OpenClaw定时任务实战：Qwen3-14b_int4_awq每日自动发送天气提醒
OpenClaw定时任务实战：Qwen3-14b_int4_awq每日自动发送天气提醒
1. 为什么选择OpenClaw做定时任务？
去年冬天，我发现自己总是忘记查看第二天的天气情况，好几次穿着单薄的衣服出门被冻得够呛。作为一个技术人，我决定用自动化方案解决这个问题。尝试过几种方案后，最终选择了OpenClaw配合本地部署的Qwen3-14b_int4_awq模型，原因很实在：
- 隐私保护：天气查询需要位置信息，通过本地部署的方案，这些敏感数据完全不会离开我的电脑
- 个性化程度高：不仅可以获取标准天气预报，还能让AI根据我的穿衣习惯生成提醒建议
- 7*24小时稳定运行：OpenClaw的守护进程机制确保不会因为电脑休眠或网络波动而漏发提醒
最让我惊喜的是，整个方案从构思到实现只用了不到3小时，而且完全通过自然语言配置，几乎没有写传统代码。
2. 环境准备与基础配置
2.1 模型部署注意事项
我使用的是星图平台提供的Qwen3-14b_int4_awq镜像，这个4bit量化版本在消费级显卡上就能流畅运行。部署时特别注意了这两个参数：
# 启动vLLM服务时的关键参数 python -m vllm.entrypoints.api_server \ --model Qwen/Qwen3-14b-int4-awq \ --quantization awq \ --max-model-len 8192 \ --enforce-eager # 避免某些显卡的兼容性问题模型服务启动后，用curl简单测试一下：
curl http://localhost:8000/v1/completions \ -H "Content-Type: application/json" \ -d '{ "model": "Qwen/Qwen3-14b-int4-awq", "prompt": "你好", "max_tokens": 50 }'2.2 OpenClaw的飞书通道配置
飞书机器人的配置花了我最长时间，主要是因为企业自建应用需要管理员审批。配置成功后，我的~/.openclaw/openclaw.json关键部分如下：
{ "channels": { "feishu": { "enabled": true, "appId": "cli_xxxxxx", "appSecret": "xxxxxxxx", "connectionMode": "websocket" } }, "models": { "providers": { "local-qwen": { "baseUrl": "http://localhost:8000/v1", "api": "openai-completions", "models": [{ "id": "Qwen/Qwen3-14b-int4-awq", "name": "本地Qwen天气助手" }] } } } }这里有个小技巧：如果飞书企业版审批流程复杂，可以先在飞书开放平台创建"个人自建应用"，虽然功能有限但足够发送群消息。
3. 定时任务的核心实现
3.1 天气查询技能开发
我没有选择现成的天气API，而是让AI直接访问中国天气网并提取信息。在OpenClaw的skills目录下创建了weather_reminder技能，核心逻辑是：
- 通过浏览器自动化获取当前位置的天气数据
- 将原始数据喂给Qwen模型生成人性化的提醒
- 通过飞书机器人发送到家庭群
技能配置文件skill.json的关键部分：
{ "name": "weather_reminder", "description": "每日天气提醒服务", "actions": { "get_weather": { "description": "获取并发送天气提醒", "parameters": { "location": "auto" // 自动获取IP所在地 } } } }3.2 crontab的配置艺术
很多人不知道OpenClaw可以直接响应cron事件。我的crontab -e配置如下：
# 每天早7点发送天气提醒 0 7 * * * /usr/local/bin/openclaw task run --skill weather_reminder --action get_weather更酷的是，OpenClaw会自动记录任务执行日志，通过openclaw log命令可以查看历史记录：
openclaw log --type task --last 7d # 查看最近7天任务记录4. 实际运行中的经验教训
4.1 Token消耗监控方案
运行一个月后，我发现Token消耗比预期高很多。通过分析发现是模型在生成建议时过于"话痨"。解决方案是在prompt模板中增加约束：
你是一个简洁的天气助手，请用不超过3句话给出天气预报和穿衣建议。格式： [天气] 今天晴转多云，15-22℃ [建议] 建议穿薄外套同时添加了每日Token消耗监控脚本：
#!/bin/bash TODAY=$(date +%Y-%m-%d) USAGE=$(openclaw stats --date $TODAY | grep "Token usage" | awk '{print $3}') if [ $USAGE -gt 5000 ]; then openclaw notify --channel feishu --message "警告：今日Token消耗已达${USAGE}" fi4.2 异常处理机制
有次模型服务崩溃导致提醒失败，现在我增加了健康检查：
# 在crontab中添加预处理 */5 * * * * pgrep -f "vllm.entrypoints.api_server" || cd /path/to/vllm && make restart5. 效果展示与个人体会
现在每天早上7点，家庭群都会准时收到这样的消息：
[天气助手]
[天气] 北京朝阳区今天晴，18-28℃，紫外线强
[建议] 建议穿短袖，外出请戴遮阳帽
[提醒] 记得给阳台的多肉浇水哦~
最后分享一个意外收获：OpenClaw的持久化上下文功能，让AI能记住我上周说过"周末要去露营"，于是在周五的提醒中自动加入了"露营装备检查清单"。这种"有记忆的自动化"才是真正智能的体现。
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。