WorkBuddy 通过三种方式支持 Python 扩展：一、内置沙箱运行本地 .py 脚本，要求含 main() 函数且输出为 DataFrame 或 JSON；二、用 OpenClaw 技能包封装逻辑，含 manifest.json 和 main.py，支持权限声明与复用；三、在 SQL 查询后调用 Python 插件二次加工结果，通过 SDK 获取上一次查询数据并注入报表。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望为 WorkBuddy 自动化脚本添加自定义逻辑、连接非标准数据库或执行深度数据处理，则需依赖 Python 扩展能力。WorkBuddy 本身不直接运行任意 Python 代码，但通过内置 Python 运行时与沙箱机制，支持在受控环境中调用本地脚本完成扩展任务。以下是具体实现方式：
一、通过内置 Python 运行时执行本地脚本
该方法利用 WorkBuddy 预装的 Python 解释器（含 Pandas、Requests 等基础库），在本地沙箱中安全执行用户提供的 .py 文件，适用于需要动态计算、API 调用或复杂数据清洗的场景。
1、确认 WorkBuddy 已启用 Python 扩展支持：进入【开发中心】→【运行时设置】，检查“Python 沙箱”状态为已激活。
2、在 WorkBuddy 授权访问目录（如“文档”或“桌面”）中新建文本文件，命名为process_data.py。
立即学习“Python免费学习笔记（深入）”；
3、编辑该文件，填入合法 Python 代码，确保入口函数为 def main():，且最终输出为 Pandas DataFrame 或 JSON 字典格式。
4、在 WorkBuddy 指令栏输入：运行 D:\文档\process_data.py 脚本，并将返回结果以表格形式展示。
5、AI 解析指令后，自动调用本地 Python 解释器执行脚本，所有 I/O 操作限制在沙箱路径内，输出结果经结构校验后渲染为交互式表格。
二、使用 OpenClaw 兼容技能包封装 Python 逻辑
该方法将 Python 脚本与 manifest.json 描述文件打包为标准 .skill 或 ZIP 包，实现技能复用、权限声明与版本管理，适合团队协作或跨设备部署。
1、创建技能根目录，包含 manifest.json 和 main.py 两个必需文件。
OpenClaw配置管理最佳实践与常见陷阱。适用场景：(1) 修改配置，(2) 询问路径或结构，(3) 遇到配置错误，(4) 添加渠道，(5) 修改前避免路径错误或直接编辑JSON等常见错误。
2、在 manifest.json 中声明 Python 运行时依赖、所需系统权限（如文件读写）、输入参数 schema 及输出结构。
3、main.py 中实现核心逻辑，可通过 workbuddy.sdk.get_input() 获取用户传入参数，调用 workbuddy.sdk.set_output() 返回结果。
4、将整个目录压缩为 ZIP 文件，在 WorkBuddy 主界面点击 @ 引用按钮，选择“导入技能包”，定位并上传该 ZIP 文件。
5、导入成功后，该技能将出现在技能列表中，可在自然语言指令中直接引用，例如：用【客户分群分析】技能处理我刚上传的用户表。
三、在 SQL 查询后调用 Python 插件进行二次加工
该方法适用于已有结构化查询结果但需补充统计指标、异常检测或文本摘要等高级分析的场景，SQL 与 Python 分工明确，保障数据流可控可追溯。
1、先在【SQL查询】模块中执行基础查询，生成临时结果集并保存为命名数据表（如 “raw_orders”）。
2、进入【开发中心】→【插件管理】，点击“上传脚本”，选择本地 Python 文件（须含 main() 函数）。
3、脚本中调用 workbuddy.sdk.get_last_query_result("raw_orders") 获取上一次 SQL 输出，执行聚类、分位数计算或 NLTK 文本分析。
4、处理完成后，调用 workbuddy.sdk.inject_report_section("客户价值分布热力图", chart_data) 将结果注入报表指定位置。
5、在对应 SQL 任务的“执行后动作”中启用该插件，设置触发条件为“执行成功后立即调用”。
