OpenClaw+GLM-4.7-Flash：个人阅读清单自动化推荐
OpenClaw+GLM-4.7-Flash：个人阅读清单自动化推荐
1. 为什么需要自动化阅读推荐
作为一个每天要处理大量技术文档的开发者，我发现自己陷入了"信息过载"的困境。浏览器收藏夹里有237篇未读文章，Kindle里堆积了86本电子书，而每周还会新增十几个想读的链接。更糟糕的是，当我真正有时间阅读时，却不知道该从哪里开始。
传统的解决方案是手动整理书签、使用稍后读工具或者依赖平台的推荐算法。但这些方法要么太耗时，要么推荐质量不稳定。直到我发现OpenClaw+GLM-4.7-Flash这个组合，才找到了一个既能保持个人数据隐私，又能提供智能推荐的解决方案。
2. 技术选型与准备工作
2.1 为什么选择OpenClaw
OpenClaw吸引我的核心优势在于它的本地化特性。作为一个开源自动化框架，它可以直接操作我的电脑：
- 读取浏览器历史记录和书签
- 分析本地文档和笔记
- 监控我的阅读行为（如在某个页面的停留时间）
- 所有数据处理都在本地完成，不需要上传到第三方服务器
2.2 GLM-4.7-Flash模型的优势
通过ollama部署的GLM-4.7-Flash模型特别适合这个场景：
- 响应速度快：Flash版本针对生成任务做了优化
- 中文理解强：对技术文档和中文书籍的语义把握准确
- 轻量高效：在我的MacBook Pro上就能流畅运行
安装过程非常简单：
ollama pull glm-4.7-flash ollama run glm-4.7-flash3. 系统搭建与配置
3.1 OpenClaw基础安装
我选择用npm方式安装OpenClaw：
sudo npm install -g @qingchencloud/openclaw-zh@latest openclaw --version初始化配置时，在onboard向导中选择：
- Mode: Advanced（我需要自定义模型连接）
- Provider: Custom（后面手动配置GLM-4.7-Flash）
- Skills: 选择安装file-processor和web-browser两个基础技能
3.2 模型连接配置
修改~/.openclaw/openclaw.json文件，添加GLM-4.7-Flash作为模型提供方：
{ "models": { "providers": { "glm-flash": { "baseUrl": "http://localhost:11434", "api": "openai-completions", "models": [ { "id": "glm-4.7-flash", "name": "GLM-4.7-Flash Local", "contextWindow": 32768 } ] } } } }配置完成后重启网关服务：
openclaw gateway restart4. 实现自动化阅读推荐
4.1 数据收集阶段
我创建了一个自动化任务，让OpenClaw每天凌晨2点执行以下操作：
- 扫描Chrome浏览历史（过滤掉非阅读类网站）
- 分析PDF阅读器的最近打开文件
- 收集Obsidian笔记中的阅读笔记
- 统计在各个文档上的停留时间
这些数据会被整理成一个结构化的JSON文件，存储在~/Documents/reading_habits目录下。
4.2 兴趣分析与推荐生成
每周日晚上，系统会自动调用GLM-4.7-Flash分析我的阅读数据。提示词模板如下：
你是一个专业的阅读推荐助手。请根据以下用户的阅读记录分析其兴趣领域，并生成下周的阅读建议。 阅读历史摘要： {{插入上周的阅读数据}} 请按以下格式输出： 1. 主要兴趣领域（不超过3个） 2. 5篇推荐阅读材料（基于相似性和新颖性平衡） 3. 优先级排序理由4.3 输出与集成
生成的推荐会通过以下方式呈现：
- 自动保存为Markdown文件到我的阅读清单目录
- 通过飞书机器人发送摘要到我的手机
- 高优先级推荐会自动添加到我的待办清单
5. 实际效果与优化
使用一个月后，这个系统帮我找回了许多被遗忘的好内容。最惊喜的是一次它从我的两年前的书签中"挖"出了一篇关于Rust并发的文章，正好解决了我当时遇到的问题。
但初期也遇到了一些挑战：
- 误判兴趣：有段时间我为了解决问题密集搜索某个主题，导致系统过度推荐相关内容
- 重复推荐：没有很好地区分已读和未读内容
- 优先级偏差：有时会推荐过于基础的内容
通过调整提示词和增加反馈机制（标记推荐的实用性），这些问题得到了明显改善。现在的版本会主动询问："上周的推荐中有多少是你真正阅读了的？"
6. 扩展可能性
这个基础框架可以进一步扩展：
- 接入豆瓣API获取书籍评分
- 与Zotero集成管理学术论文
- 增加"阅读目标"跟踪功能
- 开发浏览器插件实时获取阅读行为
不过目前的功能已经大大减轻了我的信息焦虑。现在每周一早上，我都有一个精心挑选的阅读清单等着我，而不是面对一堆杂乱无章的标签页。
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。