OpenClaw+千问3.5-9B：个人RPA项目从开发到部署

OpenClaw千问3.5-9B个人RPA项目从开发到部署1. 为什么选择OpenClaw搭建日报系统去年夏天我接手了一个需要每天手动整理数据并生成日报的重复性工作。最初用Python脚本勉强应付但随着需求变化越来越频繁维护成本直线上升。直到发现OpenClaw这个开源自动化框架才真正找到了适合个人开发者的轻量级解决方案。与传统RPA工具不同OpenClaw最大的特点是能与大模型深度结合。我选择千问3.5-9B作为核心模型主要考虑三点首先这个7B参数的模型在本地部署时对硬件要求友好其次它在中文文本处理上表现稳定最重要的是通过星图平台可以快速获取预装好的模型镜像省去了环境配置的麻烦。2. 从零开始的开发历程2.1 环境准备与核心组件安装在MacBook Pro上部署时我选择了官方推荐的一键安装方案curl -fsSL https://openclaw.ai/install.sh | bash openclaw onboard --install-daemon配置向导中几个关键选择直接影响后续开发效率选择Advanced模式手动配置模型提供商选择Qwen系列暂时跳过渠道配置后续单独集成飞书安装完成后通过简单的版本检查确认组件完整性openclaw --version clawhub --version2.2 日报系统的需求拆解我的日报系统需要完成三个核心任务从指定目录抓取当日数据文件CSV格式提取关键指标并生成分析结论将结果通过飞书机器人发送给指定群组通过ClawHub搜索发现已有现成的data-analyzer和feishu-bot两个技能模块可以复用。安装过程出乎意料的简单clawhub install>{ models: { providers: { qwen-local: { baseUrl: http://your-starry-host/v1, apiKey: your-api-key, api: openai-completions, models: [ { id: qwen3-9b, name: 千问3.5-9B本地版, contextWindow: 32768 } ] } } } }配置完成后必须执行网关重启才能使变更生效openclaw gateway restart3.2 模型能力验证测试通过简单的对话测试验证模型是否正常工作openclaw chat 请用三句话介绍你自己当看到模型能流畅回答时说明基础链路已经打通。但实际使用中发现直接让模型处理结构化数据效果不佳需要先用Python预处理数据再将摘要交给模型生成分析结论。4. 飞书集成的实践细节4.1 飞书应用创建与配置在飞书开放平台创建自建应用时有两个权限必须勾选获取用户user_id发送消息到单聊或群聊安装飞书插件后配置文件需要增加以下内容{ channels: { feishu: { enabled: true, appId: your_app_id, appSecret: your_app_secret, connectionMode: websocket } } }4.2 消息推送的调试过程最初尝试直接发送Markdown格式消息时遇到了消息被截断的问题。后来发现飞书对消息长度有限制解决方案是将长报告拆分为多个消息卡片发送。调试时这个命令非常有用openclaw logs --follow5. 定时任务的实现方案OpenClaw本身不提供定时调度功能但可以通过系统级工具实现。在macOS上使用launchd是最稳定的方案!-- ~/Library/LaunchAgents/com.example.dailyreport.plist -- ?xml version1.0 encodingUTF-8? !DOCTYPE plist PUBLIC -//Apple//DTD PLIST 1.0//EN http://www.apple.com/DTDs/PropertyList-1.0.dtd plist version1.0 dict keyLabel/key stringcom.example.dailyreport/string keyProgramArguments/key array string/usr/local/bin/openclaw/string stringrun/string string--taskdaily_report/string /array keyStartCalendarInterval/key dict keyHour/key integer18/integer keyMinute/key integer30/integer /dict /dict /plist加载定时任务时需要特别注意路径问题launchctl load ~/Library/LaunchAgents/com.example.dailyreport.plist6. 项目迭代中的经验总结这个日报系统从零开始到稳定运行实际用了3个周末时间。最大的收获是理解了如何平衡自动化与人工干预的边界。例如数据清洗等确定性工作适合全自动化分析结论需要保留人工复核环节模型生成的内容应该标注AI生成标识性能方面单次日报生成平均消耗约1500 tokens按星图平台的计费标准月成本可以控制在合理范围内。最惊喜的是OpenClaw的错误恢复机制——当模型响应超时时框架会自动重试2次这在网络不稳定的情况下非常实用。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。