OpenClaw飞书机器人实战：Gemma-3-12b-it驱动自动化周报生成

OpenClaw飞书机器人实战：Gemma-3-12b-it驱动自动化周报生成

1. 为什么选择OpenClaw+Gemma做周报助手？

上周五下午6点，我盯着空白的周报文档发呆——这已经是第三次忘记写周报了。作为一个小团队的Tech Lead，我发现自己80%的周报时间都花在"回忆这周干了什么"和"调整格式"上。直到在开发者社区看到有人用OpenClaw+大模型自动生成会议纪要，才意识到：重复性文档工作正是AI智能体的最佳战场。

OpenClaw的独特优势在于：

• 本地化执行：生成的周报直接保存到本机，避免敏感信息外流
• 自然语言交互：通过飞书机器人对话触发，符合日常沟通习惯
• 可编程工作流：能自动整合Git提交记录、JIRA任务状态等数据源
• 模型自由切换：Gemma-3-12b-it在指令跟随和格式控制上表现优异

实际测试发现，用Gemma-3-12b-it生成周报的三大惊喜：

1. 能理解"把优先级高的任务放前面"这类模糊需求
2. 自动将技术术语转化为管理层易懂的表达
3. 生成的Markdown自带分级标题和emoji（虽然最终要去掉）

2. 环境准备：从零搭建自动化流水线

2.1 基础组件安装

我的设备是M1 MacBook Pro，先通过Homebrew完成基础依赖安装：

brew install node@22 npm install -g @qingchencloud/openclaw-zh@latest openclaw --version # 验证版本≥3.1.2

遇到permission denied错误时，需要给OpenClaw授予辅助功能权限：

1. 系统设置 > 隐私与安全性 > 辅助功能
2. 添加终端和OpenClaw到允许列表

2.2 飞书通道配置

在飞书开放平台创建自建应用时，有两点需要注意：

• 权限范围：需要勾选"获取用户ID"和"发送消息"
• 安全设置：建议开启IP白名单（通过curl ifconfig.me获取本机公网IP）

配置完成后在终端执行：

openclaw plugins install @m1heng-clawd/feishu nano ~/.openclaw/openclaw.json

关键配置项示例：

{ "channels": { "feishu": { "enabled": true, "appId": "cli_xxxxxx", "appSecret": "xxxxxxxx", "encryptKey": "", "verificationToken": "" } } }

重启服务后，在飞书群聊@你的机器人，应该能收到响应消息。

3. Gemma-3-12b-it模型接入实战

3.1 本地模型部署

我选择通过星图平台的一键镜像部署Gemma-3-12b-it：

docker run -d -p 5000:5000 --gpus all registry.cn-hangzhou.aliyuncs.com/csdn_mirrors/gemma-3-12b-it:latest

部署完成后，用curl测试API是否正常：

curl -X POST http://localhost:5000/v1/chat/completions \ -H "Content-Type: application/json" \ -d '{"model":"gemma-3-12b-it","messages":[{"role":"user","content":"你好"}]}'

3.2 OpenClaw模型配置

修改~/.openclaw/openclaw.json的模型部分：

{ "models": { "providers": { "gemma-local": { "baseUrl": "http://localhost:5000/v1", "apiKey": "no-need-for-local", "api": "openai-completions", "models": [ { "id": "gemma-3-12b-it", "name": "Local Gemma", "contextWindow": 8192 } ] } } } }

执行openclaw gateway restart后，可以通过管理界面(http://127.0.0.1:18789)的"模型测试"验证连接状态。

4. 周报生成全流程剖析

4.1 触发机制设计

我在飞书群里设置了两种触发方式：

1. 主动模式：@机器人并发送"生成周报"
2. 被动模式：每周五18:00自动触发

被动模式需要添加crontab任务：

0 18 * * 5 curl -X POST http://localhost:18789/api/trigger \ -H "Content-Type: application/json" \ -d '{"channel":"feishu","event":"auto_report"}'

4.2 数据收集阶段

OpenClaw会依次执行：

1. 扫描~/work/logs/下的每日工作记录
2. 调用git log --since "1 week ago"获取代码提交
3. 通过JIRA API查询任务状态（需预先配置凭证）

4.3 提示词工程

经过多次迭代，最终确定的提示词模板：

你是一位专业的Tech Lead，请基于以下材料生成周报： [CONTEXT] 要求： 1. 按P0-P3优先级排序任务 2. 技术方案用通俗语言说明 3. 包含风险与应对措施 4. 输出标准Markdown格式 禁止： - 使用emoji - 出现"非常荣幸"等客套话

这个模板能有效抑制Gemma过度"礼貌"的倾向。

5. 实际效果与调优心得

第一版生成的周报存在两个问题：

1. 把代码优化工作归类为"风险"
2. 技术方案描述过于简略

通过以下调整获得改善：

• 在提示词中明确定义"风险"的判断标准
• 要求"对每个技术方案提供1-2句解释"
• 设置temperature=0.3降低随机性

最终成果是一个包含以下部分的Markdown文件：

本周进展 ├─ P0: 订单系统重构（已完成接口迁移） ├─ P1: 性能优化（Redis缓存命中率提升至92%） 下周计划 ├─ 灰度发布方案设计 ├─ 压力测试脚本开发 风险与问题 ├─ 第三方支付接口响应超时（已联系供应商排查）

文件自动保存在~/reports/目录，并通过飞书机器人发送下载链接。

6. 你可能遇到的坑与解决方案

问题1：飞书消息能收到，但执行无反应
排查步骤：

1. 检查openclaw gateway日志是否有错误
2. 确认飞书应用的"消息卡片请求网址"配置正确
3. 测试直接调用API：curl -X POST http://localhost:18789/api/run -d '{"task":"test"}'

问题2：Gemma生成内容不符合预期
调优方法：

1. 在管理界面调整max_tokens和temperature
2. 为关键指令添加示例（few-shot learning）
3. 在提示词中用"必须""禁止"等强约束词

问题3：周报遗漏部分工作内容
数据源扩展：

1. 安装calendar-skill读取会议日程
2. 配置Slack消息抓取（需额外权限）
3. 增加手动补充接口：飞书发送"添加事项：xxx"

---

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。