当前位置：首页 > news >正文

基于OpenClaw与iCloud构建智能物品遗忘检测系统

news 2026/8/16 21:39:27

1. 项目概述：从“龙虾”到“记忆守护者”

“龙虾：oi！你耳机忘拿了！”——这个项目标题乍一看有点无厘头，但如果你和我一样，是个经常把AirPods、钥匙、钱包随手一放，然后花半小时满屋子“寻宝”的人，就会立刻会心一笑。这本质上是一个利用智能技术解决“丢三落四”这个古老痛点的创意项目。它的核心，是让我们的智能设备（比如手机）成为一个主动的、有“记忆”的助手，在你即将遗忘重要物品时，及时发出提醒。

最近技术圈里火热的“OpenClaw”（开源龙虾）项目，为这个想法提供了绝佳的实现土壤。OpenClaw不是一个具体的硬件产品，而是一个开源的AI智能体框架。你可以把它理解为一个高度可定制、能接入各种工具和服务的“数字大脑”。我们项目的核心思路，就是利用OpenClaw作为中枢，结合苹果生态的iCloud设备查找服务，构建一个自动化的工作流：当你的手机（作为随身核心设备）与某个被标记为“易忘物品”（如AirPods）的蓝牙设备断开连接，并且你开始移动（比如离开家或办公室）时，系统自动判断你可能遗忘了它，然后通过你最常用的通讯工具（如飞书、微信）向你发送一条像朋友提醒一样的消息：“oi！你耳机忘拿了！”

这不仅仅是简单的“断开连接即报警”，那样在办公室摘下耳机去接杯水也会误报，体验极差。真正的难点在于情境判断：如何区分“暂时放下”和“真正遗忘”？这就需要OpenClaw的AI能力介入，结合时间、地点、行为模式等多维度信息，做出更智能的推断。接下来，我将详细拆解如何从零搭建这样一个“记忆外挂”，把看似玩笑的标题，变成一个真正能提升生活效率的实用工具。

2. 核心思路与方案选型：为什么是OpenClaw + Apple生态？

要实现“拯救丢三落四”，市面上有各种思路。有纯粹的硬件方案，如Tile、AirTag这类蓝牙追踪器；也有纯软件方案，依赖手机自带的智能提醒。但我们选择OpenClaw + Apple生态的组合，是基于以下几个核心考量：

2.1 硬件方案的局限性像AirTag这样的产品，确实能解决“找不到”的问题，但它解决不了“忘记带”的问题。它需要你主动去查找，属于被动补救。而且，为每一件小物品（耳机、钥匙、工卡）都配一个追踪器，成本不低，管理也麻烦。我们的目标是预防遗忘，而非事后寻找。

2.2 纯软件方案的不足一些手机自带的“智能提醒”功能，例如基于地理围栏（Geofencing）的提醒，逻辑相对简单固定。比如“离开家时，如果耳机未连接，则提醒”。这种规则在复杂场景下容易失效：如果我在家楼下快递柜取个快递，触发“离开家”但很快回来，它也会报警，形成骚扰。我们需要更灵活、能学习的判断逻辑。

2.3 OpenClaw的核心优势：智能体与可编程性OpenClaw作为一个AI智能体框架，其最大优势是**“可编程的感知与决策”**。它可以通过插件（Skill）接入各种数据源（如iCloud设备状态、手机地理位置、日历事件），并利用大语言模型（LLM）的理解和推理能力，对这些信息进行综合判断。

情境理解：OpenClaw可以理解“早上8点离开家”和“下午3点离开办公室”是不同的场景。结合日历，它甚至能知道你今天是否有出差行程，从而调整判断遗忘物品的紧急程度。
自然交互：提醒消息可以不再是冰冷的系统通知，而是通过OpenClaw生成像朋友聊天一样的自然语言，如“嘿，赶着去开会吧？你的AirPods Pro好像还在办公桌上充电呢。”
无限扩展：今天提醒耳机，明天就可以通过同样的框架，接入智能家居传感器，提醒你“空调好像没关”，或者接入邮件日历，提醒你“下午的会议材料还没打印”。OpenClaw提供了一个统一的、可扩展的自动化大脑。

2.4 Apple生态的独特价值：iCloud Find My选择Apple生态，特别是iCloud的“查找”网络，是因为它提供了无感、精准的设备状态数据。AirPods、iPad、MacBook等苹果设备，只要登录同一Apple ID，其连接状态、电量、最后已知位置都会近乎实时地同步到iCloud。通过合法的API（如逆向工程后的私有API或家庭助理等第三方集成方案）获取这些数据，比从头开始用蓝牙扫描要稳定、准确得多。这是本项目能可靠运行的数据基石。

注意：直接调用苹果未公开的iCloud API存在风险，可能违反服务条款。在实际操作中，更稳妥的做法是使用像icloudpd这样的开源工具，或通过Home Assistant的iCloud3集成来间接、安全地获取设备数据。本文后续将基于Docker容器部署的方案，这也是目前最稳定、最受社区推荐的方式。

方案总结：我们采用“OpenClaw（智能决策中枢）+ iCloud设备数据（状态输入）+ 即时通讯工具（提醒输出）”的架构。OpenClaw负责消化数据、理解情境、做出决策并触发行动，形成一个完整的自动化智能体。

3. 基础环境搭建：部署你的“数字大脑”OpenClaw

万事开头难，但OpenClaw的部署已经变得相当友好。为了避免在系统环境上耗费过多精力，我们首选Docker部署方案，它能实现环境隔离和一键启动。这里以在Ubuntu服务器或本地电脑（Windows/macOS均可，需安装Docker Desktop）上操作为例。

3.1 准备工作：安装Docker与Docker Compose如果你的系统还没有Docker，需要先安装。以Ubuntu为例：

# 更新软件包索引 sudo apt-get update # 安装依赖 sudo apt-get install ca-certificates curl # 添加Docker官方GPG密钥 sudo install -m 0755 -d /etc/apt/keyrings sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc sudo chmod a+r /etc/apt/keyrings/docker.arc # 设置仓库 echo \ "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] https://download.docker.com/linux/ubuntu \ $(. /etc/os-release && echo "$VERSION_CODENAME") stable" | \ sudo tee /etc/apt/sources.list.d/docker.list > /dev/null # 安装Docker引擎 sudo apt-get update sudo apt-get install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin # 验证安装 sudo docker run hello-world

对于Windows/macOS用户，直接从Docker官网下载并安装Docker Desktop即可，它自带Docker Compose。

3.2 获取OpenClaw部署配置OpenClaw社区提供了详细的Docker Compose配置文件。我们创建一个项目目录并下载配置：

mkdir openclaw-reminder && cd openclaw-reminder # 从官方仓库获取docker-compose.yml示例文件（请以实际开源仓库地址为准） # 这里假设从Github获取，实际可能需要根据最新文档调整 wget https://raw.githubusercontent.com/openclaw-project/openclaw/main/docker-compose.yml

你需要编辑这个docker-compose.yml文件。一个最简化的、用于本项目的核心服务配置可能包含以下部分：

version: '3.8' services: openclaw: image: openclaw/openclaw:latest container_name: openclaw restart: unless-stopped ports: - "3000:3000" # Web管理界面端口 environment: - OPENCLAW_MODEL_PROVIDER=ollama # 指定使用本地Ollama模型 - OPENCLAW_OLLAMA_BASE_URL=http://ollama:11434 # 连接Ollama服务 - OPENCLAW_DEFAULT_MODEL=llama3.1:8b # 默认使用的模型 - OPENCLAW_LOG_LEVEL=INFO depends_on: - ollama volumes: - ./data/openclaw:/app/data # 持久化数据 ollama: image: ollama/ollama:latest container_name: ollama restart: unless-stopped ports: - "11434:11434" volumes: - ./data/ollama:/root/.ollama # 持久化模型数据

这个配置定义了两个服务：openclaw主程序和ollama大模型服务。我们使用Ollama来在本地运行开源大模型（如Llama 3.1），保证隐私和响应速度。

3.3 启动服务与下载模型配置好后，一键启动：

docker-compose up -d

首次启动会拉取镜像，需要一些时间。启动后，访问http://你的服务器IP:3000即可看到OpenClaw的Web界面。接下来，需要为Ollama下载一个大语言模型。进入Ollama容器内操作，或在宿主机上使用Ollama的CLI（如果已安装）：

# 进入ollama容器 docker exec -it ollama bash # 在容器内下载模型，例如Llama 3.1 8B版本，这个模型在理解指令和情境判断上表现不错 ollama pull llama3.1:8b # 退出容器 exit

模型下载完成后，OpenClaw就可以正常使用了。

实操心得：在资源有限的机器上（如家用NAS或低配VPS），首次启动和下载模型可能较慢，请耐心等待。模型选择上，llama3.1:8b是精度和速度的较好平衡。如果机器性能更强，可以考虑qwen2.5:14b等更大模型，推理能力会更优。务必通过docker-compose logs -f openclaw查看日志，确保服务无报错启动。

4. 关键数据获取：安全接入iCloud设备状态

这是项目的关键一环，我们需要可靠地获取AirPods等苹果设备的实时连接状态。正如前文所述，我们不推荐直接破解苹果私有API。这里介绍通过Home Assistant（一个开源的智能家居平台）的iCloud3集成来间接获取数据，这是一个经过大量用户验证的稳定方案。

4.1 部署Home Assistant同样使用Docker部署Home Assistant Core：

# 在openclaw-reminder目录下，编辑docker-compose.yml，添加Home Assistant服务 # 将以下内容追加到services部分 homeassistant: image: homeassistant/home-assistant:stable container_name: homeassistant restart: unless-stopped volumes: - ./data/homeassistant:/config - /etc/localtime:/etc/localtime:ro ports: - "8123:8123" # HA Web界面端口 environment: - TZ=Asia/Shanghai

然后更新并启动服务：

docker-compose up -d homeassistant

访问http://你的服务器IP:8123完成Home Assistant的初始化设置。

4.2 安装并配置iCloud3集成

在HA的Web界面，点击左侧边栏的“设置” -> “设备与服务” -> “集成”。
点击右下角“添加集成”，搜索“iCloud3”。（如果官方集成列表没有，可能需要通过HACS（Home Assistant社区商店）先安装。安装HACS的教程在其官网很详细，此处不赘述。）
按照指引添加你的Apple ID（建议使用一个专用于此项目的、开启了两步验证的Apple ID，不要使用主力ID）。
配置过程中，iCloud3会要求你输入一个设备列表。你可以输入你的iPhone名称（如“张三的iPhone”）作为跟踪器，iCloud3会自动发现与此ID关联的其他设备，如AirPods、iPad等。
配置完成后，在HA的“概览”页面，你应该能看到代表你各个设备的实体（Entity），例如sensor.airpods_pro_status（状态）、sensor.airpods_pro_battery（电量）等。

4.3 将设备状态暴露给OpenClawOpenClaw需要通过API读取这些状态。我们需要让HA提供API。

在HA中，点击你的用户名 -> “个人资料”页面最下方，创建一个“长期访问令牌”，复制下来。
我们需要通过HA的RESTful API将设备状态发布出去。一种简单方法是使用HA内置的“RESTful传感器”。在configuration.yaml文件中添加（通过HA文件编辑器）：

rest: - resource: http://localhost:8123/api/states/sensor.airpods_pro_status scan_interval: 30 # 每30秒更新一次 headers: Authorization: "Bearer YOUR_LONG_LIVED_ACCESS_TOKEN" Content-Type: application/json sensor: - name: "AirPods Status for OpenClaw" value_template: "{{ value_json.state }}" json_attributes: - last_updated

这样，我们就创建了一个新的传感器，其状态与AirPods原状态同步。OpenClaw未来将调用这个新传感器的API。

重要注意事项：使用iCloud集成存在账号被暂时锁定的风险，特别是频繁查询时。iCloud3集成的优势在于它优化了查询逻辑，模拟了官方App的行为，比粗暴轮询更安全。务必使用独立的Apple ID，并确保该ID已开启双重认证。如果遇到“您的apple id 暂时不符合使用此应用程序的条件”这类错误，通常等待几小时或更换网络环境后可恢复。

5. 智能体技能开发：让OpenClaw学会判断与提醒

现在，我们有了大脑（OpenClaw）和数据（设备状态）。接下来要教OpenClaw学会“遗忘判断”这个技能。在OpenClaw中，技能（Skill）是通过Python脚本定义的。

5.1 创建“物品遗忘检测”技能在OpenClaw的数据目录下（我们之前挂载的./data/openclaw），通常会有skills文件夹。我们在此创建一个新文件forgetfulness_detector.py。

# forgetfulness_detector.py import asyncio import aiohttp import json from datetime import datetime, time from typing import Dict, Any from openclaw.skill import Skill, skill from openclaw.models import BaseMessage @skill class ForgetfulnessDetector(Skill): """检测用户是否可能遗忘重要物品的技能。""" def __init__(self): super().__init__() # 配置：需要监控的物品列表及其对应的HA传感器实体ID self.items_to_watch = { "airpods": "sensor.airpods_status_for_openclaw", # 对应HA中创建的传感器 # "keys": "sensor.tile_tracker_status", # 可以扩展其他蓝牙追踪器 } # 配置：家庭和工作场所的GPS坐标范围（通过HA zone或手动设定） self.home_zone = {"lat_min": 31.20, "lat_max": 31.23, "lon_min": 121.40, "lon_max": 121.43} self.office_zone = {"lat_min": 31.21, "lat_max": 31.22, "lon_min": 121.45, "lon_max": 121.46} # 配置：手机位置传感器的实体ID（也从HA获取） self.phone_location_entity = "device_tracker.your_iphone" self.ha_api_url = "http://homeassistant:8123/api/states/" self.ha_token = "YOUR_HA_LONG_LIVED_TOKEN" self.headers = { "Authorization": f"Bearer {self.ha_token}", "Content-Type": "application/json" } async def get_entity_state(self, session: aiohttp.ClientSession, entity_id: str) -> Dict[str, Any]: """从Home Assistant获取实体状态。""" try: async with session.get(f"{self.ha_api_url}{entity_id}", headers=self.headers) as resp: if resp.status == 200: return await resp.json() else: self.logger.error(f"Failed to get state for {entity_id}: {resp.status}") return {} except Exception as e: self.logger.error(f"Error fetching {entity_id}: {e}") return {} def is_in_zone(self, lat: float, lon: float, zone: Dict) -> bool: """判断给定坐标是否在指定区域内。""" return zone["lat_min"] <= lat <= zone["lat_max"] and zone["lon_min"] <= lon <= zone["lon_max"] async def execute(self, message: BaseMessage, **kwargs) -> str: """技能执行入口。""" self.logger.info("Forgetfulness Detector triggered.") async with aiohttp.ClientSession() as session: # 1. 获取手机当前位置 phone_data = await self.get_entity_state(session, self.phone_location_entity) if not phone_data or 'state' not in phone_data: return "无法获取手机位置信息。" phone_state = phone_data.get('state') # 假设状态是"home", "office", 或者具体的GPS坐标字符串 "31.22,121.42" phone_lat_lon = None if phone_state not in ['home', 'office', 'not_home']: # 尝试解析为坐标 try: lat_str, lon_str = phone_state.split(',') phone_lat_lon = (float(lat_str), float(lon_str)) except: pass # 2. 判断是否处于“离开”场景 is_leaving = False target_zone = None if phone_state == 'not_home' or (phone_lat_lon and not self.is_in_zone(phone_lat_lon[0], phone_lat_lon[1], self.home_zone)): # 简单逻辑：如果手机不在家，则认为可能离开 is_leaving = True # 这里可以更复杂：结合时间（如工作日早上8-9点）、移动速度等 # 例如，通过HA获取手机速度传感器，判断是否在快速移动（步行/驾车） if not is_leaving: return "当前未处于可能遗忘物品的离开场景。" # 3. 检查监控物品的状态 forgotten_items = [] for item_name, entity_id in self.items_to_watch.items(): item_data = await self.get_entity_state(session, entity_id) item_state = item_data.get('state', 'unknown').lower() if item_data else 'unknown' # 判断逻辑：如果物品状态为“未连接”（not_connected, disconnected）或“不在身边” # 具体状态字符串需要根据你的HA传感器实际输出调整 if item_state in ['not_connected', 'disconnected', 'away']: forgotten_items.append(item_name) # 4. 决策与触发 if forgotten_items: alert_msg = f"【提醒】你可能忘记了：{', '.join(forgotten_items)}。请检查一下！" self.logger.warning(alert_msg) # 在这里触发后续行动，例如调用飞书/webhook技能发送消息 # await self.trigger_alert(alert_msg) return alert_msg else: return "所有监控物品状态正常。" # async def trigger_alert(self, message: str): # """触发警报，例如发送到飞书。""" # # 这里可以调用另一个已经配置好的飞书消息技能 # # 或者直接发送HTTP请求到飞书机器人webhook # pass

5.2 配置技能与触发器创建技能文件后，需要在OpenClaw的Web界面或配置文件中启用它。通常，需要在OpenClaw的配置文件（如config.yaml）里添加技能路径：

skills: - name: forgetfulness_detector path: /app/data/skills/forgetfulness_detector.py # Docker容器内的路径

然后，我们需要设置一个触发器（Trigger），让这个技能定期自动运行。OpenClaw支持多种触发器，如定时任务（Cron）、Webhook、MQTT消息等。我们设置一个每2分钟运行一次的定时触发器：在OpenClaw的Web管理界面，找到触发器配置部分，添加一个Cron触发器，表达式为*/2 * * * *，并关联到我们刚创建的ForgetfulnessDetector技能。

这样，一个基础的遗忘检测自动化流程就建立了：每两分钟，OpenClaw会检查一次手机是否离开“安全区”，并检查监控物品的连接状态，如果条件满足，就生成提醒消息。

6. 通知渠道集成：让提醒触手可及

生成的提醒消息需要送达给你。最直接的方式是集成到日常使用的通讯工具。这里以接入飞书机器人为例，微信、钉钉、Slack等流程类似。

6.1 创建飞书群聊与自定义机器人

在飞书中创建一个只有你（或需要接收提醒的成员）的群聊。
点击群聊设置 -> 添加机器人 -> 自定义机器人。
设置机器人名称，如“记忆守护者”，并获取生成的Webhook地址。这个地址格式类似https://open.feishu.cn/open-apis/bot/v2/hook/xxxxxxxxxxxxx。妥善保存。

6.2 开发飞书消息发送技能在OpenClaw的skills目录下，再创建一个feishu_notifier.py文件。

# feishu_notifier.py import aiohttp import json from openclaw.skill import Skill, skill @skill class FeishuNotifier(Skill): """向飞书发送消息的技能。""" def __init__(self): super().__init__() self.webhook_url = "YOUR_FEISHU_WEBHOOK_URL_HERE" async def execute(self, message: BaseMessage, **kwargs) -> str: """发送消息到飞书。""" # message.content 是从上一个技能传递来的提醒内容 payload = { "msg_type": "text", "content": { "text": message.content } } async with aiohttp.ClientSession() as session: try: async with session.post(self.webhook_url, json=payload) as resp: if resp.status == 200: result = await resp.json() if result.get('code') == 0: return "消息已成功发送至飞书。" else: return f"飞书接口返回错误：{result}" else: return f"HTTP请求失败：{resp.status}" except Exception as e: return f"发送消息时发生异常：{e}"

6.3 串联工作流：从检测到通知现在我们需要修改forgetfulness_detector.py技能，使其在检测到遗忘物品时，不是仅仅返回文本，而是自动调用FeishuNotifier技能。在forgetfulness_detector.py的execute方法末尾，修改触发警报的部分：

if forgotten_items: alert_msg = f"🦞【龙虾提醒】oi！伙计，你是不是把 {', '.join(forgotten_items)} 落下了？赶紧看看！" self.logger.warning(alert_msg) # 创建消息对象，触发飞书通知技能 from openclaw.models import BaseMessage alert_message = BaseMessage(content=alert_msg, role="system") # 这里假设OpenClaw支持技能间调用，具体API需参考OpenClaw最新文档 # 一种常见模式是通过内置的“动作”或“调用”功能 # 例如：await self.call_skill("feishu_notifier", alert_message) # 另一种更通用的方式是，将alert_msg作为结果返回，并配置一个“规则引擎”或“后续动作”来捕获这个结果并调用飞书技能。 # 我们采用后一种：返回特定格式的结果，由OpenClaw的流程引擎处理。 return json.dumps({"action": "send_alert", "message": alert_msg})

然后，在OpenClaw的流程配置中，我们可以设置一个规则：当forgetfulness_detector技能返回的结果包含"action": "send_alert"时，自动触发feishu_notifier技能，并将message字段的内容传递过去。

通过这样的串联，一个完整的“感知-判断-执行”的智能体工作流就闭环了。你的飞书会在你很可能忘记带耳机时，收到那条带着“龙虾”表情的、有点戏谑又很及时的提醒。

7. 优化、调试与扩展思路

基础功能跑通后，真正的挑战在于让系统变得可靠、智能且不扰民。以下是一些优化方向和踩坑记录。

7.1 核心优化：更精准的情境判断最初的“离开家即检测”逻辑太粗糙。我们需要多层条件过滤：

时间过滤：只在特定时段启用，例如工作日早7点至晚10点，周末可能放宽或禁用。
地点细化：不仅判断是否离开家，还要判断目的地。结合日历，如果是去健身房（耳机常用），则提醒权重增加；如果是去楼下便利店，则可能忽略。
物品状态深化：不仅看“是否连接”，还要看电量。如果AirPods电量低于10%且放在充电盒里，遗忘的概率极低，可以不提醒。
行为模式学习：可以记录每次的提醒和你的反馈（通过飞书快捷回复“已带/误报”），让OpenClaw背后的LLM微调判断逻辑，实现简单的个性化学习。

7.2 常见问题与排查

问题一：iCloud状态更新延迟。有时HA中设备状态会滞后几分钟。这可能是苹果服务器或网络问题。应对策略：在判断逻辑中加入“状态持续时间”判断，例如“连续3个检测周期（6分钟）状态为断开且位置已移动”，再触发提醒，避免瞬时抖动。
问题二：误报率高。除了上述优化，可以增加“免打扰模式”。当手机连接了家庭Wi-Fi或汽车蓝牙时，判定为短时间移动，不触发主要物品检测。
问题三：OpenClaw技能执行失败。首先查看OpenClaw容器日志docker-compose logs -f openclaw。常见原因是Python依赖缺失、API token错误或网络超时。确保技能文件语法正确，且所有用到的Python包（如aiohttp）已在OpenClaw的基础镜像中或通过额外pip install安装。
问题四：飞书消息未发送。检查Webhook地址是否正确，网络是否通畅。飞书机器人有频率限制，过于频繁的测试可能被限流。

7.3 系统扩展：从“防忘”到“智能生活管家”这个框架的威力在于其扩展性。你可以轻松添加更多技能：