OpenClaw自动化周报系统：GLM-4.7-Flash汇总Git提交记录
OpenClaw自动化周报系统：GLM-4.7-Flash汇总Git提交记录
1. 为什么需要自动化周报系统
每周五下午，我的团队都需要提交工作周报。传统方式需要手动整理Git提交记录、回忆任务进展、再写成结构化报告，整个过程至少消耗40分钟。更痛苦的是，当项目并行时，经常遗漏关键提交或错误归因代码变更。
直到发现OpenClaw+GLM-4.7-Flash的组合，这个问题有了新解法。通过搭建自动化流水线，现在只需在飞书给机器人发送"生成周报"，系统就会自动完成：
- 扫描Git仓库近7天日志
- 用大模型分析提交记录并生成自然语言总结
- 将报告发送到指定邮箱
整个过程完全在本地运行，代码和敏感数据不会外泄。最让我惊喜的是，模型能识别"修复紧急生产问题"这类高优先级提交，并自动将其置顶在周报中。
2. 系统架构与核心组件
2.1 技术选型思路
这个方案的核心在于轻量化和可验证性。我尝试过以下组合：
- 纯脚本方案：用Git命令+正则提取日志，但缺乏语义理解能力
- 云端API方案：调用GPT-4接口处理文本，但企业禁止敏感数据出域
- 本地大模型方案：需要自己部署微调模型，资源消耗过大
最终选择的OpenClaw+GLM-4.7-Flash组合完美平衡了：
- 隐私性：所有数据处理在本地完成
- 智能度：GLM-4.7-Flash能理解技术术语和工程上下文
- 成本：ollama部署的模型服务资源占用极低
2.2 关键组件配置
系统由三个核心部分组成：
graph LR A[飞书机器人] -->|触发指令| B(OpenClaw网关) B --> C[Git日志采集] C --> D(GLAM-4.7-Flash分析) D --> E[邮件发送]具体配置参数：
- Git扫描：限定
--since="7 days ago"，排除merge提交 - 模型服务：ollama运行的GLM-4.7-Flash，max_tokens=2048
- 邮件模板：Markdown格式，包含分类汇总和详细提交列表
3. 实现步骤详解
3.1 基础环境准备
首先确保已部署ollama版GLM-4.7-Flash：
ollama pull glm-4.7-flash ollama run glm-4.7-flash --verbose然后安装OpenClaw飞书插件：
openclaw plugins install @m1heng-clawd/feishu3.2 Git日志采集技能开发
在OpenClaw的skills目录创建git_reporter模块，核心代码如下：
// skills/git_reporter/index.js const { execSync } = require('child_process') module.exports = { getGitLogs: (repoPath) => { const cmd = `git -C ${repoPath} log --since="7 days ago" --no-merges --pretty=format:'%h|%an|%ad|%s'` const raw = execSync(cmd).toString() return raw.split('\n').map(line => { const [hash, author, date, msg] = line.split('|') return { hash, author, date, msg } }) } }这个模块会返回结构化提交数据，例如：
{ "hash": "a1b2c3d", "author": "张三", "date": "Mon May 20 14:21:03 2024 +0800", "msg": "修复用户登录超时问题" }3.3 模型提示词设计
GLM-4.7-Flash的提示词需要特别优化。经过多次测试，最终版本如下：
你是一位资深技术主管，需要将以下Git提交记录整理成周报： 1. 按【功能开发】【缺陷修复】【优化调整】分类 2. 每个分类按优先级排序 3. 用简洁的技术语言总结 4. 特别标注涉及核心模块的变更 原始数据： {{git_logs}} 输出要求： - 中文输出 - 包含工作量统计 - 重要变更前加⚠️符号 - 不用写前言和结语实际测试发现，明确要求"不用写前言结语"能减少30%的无用输出。
3.4 飞书机器人集成
配置飞书自建应用后，在openclaw.json添加：
{ "channels": { "feishu": { "enabled": true, "appId": "cli_xxxxxx", "appSecret": "xxxxxx", "eventEncryptKey": "xxxxxx", "verificationToken": "xxxxxx" } }, "skills": { "git_reporter": { "watchDirs": ["/Projects/teamA", "/Projects/teamB"], "mailTo": "leader@company.com" } } }触发命令支持自然语言理解，比如：
- "生成周报"
- "统计本周代码"
- "发一份工作汇总"
4. 实际效果与调优
4.1 典型输出示例
系统生成的周报片段：
【缺陷修复】 ⚠️ 用户服务登录超时问题（张三） - 修复JWT令牌过期时间计算错误 - 增加心跳检测机制 【功能开发】 订单导出性能优化（李四） - 采用分页流式导出 - 内存占用降低70%4.2 性能优化点
在初期测试中发现两个关键问题：
长日志截断：当提交超过50条时，模型会丢失中间内容
- 解法：开发预处理脚本，合并相似提交（如连续fix同一个bug）
时间格式混乱：不同开发者机器时区不一致
- 解法：在Git命令强制指定
--date=iso8601
- 解法：在Git命令强制指定
4.3 安全防护措施
由于涉及代码库访问权限，我们额外添加了：
- 飞书指令白名单（仅限团队主管触发）
- Git仓库只读权限
- 邮件发送前人工确认开关（可配置）
5. 扩展应用场景
这套框架经过简单改造后，还可以用于：
- 晨会简报：自动生成昨日代码变更摘要
- 项目审计：按月统计各成员贡献度
- 知识沉淀：将重要修复方案自动归档到Wiki
一个意外收获是，模型生成的周报比人工写的更客观。它不会刻意强调自己的工作，而是平等对待所有提交记录。
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。