OpenClaw+千问3.5-9B学习助手：自动整理技术笔记与生成测验题

1. 为什么需要AI学习助手？

去年准备技术认证考试时，我发现自己浪费了大量时间在重复性劳动上：从不同网页复制代码示例、手动整理命令速查表、为每个知识点编写测验题。这些工作消耗了我70%的学习时间，真正用于理解核心概念的时间反而不足30%。

直到尝试用OpenClaw对接千问3.5-9B模型，才找到解决方案。这个组合可以：

• 自动抓取我标注的网页技术文档
• 提取关键术语和代码片段生成结构化笔记
• 根据学习进度动态生成测验题
• 将知识图谱可视化输出为脑图

整个过程就像有个24小时在线的技术助教，让我能把精力集中在真正需要思考的问题上。

2. 环境配置与模型接入

2.1 基础环境准备

我的设备是M1 MacBook Pro，系统版本macOS Sonoma。先通过Homebrew安装依赖：

brew install node@22 puppeteer

选择Puppeteer是因为后续网页抓取需要浏览器自动化能力。接着安装OpenClaw汉化版：

sudo npm install -g @qingchencloud/openclaw-zh@latest

验证安装时遇到一个小坑：如果之前装过官方版需要先卸载，否则会出现命令冲突：

sudo npm uninstall -g openclaw

2.2 千问3.5-9B模型接入

在星图平台找到千问3.5-9B镜像，部署后获得API地址。修改OpenClaw配置文件：

// ~/.openclaw/openclaw.json
{
  "models": {
    "providers": {
      "qwen-local": {
        "baseUrl": "http://你的模型服务IP:端口/v1",
        "apiKey": "optional",
        "api": "openai-completions",
        "models": [
          {
            "id": "qwen3-9b",
            "name": "千问3.5-9B本地版",
            "contextWindow": 32768
          }
        ]
      }
    }
  }
}

这里特别注意api字段必须设为openai-completions，这是星图平台镜像的兼容协议。配置完成后重启网关服务：

openclaw gateway restart

3. 学习专用技能配置

3.1 安装核心技能包

通过ClawHub搜索学习相关技能：

clawhub install web-extractor mindmap-generator quiz-maker

这三个技能分别对应：

• web-extractor：网页内容抓取与关键信息提取
• mindmap-generator：基于文本生成结构化脑图
• quiz-maker：根据学习材料生成测验题

安装后需要给web-extractor配置白名单。我在~/.openclaw/workspace/TOOLS.md添加了常用技术文档站点：

# 允许访问的域名
ALLOWED_DOMAINS=developer.mozilla.org,stackoverflow.com,github.com

3.2 定制学习工作流

在OpenClaw控制台创建新工作流，核心步骤包括：

1. 材料收集阶段：

   • 监控指定目录下的URL列表文件（我通常保存为~/study/urls.txt）
   • 自动抓取网页正文内容
   • 提取代码片段和术语定义

2. 知识整理阶段：

   • 调用千问模型总结核心概念
   • 生成Markdown格式的层级化笔记
   • 输出可编辑的脑图文件（.mm格式）

3. 测验生成阶段：

   • 根据笔记内容生成选择题
   • 自动区分"概念理解"和"代码实践"两类题型
   • 保存为Anki兼容的CSV格式

# 示例工作流触发命令
openclaw workflow run --name tech-study --input ~/study/urls.txt

4. 实战效果演示

4.1 网页文档处理

当我需要学习React Hooks时，只需在urls.txt放入官方文档链接：

https://react.dev/reference/react

处理后的输出包含：

• 提取所有Hook的语法示例
• 对比useState和useReducer的适用场景
• 生成常见问题解答速查表

最实用的是自动生成的"陷阱警示"部分，模型会基于文档内容总结易错点，比如：

useEffect的依赖数组如果漏掉必要依赖，可能导致闭包问题

4.2 脑图生成效果

针对Docker学习材料，生成的脑图层级非常清晰：

• 第一层：核心概念（镜像/容器/仓库）
• 第二层：常用命令（docker build/run/push）
• 第三层：实际案例（多阶段构建示例）

用MindNode打开后可以直接编辑，比手动绘制效率提升5倍以上。

4.3 测验题质量验证

以下是一道自动生成的TypeScript题目：

关于类型断言，以下说法正确的是：
A. `as`语法在.tsx文件中会与JSX冲突
B. 类型断言会影响运行时行为
C. `<>`语法在所有TypeScript版本都可用
D. 断言后就不需要类型检查了

正确答案：A
解析：B错在断言只影响编译时...

这种题目质量已经接近人工编写，特别是解析部分会引用官方文档说明。

5. 优化调整经验

5.1 提示词工程技巧

要让千问3.5-9B生成优质技术内容，需要优化系统提示词。我的学习专用提示词包含：

1. 角色设定： "你是一位资深技术文档工程师，擅长将复杂概念转化为易懂的教学材料"

2. 格式要求： "使用中文输出，代码块标注语言类型，术语首次出现时给出英文原名"

3. 质量约束： "对可能存在争议的观点标注'观点提示'，区分事实性内容和最佳实践建议"

5.2 性能与成本平衡

最初我让模型处理整个网页，发现两个问题：

• Token消耗过大（单页可能消耗上万Token）
• 关键信息被淹没在细节中

改进方案：

1. 先用CSS选择器提取正文区域（节省50% Token）
2. 分区块处理内容（控制单次请求在2k Token内）
3. 对代码示例单独处理（不经过模型解析）

6. 安全使用建议

由于学习过程涉及大量网页访问和文件操作，建议采取以下防护措施：

1. 沙盒环境： 在Docker容器中运行OpenClaw，限制文件系统访问权限：

   docker run -it --rm -v ~/study:/workspace openclaw/zh
   

2. 操作确认： 在配置中开启敏感操作二次确认：

   {
     "safety": {
       "confirmFileDelete": true,
       "confirmNetworkAccess": true
     }
   }
   

3. 定期检查： 使用openclaw audit命令查看历史操作记录：

   openclaw audit --last 7days
   

---

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。