OpenClaw+Qwen3.5-9B实战：自动化周报生成与进度跟踪
OpenClaw+Qwen3.5-9B实战：自动化周报生成与进度跟踪
1. 为什么需要自动化周报系统
每周五下午3点，我的日历总会准时弹出提醒："撰写本周工作周报"。这个看似简单的任务却常常让我陷入两难：要么花半小时手动整理Jira和Git数据，要么交出一份缺乏数据支撑的笼统总结。直到我发现OpenClaw与Qwen3.5-9B的组合可以完美解决这个痛点。
传统周报撰写存在三个典型问题：数据收集耗时（需要跨平台复制粘贴）、分析维度单一（缺乏智能归纳）、格式不统一（每次都要调整排版）。而通过OpenClaw的自动化能力配合Qwen3.5-9B的自然语言生成，我构建了一个能自动完成"数据采集-分析归纳-报告生成-定时发送"全流程的系统。
2. 系统架构与核心组件
2.1 技术选型思路
这个自动化系统的核心在于两个组件的协同：
- OpenClaw：负责"动手"执行具体操作，包括：
- 通过Jira REST API获取任务状态
- 调用Git命令行接口统计代码提交
- 将原始数据传递给Qwen3.5-9B处理
- 通过飞书机器人发送最终报告
- Qwen3.5-9B：负责"动脑"处理信息：
- 结构化原始数据
- 识别关键进度节点
- 生成符合公司模板的述职报告
- 提炼下周工作计划建议
选择Qwen3.5-9B而非更大模型的原因很实际：周报生成不需要百亿参数的推理能力，9B模型在保持较高文本质量的同时，Token消耗更经济，适合高频次定时任务。
2.2 环境准备要点
在MacBook Pro(M1芯片, 16GB内存)上部署时，需要注意几个关键配置：
# 安装OpenClaw核心组件 curl -fsSL https://openclaw.ai/install.sh | bash # 单独安装Jira/Git技能模块 clawhub install jira-connector git-stats配置文件~/.openclaw/openclaw.json中需要声明模型接入：
{ "models": { "providers": { "qwen-local": { "baseUrl": "http://localhost:8080/v1", "api": "openai-completions", "models": [{ "id": "qwen3-9b", "name": "Local Qwen3.5-9B", "contextWindow": 32768 }] } } } }3. 实现过程与关键代码
3.1 数据采集层实现
Jira数据采集通过封装REST API实现，这段代码放在OpenClaw的skills/jira-connector目录下：
async function getJiraProgress(sprintId) { const response = await fetch(`https://your-jira-domain/rest/api/2/search?jql=sprint=${sprintId}`, { headers: { 'Authorization': `Basic ${btoa('username:api-token')}` } }); const data = await response.json(); return { total: data.total, completed: data.issues.filter(i => i.fields.status.name === 'Done').length, blocked: data.issues.filter(i => i.fields.issuetype.name === 'Blocker').length }; }Git统计则直接调用命令行工具：
# 获取本周代码贡献统计 git log --since="last monday" --until="now" --pretty=format:"%an" | sort | uniq -c3.2 数据分析与报告生成
这是最体现Qwen3.5-9B价值的环节。通过设计特定的prompt模板，引导模型产出结构化报告：
你是一位专业的项目经理助理，请根据以下数据生成技术团队周报： [JIRA统计] - 总任务数: ${jira.total} - 已完成: ${jira.completed} - 阻塞项: ${jira.blocked} [GIT提交] ${git.stats} 要求： 1. 用Markdown格式输出 2. 包含"本周成果"、"现存问题"、"下周重点"三部分 3. 重点突出技术难点突破 4. 对阻塞项给出解决建议实际测试中发现，给模型提供公司过往的优秀周报示例能显著提升输出质量。我将这些示例存放在~/.openclaw/templates/weekly_report_examples.md供模型参考。
4. 系统集成与自动化
4.1 飞书机器人配置
在飞书开放平台创建应用后，需要在OpenClaw中配置webhook：
{ "channels": { "feishu": { "enabled": true, "appId": "cli_xxxxxx", "appSecret": "xxxxxxxx", "webhook": "https://open.feishu.cn/open-apis/bot/v2/hook/xxxxxx" } } }4.2 定时任务设置
使用macOS自带的launchctl设置每周五定时触发：
<!-- ~/Library/LaunchAgents/com.weeklyreport.plist --> <plist> <dict> <key>Label</key> <string>com.weeklyreport</string> <key>ProgramArguments</key> <array> <string>/usr/local/bin/openclaw</string> <string>run</string> <string>--skill=weekly-report</string> </array> <key>StartCalendarInterval</key> <dict> <key>Hour</key> <integer>15</integer> <!-- 下午3点 --> <key>Weekday</key> <integer>5</integer> <!-- 周五 --> </dict> </dict> </plist>加载定时任务：
launchctl load ~/Library/LaunchAgents/com.weeklyreport.plist5. 实际效果与优化建议
系统运行一个月后，最明显的改进是周报质量的一致性。以前人工撰写时容易忽略的代码贡献与任务进度的关联分析，现在Qwen3.5-9B会自动建立关联，比如：
"后端团队本周完成Jira任务#PROJ-42(API性能优化)，对应Git提交中可见对Redis缓存层的重构(commit 3a8bdf2)，经测试接口响应时间降低63%"
但也发现几个需要人工干预的情况：
- 当Jira任务描述过于简略时，模型可能误解任务性质
- Git提交信息不规范会导致贡献统计失真
- 节假日后的第一周需要手动调整日期范围
针对这些问题，我增加了预处理脚本，在数据送入模型前进行基础校验，并在特殊日期触发人工确认流程。
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。