OpenClaw技能组合：千问3.5-9B实现自动化周报生成系统

1. 为什么需要自动化周报系统

每周五下午三点，我的日历提醒总会准时弹出"写周报"三个字。这个看似简单的任务，却常常消耗我半小时到一小时的时间——翻看会议记录、整理代码提交日志、汇总项目进度，最后还要调整PPT格式。直到上个月，我决定用OpenClaw+千问3.5-9B的组合彻底解决这个痛点。

传统自动化工具面临三个核心问题：第一，日历事件、邮件、代码库等数据源格式各异；第二，自然语言理解能力不足导致生成的总结机械生硬；第三，PPT等输出需要人工二次调整。而OpenClaw的模块化技能体系配合本地化部署的千问3.5-9B模型，恰好能突破这些限制。

2. 系统架构与核心组件

2.1 基础环境搭建

我的工作电脑是M1芯片的MacBook Pro，通过Homebrew快速完成了环境部署：

brew install node@22
npm install -g openclaw@latest
openclaw onboard --mode=Advanced

在模型配置环节，我选择了本地部署的千问3.5-9B模型。这里有个关键细节：在~/.openclaw/openclaw.json中需要明确指定模型的最大token数：

{
  "models": {
    "providers": {
      "qwen-local": {
        "baseUrl": "http://localhost:8080/v1",
        "api": "openai-completions",
        "models": [
          {
            "id": "qwen3.5-9b",
            "maxTokens": 8192,
            "contextWindow": 32768
          }
        ]
      }
    }
  }
}

2.2 核心技能组合

通过ClawHub安装了三个关键技能模块：

clawhub install calendar-parser worklog-analyzer ppt-generator

• calendar-parser：直接读取Mac系统日历的ICS文件，支持过滤会议关键词
• worklog-analyzer：解析Git提交记录和Jira工单（需配置API密钥）
• ppt-generator：基于Markdown生成PowerPoint文件，自动应用公司模板

安装过程中遇到一个典型问题：worklog-analyzer需要Jira的API权限。通过OpenClaw的凭证管理功能，我将敏感信息加密存储在本地密钥环中：

openclaw secrets set JIRA_API_KEY=xxxxxx --keyring

3. 从数据到周报的全流程

3.1 数据采集阶段

每周五上午10点，系统自动触发数据收集流水线。我配置的采集策略包括：

1. 读取本周日历事件，标记"需求评审""技术讨论"等关键会议
2. 扫描Git仓库的commit message，提取关联的Jira编号
3. 通过Jira API获取任务状态变更记录
4. 抓取钉钉群里的项目进度汇报消息

这里有个实用技巧：在~/.openclaw/skills/worklog-analyzer/config.json中，可以设置忽略规则，过滤掉chore:开头的无关提交。

3.2 内容生成阶段

采集的原始数据会送入千问3.5-9B模型进行处理。我设计的提示词模板包含三个关键部分：

你是一位专业的IT项目经理，请根据以下材料生成周报：
1. 会议纪要：{{meetings}}
2. 代码变更：{{commits}}
3. 任务进展：{{issues}}

要求：
- 按"已完成""进行中""待开始"分类
- 技术细节要通俗化
- 风险项用红色标注
- 字数控制在800字内

模型输出经过后处理脚本的格式校验后，会自动存入Markdown文件。我特别添加了校验逻辑：如果检测到"不确定""可能"等模糊表述超过3处，会自动触发重生成。

3.3 可视化输出阶段

ppt-generator技能会将Markdown转换为PPTX。我的配置文件中预置了公司品牌字体和色系：

template: corporate_blue
slide_settings:
  - type: title
    font: PingFang SC
    colors:
      primary: '#2A5CAA'
      secondary: '#FFFFFF'

生成效果最让我惊喜的是自动图表功能：当周报中包含"30%""同比增长"等数据表述时，系统会自动插入对应的柱状图或折线图。

4. 实际效果与调优经验

4.1 效率提升对比

实施前后对比明显：

• 过去：平均耗时45分钟（数据收集15分钟+写作25分钟+排版5分钟）
• 现在：全流程3分钟完成（人工仅需最后检查）

更关键的是质量提升：模型生成的周报会主动关联不同系统的数据。例如发现"代码提交激增但Jira任务未更新"的情况，会自动在风险提示中标注。

4.2 遇到的典型问题

问题1：模型有时会虚构未发生的会议内容
解决方案：在prompt中加入"仅使用提供的事实材料"的强约束，并设置置信度阈值

问题2：PPT中的中文排版错乱
根因：缺少中文字体包
修复：在技能配置中显式指定中文字体路径

问题3：Token消耗过大
优化：将周报分段生成，先写大纲再填充细节，使单次请求不超过4096 tokens

4.3 安全注意事项

由于系统需要读取日历、代码库等敏感信息，我采取了以下措施：

1. 所有数据在本地处理，不经过外部服务器
2. 使用Mac钥匙串存储API凭证
3. 设置openclaw gateway仅监听本地回环地址
4. 定期清理~/.openclaw/cache中的临时文件

5. 扩展应用场景

这套方法经简单适配后，我已经扩展到更多场景：

• 自动生成项目里程碑报告（结合甘特图数据）
• 会议纪要智能摘要（从录音转写文本提取重点）
• 技术方案对比报告（分析多个Git分支的差异）

一个意外收获是：由于周报内容结构化程度高，我现在可以轻松回溯三个月前的工作细节，这在绩效考核时提供了有力依据。

---

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。