当前位置：首页 > news >正文

OpenClaw技能扩展实战：基于百川2-13B-4bits的Markdown周报自动生成

news 2026/5/12 18:16:55

OpenClaw技能扩展实战：基于百川2-13B-4bits的Markdown周报自动生成

1. 为什么需要自动化周报生成

每周五下午，我的团队都会陷入一种奇怪的集体焦虑——周报时间到了。作为一个小型技术团队的负责人，我发现自己和团队成员平均要花费1-2小时来整理本周工作内容、规划下周任务。更糟糕的是，这些时间往往被浪费在格式调整和回忆"上周三到底做了什么"上。

直到我发现OpenClaw+百川2-13B这个组合可以解决这个问题。通过配置自动化技能，现在我们的周报生成流程从手动2小时缩短到了自动5分钟。这不仅仅是时间节省的问题，更重要的是让团队把精力集中在真正有价值的工作复盘上，而不是文档格式上。

2. 环境准备与模型接入

2.1 百川2-13B-4bits模型部署

我选择百川2-13B-4bits量化版主要基于三个考虑：

显存友好：在RTX 3090上仅需约10GB显存，我的开发机就能流畅运行
性能平衡：相比原版模型，量化后性能损失仅1-2个百分点
商用授权：明确可商用的协议让我们小团队用得更放心

部署过程出奇简单：

# 使用星图平台预置镜像 docker pull registry.cn-hangzhou.aliyuncs.com/csdn_mirror/baichuan2-13b-chat-4bits:webui-v1.0 docker run -d -p 7860:7860 --gpus all registry.cn-hangzhou.aliyuncs.com/csdn_mirror/baichuan2-13b-chat-4bits:webui-v1.0

等待约3分钟后，访问http://localhost:7860就能看到WebUI界面。我特别欣赏这个镜像的"开箱即用"设计——不需要处理复杂的依赖关系或量化配置。

2.2 OpenClaw对接配置

在~/.openclaw/openclaw.json中添加自定义模型配置时，我踩过一个坑：百川的API端点与OpenAI标准略有不同。正确的配置应该是：

{ "models": { "providers": { "baichuan-local": { "baseUrl": "http://localhost:7860/v1", "apiKey": "no-key-required", "api": "openai-completions", "models": [ { "id": "baichuan2-13b-chat", "name": "Baichuan2-13B-Chat-4bits", "contextWindow": 4096, "maxTokens": 2048 } ] } } } }

关键点在于：

baseUrl必须包含/v1后缀
本地部署时apiKey可以留空或任意值
contextWindow设置为4096以匹配百川的实际上下文长度

配置完成后，记得重启OpenClaw网关服务：

openclaw gateway restart

3. 周报技能开发实战

3.1 技能参数设计

我需要的周报技能应该具备以下能力：

从Git提交记录提取编码工作
从日历事件提取会议和讨论
自动生成有逻辑结构的Markdown文档
支持通过邮件发送给指定收件人

在ClawHub中搜索现有技能时，我发现weekly-report-generator基础技能接近需求，但需要调整。通过修改其配置文件~/.openclaw/skills/weekly-report-generator/config.json：

{ "template": "modern-tech", "sources": { "git": { "repos": ["/path/to/your/project"] }, "calendar": { "provider": "ical", "url": "file:///path/to/your/calendar.ics" } }, "output": { "format": "markdown", "mail": { "enabled": true, "smtp": { "host": "smtp.your-email-provider.com", "port": 587, "username": "your-email@example.com", "password": "your-password" }, "recipients": ["team@example.com"] } } }

3.2 提示词工程优化

默认的提示词生成的周报过于笼统，我通过多次试验优化出更适合技术团队的版本。关键改动是在系统提示中加入角色定义和输出要求：

你是一位严谨的技术团队负责人，需要根据提供的原始数据生成专业的技术周报。要求： 1. 按[项目进展][问题与解决][下周计划]三部分组织 2. 技术细节要准确，不夸大不模糊 3. 问题描述要包含根因分析和解决方案 4. 使用Markdown格式，二级标题用##，代码块用```包裹 5. 中文输出，专业但不过于正式

这个提示词配合百川2-13B的强推理能力，生成的周报质量显著提升。特别是它能准确识别Git提交中的关键改动，并合理归类到相应章节。

4. 自动化流程搭建

4.1 触发方式配置

我设置了两种触发方式：

定时触发：每周五16:00自动运行

openclaw schedule add "0 16 * * 5" --skill weekly-report-generator

自然语言触发：在飞书群里@机器人说"生成周报"

飞书机器人的配置需要特别注意权限问题。除了基本的接收消息权限外，还需要申请"获取用户邮箱"权限，这样才能正确识别发件人身份。

4.2 异常处理机制

在实际运行中，我发现两个常见问题：

Git仓库可能正在被锁定（如IDE打开状态）
邮件发送可能因为网络问题失败

通过修改技能脚本增加了重试机制：

// 在skill的主逻辑中添加 const MAX_RETRIES = 3; const retryOperation = async (operation, retries = MAX_RETRIES) => { try { return await operation(); } catch (error) { if (retries > 0) { await new Promise(resolve => setTimeout(resolve, 1000)); return retryOperation(operation, retries - 1); } throw error; } };