OpenClaw+千问3.5-27B办公自动化：飞书机器人配置与会议纪要生成

1. 为什么选择这个组合？

去年我接手了一个跨部门协作项目，每周要处理十几场会议纪要。手动整理不仅耗时，还经常遗漏关键决策点。直到发现OpenClaw+千问3.5-27B这个组合，才真正解决了我的痛点。

OpenClaw的飞书通道能直接接收会议语音转文字，而千问3.5-27B强大的上下文理解能力（32K上下文窗口）可以精准提炼会议要点。最让我惊喜的是，这套方案完全运行在本地环境，敏感会议内容不会外泄。

2. 环境准备与基础配置

2.1 安装OpenClaw核心组件

在MacBook Pro上执行官方推荐的一键安装命令：

curl -fsSL https://openclaw.ai/install.sh | bash

安装完成后，建议先运行配置向导。这里有个小技巧：如果只是测试功能，可以先跳过模型配置，专注通道设置：

openclaw onboard --skip-models

2.2 飞书插件安装与验证

国内用户建议使用npm镜像源加速安装：

openclaw plugins install @m1heng-clawd/feishu --registry=https://registry.npmmirror.com

安装后务必检查插件状态。我遇到过插件版本不兼容导致的消息丢失问题：

openclaw plugins list | grep feishu

3. 飞书机器人深度配置

3.1 凭证获取的隐藏坑点

在飞书开放平台创建应用时，有两个关键配置容易被忽略：

1. 权限范围：需要勾选"获取用户发给机器人的单聊消息"和"获取群聊中@机器人的消息"
2. IP白名单：如果公司网络有出口IP限制，需要把OpenClaw所在机器的公网IP加入白名单

获取IP的简便方法：

curl -s http://ipinfo.io/ip

3.2 配置文件的关键参数

~/.openclaw/openclaw.json中飞书配置的完整示例：

{
  "channels": {
    "feishu": {
      "enabled": true,
      "appId": "cli_xxxxxx",
      "appSecret": "xxxxxxxx",
      "encryptKey": "",
      "verificationToken": "",
      "connectionMode": "websocket",
      "messageTypes": ["text", "post", "image"]
    }
  }
}

特别注意：如果只需要处理文本消息，可以去掉"post"和"image"类型减少资源占用。

4. 千问3.5-27B模型对接实战

4.1 本地模型地址配置

在星图平台部署千问3.5-27B后，需要在OpenClaw中配置本地访问地址：

{
  "models": {
    "providers": {
      "qwen-local": {
        "baseUrl": "http://localhost:8000/v1",
        "apiKey": "EMPTY",
        "api": "openai-completions",
        "models": [
          {
            "id": "qwen3-27b",
            "name": "千问3.5-27B本地版",
            "contextWindow": 32768
          }
        ]
      }
    }
  }
}

配置完成后，建议用诊断命令验证连通性：

openclaw doctor --test-models

4.2 模型性能优化技巧

通过实际测试发现，调整以下参数可以显著提升会议纪要处理效率：

{
  "temperature": 0.3,
  "top_p": 0.9,
  "max_tokens": 4000,
  "stop": ["\n\n"]
}

这些设置可以：

• 降低回答随机性（temperature=0.3）
• 保证关键信息不丢失（max_tokens=4000）
• 避免生成过多空行（stop=["\n\n"]）

5. 会议纪要生成全流程演示

5.1 语音转写实战

在飞书群里@机器人并发送语音消息后，OpenClaw会自动触发以下处理链：

1. 调用飞书API下载语音文件
2. 使用本地Whisper模型转写文本
3. 将文本发送给千问3.5-27B处理

我在实践中发现，提前给模型明确的指令模板非常重要。这是我的prompt设计：

你是一个专业的会议秘书，请根据以下转写文本：
1. 按[议题]-[讨论]-[结论]结构整理
2. 提取不超过5个关键决策点
3. 识别所有待办事项，标注负责人和截止时间
4. 使用Markdown格式输出

转写内容：{{content}}

5.2 待办事项提取的进阶技巧

千问3.5-27B在提取待办事项时，有时会把建议误判为任务。通过添加否定示例可以显著提升准确率：

以下内容不属于待办事项：
- "可以考虑..." 
- "建议后续..."
- "如果...就好了"

请只提取明确指派的任务：
- "[人名]负责..."
- "需要在[时间]前完成..."
- "请[部门]跟进..."

6. 实际效果与调优经验

经过三个月实际使用，这套方案平均为每场会议节省45分钟整理时间。但过程中也遇到几个典型问题：

1. 长会议记忆丢失：超过2小时的会议，后段内容处理质量下降

   • 解决方案：在prompt中要求"每30分钟生成阶段性小结"

2. 专业术语误译：技术名词有时会被普通词汇替代

   • 解决方案：在配置目录添加术语表文件terms.txt

3. 多人对话混淆：转写文本丢失说话人信息时，待办事项归属错误

   • 解决方案：在飞书会议中强制开启"说话人标注"功能

7. 安全注意事项

由于涉及敏感会议内容，我特别建议：

1. 定期清理~/.openclaw/cache中的临时文件
2. 为OpenClaw服务配置独立的系统账户
3. 在飞书机器人权限设置中开启"消息内容加密"
4. 使用openclaw gateway --port指定非标准端口

这套方案最适合3-5人的小团队使用。对于更大规模的部署，建议考虑企业级解决方案而非OpenClaw。

---

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。