当前位置：首页 > news >正文

OpenClaw+百川2-13B：5个提升个人效率的自动化脚本实例

news 2026/5/12 16:15:52

OpenClaw+百川2-13B：5个提升个人效率的自动化脚本实例

1. 为什么选择OpenClaw+百川2-13B组合

去年冬天，当我第一次尝试用大模型自动化处理日常工作时，发现大多数方案要么需要将敏感数据上传到云端，要么只能在特定平台使用。直到遇到OpenClaw这个开源的本地化AI智能体框架，配合百川2-13B-4bits量化模型，终于找到了既保护隐私又能灵活定制的解决方案。

这套组合最吸引我的是：所有操作都在本地完成，不需要担心公司文件外泄；百川2-13B-4bits模型在消费级GPU上就能流畅运行，响应速度完全满足日常需求；OpenClaw提供的技能扩展机制，让自动化脚本可以像搭积木一样自由组合。经过三个月的实际使用，我整理出了5个真正能提升效率的脚本实例，全部代码已开源在GitHub。

2. 环境准备与基础配置

2.1 模型部署要点

我使用的是星图平台提供的"百川2-13B-对话模型-4bits量化版 WebUI v1.0"镜像，这个版本特别适合个人开发者：

# 检查模型服务状态 curl http://localhost:8000/health # 预期返回：{"status":"ok"}

配置文件~/.openclaw/openclaw.json的关键部分如下：

{ "models": { "providers": { "baichuan": { "baseUrl": "http://localhost:8000/v1", "apiKey": "your-api-key-here", "api": "openai-completions", "models": [ { "id": "Baichuan2-13B-Chat", "name": "本地百川13B-4bits", "contextWindow": 4096 } ] } } } }

2.2 常见踩坑记录

在初期配置时遇到过两个典型问题：

端口冲突导致服务无法启动 - 通过lsof -i :8000检查端口占用
模型响应超时 - 在配置中增加"timeout": 300000延长超时阈值

建议在正式使用前运行测试命令验证基础功能：

openclaw exec "用一句话说明你已经准备好工作"

3. 效率脚本实例解析

3.1 智能文件批量重命名工具

作为经常需要处理大量截图和文档的人，我开发了这个能理解内容意图的重命名脚本。与传统工具不同，它能根据文件内容自动生成有意义的文件名。

核心代码逻辑：

def smart_rename(file_path): content = extract_text(file_path) # 从文件提取文字内容 prompt = f"""根据以下内容生成简洁文件名： {content[:2000]} 要求：使用英文或拼音，包含日期和关键信息，不超过30字符""" new_name = llm.generate(prompt) os.rename(file_path, f"{new_name.strip()}{os.path.splitext(file_path)[1]}")

实际使用案例：

将IMG_20230501_123456.jpg重命名为20230501_客户合同签字页.jpg
把会议记录.docx改为20231205_产品需求讨论纪要.docx

3.2 邮件待办事项提取器

这个脚本会自动扫描收件箱，提取出需要跟进的待办事项，并同步到我的任务管理系统。相比手动整理，每天能节省至少15分钟。

工作流程：

通过IMAP协议读取未读邮件
使用百川模型识别邮件中的行动项
生成标准化的待办事项格式
通过Webhook添加到Todoist

关键提示词设计：

你是一个专业的行政助理，请从以下邮件内容中提取出需要收件人执行的具体行动项，按以下格式输出： - 任务描述：[简洁说明要做什么] - 截止时间：[如邮件中明确提到] - 优先级：[高/中/低] 邮件内容：{email_text}

3.3 每日简报自动生成器

每天早上9点，这个脚本会自动运行，从多个数据源收集信息，生成我的个人工作简报。包含：未读邮件统计、日历安排、项目进度等。

技术实现亮点：

使用OpenClaw的定时任务功能
多源数据聚合（邮件、日历、Jira等）
自适应模板生成

// 简报生成逻辑示例 async function generateBriefing() { const emails = await fetchUnreadEmails(); const events = await fetchCalendarEvents(); const prompt = `根据以下数据生成简洁的每日工作简报： 未读邮件：${emails.length}封（重要：${emails.filter(e => e.important).length}） 今日会议：${events.filter(e => e.isMeeting).length}场 项目进展：${await fetchJiraUpdates()}`; return await openclaw.generate(prompt); }

3.4 会议纪要智能整理器

作为经常参加跨部门会议的人，我开发了这个能自动录音、转写并提取重点的脚本。相比人工记录，它能多保留30%的有用信息。

工作流程优化点：

使用FFmpeg录制会议音频
调用Whisper进行语音转文字
通过百川模型提取关键决策和行动项
自动生成Markdown格式的纪要

核心提示词：

请从以下会议转录文本中提取： 1. 做出的重要决策（标注决策方） 2. 需要跟进的行动项（包含负责人和截止时间） 3. 待讨论问题（标记为开放式问题） 按以下格式组织输出： ## 决策 - [决策内容] (@负责人) ## 行动项 - [任务描述] (@负责人 截止时间)

3.5 自动化周报生成器

每周五下午，这个脚本会自动收集我的工作日志、代码提交记录和任务完成情况，生成结构化的周报初稿。相比手动编写，质量更稳定且节省时间。

技术组合：

Git日志分析
时间追踪数据聚合
自然语言生成

def generate_weekly_report(): commits = analyze_git_log() time_logs = parse_time_tracking() prompt = f"""根据以下工作数据生成专业的技术周报： 代码提交：{len(commits)}次 主要修改文件：{commits.top_files(3)} 工时分布：{time_logs.by_project()} 重点问题：{get_jira_issues(status='done')} 要求：按'工作成果''遇到的问题''下周计划'三部分组织，每项不超过3点""" return openclaw.generate(prompt)

4. 性能优化与实践建议

经过多次迭代，我总结出几个提升脚本效率的关键点：

提示词工程：为每个任务设计专用的提示词模板，比通用提示效率高40%
结果缓存：对变化频率低的数据（如项目描述）建立本地缓存
分批处理：将大任务拆分为多个子任务，避免单次上下文过长
人工校验：关键操作（如文件重命名）设置二次确认机制

特别建议在开发初期添加详细的日志功能：

// 日志记录示例 function logAction(action, metadata) { const entry = { timestamp: new Date().toISOString(), action, model: config.currentModel, duration: metadata.duration, input: metadata.input?.slice(0, 100), output: metadata.output?.slice(0, 200) }; appendToLogFile(entry); }

5. 安全使用注意事项

在享受自动化便利的同时，也需要特别注意：

权限控制：为OpenClaw配置最小必要权限，避免使用root账户运行
敏感数据处理：脚本中避免硬编码API密钥，使用环境变量
操作确认：关键文件操作前建议添加人工确认步骤
定期审查：每周检查一次自动化脚本的执行日志

我建立了一个简单的安全检查清单：

# 权限检查脚本示例 check_permissions() { if [[ $(whoami) == "root" ]]; then echo "警告：不建议使用root权限运行" >&2 exit 1 fi if [[ ! -d "$SAFE_DIR" ]]; then mkdir -p "$SAFE_DIR" chmod 700 "$SAFE_DIR" fi }

这些脚本已经成为了我日常工作不可或缺的助手。最让我惊喜的不是节省了多少时间，而是它们让我能够更专注于真正需要人类判断力的创造性工作。当重复性劳动被自动化后，我们才有机会发挥作为人类的最大价值。