OpenClaw+Gemma-3-12b-it办公自动化：飞书机器人定时生成周报

OpenClawGemma-3-12b-it办公自动化飞书机器人定时生成周报1. 为什么选择这个组合上周五下午6点我正在手忙脚乱地整理团队周报突然意识到这种重复性工作完全可以用自动化解决。经过周末的折腾我终于用OpenClawGemma-3-12b-it搭建了一个自动生成周报的系统。现在每周五下午4点飞书机器人会自动在群里我周报已生成请查收附件。这个方案的核心优势在于隐私安全所有数据处理都在本地完成周报内容不会经过第三方服务器高度定制能根据我们团队特有的JIRA任务编号格式提取关键信息自然交互直接用把张三本周解决的Bug整理成表格这样的自然语言指令2. 环境准备与基础配置2.1 模型部署选择我选择了Gemma-3-12b-it而不是更大的模型主要考虑12B参数规模在MacBook Pro(M2 Max/64GB)上能流畅运行Instruction-tuned版本对生成周报这类指令任务响应更好相比Gemma 1/2代3代在处理中文表格时格式更稳定部署命令很简单docker run -p 8080:8080 gemma-3-12b-it-webui2.2 OpenClaw飞书通道配置在~/.openclaw/openclaw.json中配置飞书机器人{ channels: { feishu: { enabled: true, appId: cli_xxxxxx, appSecret: xxxxxxxx, verificationToken: xxxxxx } }, models: { providers: { local-gemma: { baseUrl: http://localhost:8080/v1, api: openai-completions } } } }关键点在于飞书开放平台创建应用时要开启机器人权限事件订阅需要配置接收消息和消息已读两个权限本地测试时建议用ngrok做内网穿透3. 周报自动化实战3.1 数据源准备我们的周报需要整合三个数据源JIRA上本周已关闭的任务GitLab合并的MR记录团队成员的每日站会笔记我写了几个简单的Python脚本放在~/scripts目录下# jira_export.py def get_weekly_tasks(): # 使用jira-python库查询特定格式的issue return [ {key: PROJ-123, summary: 登录页优化, hours: 8}, # ... ]3.2 Markdown模板设计在OpenClaw工作目录创建模板文件# {{week}} 周报{{date}} ## 本周成果 {% for task in tasks %} - [{{task.key}}] {{task.summary}} ({{task.hours}}h) {% endfor %} ## 代码变更 gitstats {{ git_stats }}下周计划{{ generated_by_ai }}### 3.3 核心技能链配置 安装必要的技能包 bash clawhub install markdown-builder jira-connector gitlab-fetcher然后在飞书群里只需要发送周报助手 生成本周报告重点突出PROJ-123项目的进展OpenClaw会执行以下流程调用jira-connector获取任务数据用gitlab-fetcher拉取代码统计将原始数据喂给Gemma模型生成分析段落用markdown-builder组合最终文档通过飞书机器人发送结果4. 定时任务的实现技巧通过crontab设置定时触发0 16 * * 5 /usr/local/bin/openclaw task run weekly_report但在实际使用中发现两个问题直接调用时模型加载慢导致超时周五下午GitLab API经常响应慢我的解决方案在任务脚本开头添加模型预热代码requests.get(http://localhost:8080/health)对GitLab查询增加重试机制设置15分钟的超时时间5. 实际效果与优化建议现在系统已经稳定运行了三周最让我惊喜的是Gemma能自动将登录页优化这样的简单描述扩展成完成了用户登录流程的响应式设计优化解决移动端键盘遮挡问题这样的专业表述当JIRA任务关联了特定Git提交时会自动在周报中添加代码片段还有待改进的地方表格生成偶尔会出现错位需要人工微调对跨项目的时间统计还不够精准图片插入功能尚未实现建议初次尝试时先用简单模板验证核心流程逐步增加数据源复杂度重要周报仍需要人工复核获取更多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。