质量，快速识别高优潜力源与低效损耗源。
风险分级预警	基于效率阈值自动划分“高风险损耗”与“高效扩量”区间，为预算取舍提供清晰的红绿灯决策信号。
交叉根因定位	执行多维交叉分析，精准定位隐蔽的“高危组合”，敏锐区分系统性故障与局部结构性异常。
闭环策略输出	遵循“诊断发现 → 业务归因 → 分级建议”逻辑，直接输出可落地的优化动作，实现从数据洞察到 ROI 提升的完整闭环。