当前位置：首页 > news >正文

OpenClaw+千问3.5-35B-A3B-FP8：学术论文自动摘要与分类

news 2026/6/4 2:23:13

OpenClaw+千问3.5-35B-A3B-FP8：学术论文自动摘要与分类

1. 为什么需要自动化论文处理

作为一名经常需要阅读大量文献的研究者，我发现自己每天要花至少2小时在论文下载、摘要阅读和分类归档上。最痛苦的是，当我在深夜突然想到一个研究方向时，往往需要手动搜索相关论文，逐篇下载并快速浏览摘要——这个过程既耗时又容易遗漏关键文献。

直到我发现OpenClaw可以结合千问3.5这类大模型实现自动化处理。经过一个月的实践，我的文献处理效率提升了3倍以上。现在，只需要一条自然语言指令，系统就能自动完成从论文检索到分类归档的全流程。这让我有更多时间专注于真正的思考和创新。

2. 技术方案设计思路

2.1 核心组件选型

选择OpenClaw作为自动化框架有两个关键原因：首先，它能像人类一样操作浏览器和文件系统；其次，它的隐私性设计让敏感的学术数据始终保留在本地。而千问3.5-35B模型在学术文本理解方面表现出色，特别是在处理专业术语和长文本摘要时。

这套组合的独特优势在于：

端到端隐私保护：从论文下载到摘要生成全程在本地完成
多模态支持：未来可扩展处理论文中的图表数据
24小时待命：随时响应突发的研究需求

2.2 工作流拆解

整个自动化流程被设计为三个阶段：

论文采集阶段：通过OpenClaw控制浏览器访问学术平台，执行搜索、筛选和下载操作
内容处理阶段：千问模型解析PDF文本，生成结构化摘要和关键词
归档应用阶段：根据摘要内容自动分类，并存入指定文件夹或文献管理软件

3. 具体实现步骤

3.1 环境准备与模型部署

首先在本地部署千问3.5模型服务（以下以星图平台镜像为例）：

# 拉取模型镜像 docker pull registry.cn-hangzhou.aliyuncs.com/qingchen/qwen3.5-35b-a3b-fp8:latest # 启动模型服务 docker run -d -p 5000:5000 \ -v /path/to/models:/app/models \ registry.cn-hangzhou.aliyuncs.com/qingchen/qwen3.5-35b-a3b-fp8

然后在OpenClaw配置文件中添加模型端点：

{ "models": { "providers": { "qwen-local": { "baseUrl": "http://localhost:5000/v1", "api": "openai-completions", "models": [ { "id": "qwen3.5-35b", "name": "Local Qwen", "contextWindow": 32768 } ] } } } }

3.2 核心技能开发

我开发了一个自定义Skill来处理论文工作流，主要包含三个关键模块：

# 论文下载模块示例 def download_papers(keywords, max_results=10): openclaw.browser.open("https://scholar.google.com") openclaw.keyboard.type(keywords + "\n") openclaw.mouse.click(x=120, y=320) # 点击搜索按钮 papers = [] for i in range(max_results): paper = extract_paper_info() papers.append(paper) openclaw.download(paper['pdf_url'], f"papers/{paper['title']}.pdf") return papers # PDF解析模块 def parse_pdf(filepath): text = openclaw.pdf_to_text(filepath) prompt = f"请为这篇学术论文生成结构化摘要：\n{text[:8000]}" response = openclaw.llm.complete( model="qwen3.5-35b", prompt=prompt, max_tokens=1024 ) return parse_abstract(response) # 自动分类模块 def classify_paper(abstract): categories = ["机器学习", "自然语言处理", "计算机视觉", "其他"] prompt = f"根据摘要判断论文所属领域：{abstract}\n可选类别：{categories}" category = openclaw.llm.classify( model="qwen3.5-35b", prompt=prompt ) return category or "其他"

3.3 飞书集成配置

为了方便移动端使用，我将系统接入了飞书机器人：

# 安装飞书插件 openclaw plugins install @m1heng-clawd/feishu # 配置飞书凭证 { "channels": { "feishu": { "appId": "your_app_id", "appSecret": "your_app_secret" } } }

现在只需要给飞书机器人发送："帮我找10篇关于大模型推理优化的最新论文，分类保存"，系统就会自动执行全流程。