当前位置：首页 > news >正文

OpenClaw自动化周报：Qwen3.5-9B解读工作截图生成总结

news 2026/5/27 21:20:20

OpenClaw自动化周报：Qwen3.5-9B解读工作截图生成总结

1. 为什么需要自动化周报

每周五下午，我都会陷入一种"周报焦虑"——电脑桌面上堆满了会议截图、临时记录的txt文件、微信里的零散对话。手动整理这些碎片信息需要3-4个小时，常常要加班才能完成。更痛苦的是，有些截图里的关键数据需要反复放大查看，手输到Excel时还容易出错。

直到我发现Qwen3.5-9B这个支持图像理解的多模态模型，配合OpenClaw的自动化能力，终于构建出一个可行的解决方案。现在我的周报生成流程从5小时缩短到30分钟（含人工复核），准确率反而提高了。下面分享这个"截图→分析→生成→发送"的全链路实践。

2. 技术方案设计思路

2.1 核心组件选型

选择Qwen3.5-9B-AWQ-4bit镜像主要基于三个考量：

图像理解能力：能识别截图中的表格数据、会议纪要白板照片
中文处理优化：对中文会议纪要的语义理解优于同等规模的通用模型
资源消耗可控：4bit量化版本在我的RTX 3090上能稳定运行，显存占用约8GB

2.2 工作流拆解

整个系统运行在本地开发机（Ubuntu 22.04），通过OpenClaw串联：

截图收集：使用Flameshot截图工具，按Alt+Shift+S快速捕获屏幕区域
图像分析：Qwen模型解析截图内容，提取关键信息
文本生成：将分析结果整理成Markdown格式周报
飞书推送：通过OpenClaw的飞书插件定时发送给主管

3. 具体实现步骤

3.1 环境准备

首先部署Qwen3.5-9B模型服务（假设已安装Docker）：

docker run -d --gpus all -p 5000:5000 \ -v /data/qwen:/models \ registry.cn-hangzhou.aliyuncs.com/qwen/qwen3.5-9b-awq:latest \ python -m vllm.entrypoints.api_server \ --model /models/Qwen3.5-9B-AWQ \ --served-model-name qwen3.5-9b \ --max-model-len 8192

验证服务是否正常：

curl http://localhost:5000/v1/completions \ -H "Content-Type: application/json" \ -d '{ "model": "qwen3.5-9b", "prompt": "测试", "max_tokens": 10 }'

3.2 OpenClaw配置

修改~/.openclaw/openclaw.json接入本地模型：

{ "models": { "providers": { "local-qwen": { "baseUrl": "http://localhost:5000/v1", "api": "openai-completions", "models": [ { "id": "qwen3.5-9b", "name": "Local Qwen3.5-9B", "contextWindow": 8192 } ] } } } }

安装飞书插件：

openclaw plugins install @m1heng-clawd/feishu

3.3 核心技能开发

创建weekly_report.py技能脚本，关键处理逻辑：

def analyze_screenshot(image_path): # 调用Qwen模型解析图片 prompt = """请提取图片中的关键信息： 1. 项目进度数据（百分比/数字） 2. 待办事项（包含负责人和截止时间） 3. 风险问题（红色标记内容优先） 按Markdown表格格式返回""" response = openclaw.models.generate( model="qwen3.5-9b", messages=[ {"role": "user", "content": prompt}, {"role": "user", "content": f"![]({image_path})"} ] ) return response.choices[0].message.content