飞书机器人自动化：OpenClaw调用千问3.5-27B处理群消息

1. 为什么选择OpenClaw+飞书+千问的组合

去年我负责一个五人内容团队的协作管理，每天要处理上百条飞书群消息。从选题讨论到稿件修改意见，大量信息混杂在同一个群里。尝试过用传统机器人做关键词过滤，但面对"这段排版再调整下"这类模糊需求时，规则引擎完全失效。

直到发现OpenClaw这个开源框架——它能在本地调用大模型理解自然语言，并通过飞书插件与群消息联动。经过两周调试，我们实现了：

• 自动识别群消息中的待办事项并同步到飞书待办
• 对长讨论串生成结构化摘要
• 按话题类型自动归档历史消息

这套方案的核心优势在于：

1. 隐私性：所有消息处理都在本地完成，敏感内容不会外泄
2. 灵活性：千问3.5-27B的多轮对话能力可以理解上下文关联
3. 低成本：相比购买SaaS服务，只需支付模型调用的Token费用

2. 环境准备与基础配置

2.1 硬件与网络要求

我们的测试环境是一台配备NVIDIA RTX 3090的Ubuntu工作站，实际运行中发现：

• 千问3.5-27B镜像需要至少24GB显存（建议4卡并行）
• 飞书WebSocket连接需要保持稳定的公网IP
• 如果使用内网穿透，需要配置HTTPS证书

# 快速检查显存容量
nvidia-smi --query-gpu=memory.total --format=csv

2.2 OpenClaw核心组件安装

选择npm安装方式避免权限问题：

sudo npm install -g @qingchencloud/openclaw-zh@latest
openclaw onboard --mode=Advanced

配置向导关键选项：

• Provider选择"Custom"
• Model ID填写"qwen3-27b"
• Base URL指向本地千问镜像地址（如http://localhost:8000/v1）

3. 飞书通道深度配置

3.1 企业自建应用创建

在飞书开放平台需特别注意：

1. 权限范围要包含"获取单聊、群组消息"和"发送消息"
2. 事件订阅必须开启"消息接收"
3. 安全设置要添加服务器出口IP

安装飞书插件时遇到版本冲突，最终通过指定版本解决：

openclaw plugins install @m1heng-clawd/feishu@1.2.3 --force

3.2 配置文件关键参数

~/.openclaw/openclaw.json中需要特别关注的配置项：

{
  "channels": {
    "feishu": {
      "message": {
        "group_whitelist": ["群聊ID1", "群聊ID2"],
        "auto_reply": false,
        "typing_indicator": true  
      }
    }
  },
  "models": {
    "qwen3-27b": {
      "temperature": 0.3,
      "max_tokens": 1024,
      "stop_sequences": ["\n\n"]
    }
  }
}

配置完成后需要完全重启服务：

openclaw gateway stop
openclaw gateway start

4. 消息处理实战案例

4.1 待办事项提取

当群消息中出现"需要"、"记得"等关键词时，触发以下处理流程：

1. 调用千问模型判断是否为有效待办
2. 提取责任人（通过@提及识别）
3. 解析截止时间（今天/本周五等相对时间自动转换）

# 示例技能逻辑片段
def parse_task(text):
    prompt = f"""判断以下消息是否包含待办事项：
    消息：{text}
    按JSON格式返回：
    - is_task: bool
    - person: str
    - deadline: str"""
    response = openclaw.generate(prompt)
    return json.loads(response)

4.2 讨论摘要生成

针对超过10条的消息串，自动触发摘要功能：

• 先用千问进行要点提取
• 再通过飞书卡片消息交互确认
• 最终存档到对应知识库

实际测试发现，给模型提供模板能显著提升效果：

请用以下结构总结讨论：
1. 核心议题：...
2. 已达成共识：...
3. 待解决问题：...
4. 下一步行动：...

5. 性能优化与问题排查

5.1 Token消耗控制

通过以下策略将日均Token消耗从15万降到4万左右：

• 对短消息禁用模型调用（字符数<50）
• 使用缓存机制处理重复问题
• 设置max_tokens=256限制生成长度

监控命令很有用：

openclaw stats --type=tokens --range=day

5.2 常见错误处理

问题1：飞书消息重复处理
解决：检查message_id去重逻辑，增加Redis缓存

问题2：模型响应超时
解决：调整网关超时设置并启用重试机制

{
  "gateway": {
    "timeout": 30000,
    "retry": {
      "attempts": 2,
      "delay": 1000
    }
  }
}

6. 进阶应用场景

除了基础功能，我们还开发了这些实用场景：

• 会议纪要自动生成：对接飞书日历，会前拉取议程，会后生成纪要
• 跨群信息同步：当多个群讨论相同话题时自动合并信息
• 敏感内容预警：检测消息中的保密条款关键词并提醒

一个有趣的发现：当模型处理自己生成的摘要时，会产生"元认知"现象——它能指出之前摘要的不足并自我改进。

---

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。