当前位置：首页 > news >正文

OpenClaw自动化测试：Qwen3.5-9B生成与执行Python脚本

news 2026/6/3 11:18:15

OpenClaw自动化测试：Qwen3.5-9B生成与执行Python脚本

1. 为什么选择OpenClaw+Qwen3.5做代码自动化

去年我在处理一个数据清洗项目时，每天要反复执行十几个相似的Python脚本。当我第一次看到OpenClaw的"自然语言生成代码+自动执行"演示时，立刻意识到这可能改变我的工作方式——不是替代开发者，而是把我们从重复劳动中解放出来。

经过两周的实测，这套组合最打动我的三个特质：

真实可用的代码能力：Qwen3.5-9B生成的Python脚本通常只需微调就能运行，比早期模型需要重写大段代码的情况进步明显
闭环验证机制：OpenClaw不只是返回代码文本，还能自动执行并反馈结果，形成开发-测试的完整闭环
环境隔离安全：所有操作在独立进程中运行，不会污染我的主开发环境

2. 环境准备与基础配置

2.1 最小化部署方案

我的MacBook Pro（M1 Pro芯片/16GB内存）上这样部署：

# 安装OpenClaw核心组件 curl -fsSL https://openclaw.ai/install.sh | bash # 配置Qwen3.5模型端点（使用星图平台预置镜像） openclaw onboard --provider custom \ --base-url http://your-qwen-endpoint/v1 \ --api-key YOUR_API_KEY \ --model qwen3-9b

关键配置项说明：

base-url指向部署好的Qwen3.5-9B服务地址
模型别名设为qwen3-9b便于后续调用
测试阶段建议开启--safe-mode限制文件操作范围

2.2 开发目录结构建议

为避免权限问题，我建立了专用工作区：

~/openclaw_workspace/ ├── inputs/ # 存放原始数据 ├── outputs/ # 脚本生成目录 ├── logs/ # 执行日志 └── temp/ # 临时文件

在~/.openclaw/openclaw.json中配置路径白名单：

{ "security": { "allowedPaths": ["/Users/yourname/openclaw_workspace"] } }

3. 数据清洗实战案例

3.1 自然语言描述需求

我对OpenClaw输入以下指令：

"请生成Python脚本：读取inputs/sales.csv文件，清洗其中的异常值（数值列中超过3倍标准差的记录），输出清洗后的CSV到outputs/cleaned.csv，并绘制各月份销售额的折线图"

3.2 生成的代码分析

Qwen3.5返回的脚本核心逻辑：

import pandas as pd import matplotlib.pyplot as plt def remove_outliers(df, column): mean = df[column].mean() std = df[column].std() return df[(df[column] - mean).abs() <= 3 * std] df = pd.read_csv('inputs/sales.csv') cleaned = remove_outliers(df, 'amount') cleaned.to_csv('outputs/cleaned.csv', index=False) plt.figure(figsize=(10,6)) cleaned.groupby('month')['amount'].sum().plot(kind='line') plt.savefig('outputs/sales_trend.png')

值得注意的优化点：

使用向量化计算替代循环，提升处理速度
自动识别CSV中的日期列并正确分组
图表保存为文件而非直接显示，适配自动化场景

3.3 执行与反馈机制

OpenClaw的执行流程如下：

将生成代码保存为outputs/clean_script.py
创建独立Python环境执行脚本
捕获控制台输出和错误信息
返回结构化结果：

{ "status": "success", "output_files": [ "outputs/cleaned.csv", "outputs/sales_trend.png" ], "stats": { "original_rows": 1258, "cleaned_rows": 1203, "outliers_removed": 55 } }

当代码存在错误时，会返回详细的堆栈跟踪和修正建议，这种即时反馈对快速迭代特别有用。