OpenClaw+GLM-4.7-Flash：自动化周报生成与发送实践

1. 为什么需要自动化周报工具

每周五下午三点，我的日历总会准时弹出提醒："该写周报了"。这个看似简单的任务却让我长期陷入两难——要么花半小时机械复制粘贴工作记录，要么临时抱佛脚编造流水账。直到某次看到同事用OpenClaw自动整理会议纪要，我才意识到：重复性文档工作正是AI智能体的最佳应用场景。

GLM-4.7-Flash作为轻量级大模型，在结构化文本生成方面表现出色。将其与OpenClaw结合后，我的周报流程从"收集数据→组织内容→发送邮件"全链路实现了自动化。现在每周五收到的不是待办提醒，而是一封已发送成功的周报确认邮件。这套方案最吸引我的不是技术炫酷，而是它真正解决了三个实际问题：

1. 数据碎片化：工作记录分散在邮件、Git提交、会议笔记等多个平台
2. 格式不统一：手动整理时每次排版风格都不一致
3. 时间黑洞：看似简单的周报实际消耗大量注意力资源

2. 技术方案设计思路

2.1 核心组件选型

整个系统建立在两个核心组件上：

• OpenClaw：负责执行本地操作（读取文件、调用API、发送邮件）
• GLM-4.7-Flash：通过ollama部署的轻量模型，专注内容生成任务

选择GLM-4.7-Flash而非更大模型的原因很实际：周报生成不需要复杂推理，但要求快速响应。实测中，该模型生成500字周报仅需3-5秒，且对"本周工作/下周计划/风险问题"这类结构化内容把握准确。

2.2 工作流拆解

自动化流程被设计为三个阶段：

1. 数据采集阶段：

   • 扫描指定目录下的Markdown工作日志
   • 读取Outlook日历事件
   • 抓取GitLab代码提交记录

2. 内容生成阶段：

   • 将原始数据拼接成提示词
   • 调用GLM-4.7-Flash生成初稿
   • 自动保存为带时间戳的Markdown文件

3. 发送交付阶段：

   • 将Markdown转换为HTML格式
   • 通过SMTP协议发送给预设收件人
   • 在飞书群组中发送完成通知

3. 具体实现步骤

3.1 环境准备

首先通过ollama部署GLM-4.7-Flash模型：

ollama pull glm-4-flash
ollama run glm-4-flash --port 11434

接着配置OpenClaw连接本地模型服务。修改~/.openclaw/openclaw.json：

{
  "models": {
    "providers": {
      "local-glm": {
        "baseUrl": "http://localhost:11434",
        "api": "openai-completions",
        "models": [
          {
            "id": "glm-4-flash",
            "name": "Local GLM-4-Flash",
            "contextWindow": 32768
          }
        ]
      }
    }
  }
}

3.2 技能开发

创建自定义技能weekly-report，核心逻辑是：

1. 使用OpenClaw文件操作API收集原始数据
2. 构造包含业务知识的提示词模板
3. 调用GLM-4.7-Flash生成内容

关键提示词结构示例：

你是一位专业的IT工程师，请根据以下材料生成周报：
【工作记录】
{input_data}

要求：
1. 按"已完成/进行中/计划中"分类
2. 技术难点单独列出
3. 使用Markdown格式
4. 控制字数在400-500字

3.3 邮件发送集成

配置SMTP发送能力时遇到一个典型问题：OpenClaw需要显式授权才能访问密钥链。解决方案是在onboard阶段选择Advanced模式，明确授予钥匙串访问权限。

发送逻辑通过Node.js实现：

const transporter = nodemailer.createTransport({
  host: 'smtp.office365.com',
  port: 587,
  secure: false,
  auth: {
    user: process.env.EMAIL_ACCOUNT,
    pass: process.env.EMAIL_PASSWORD 
  }
});

const mailOptions = {
  from: '周报助手<report@example.com>',
  to: 'manager@example.com',
  subject: `[自动发送]${week}技术周报`,
  html: generatedContent
};

4. 实际效果与优化

4.1 运行效果

系统稳定运行两个月后，呈现出三个显著变化：

• 时间节省：每周节省45-60分钟手动操作时间
• 内容质量：主管反馈周报结构更清晰，关键问题更突出
• 意外收获：自动归档的周报成为季度考核的重要参考

4.2 遇到的坑与解决方案

问题1：模型幻觉 早期版本中，GLM有时会虚构未完成的工作项。通过以下方法解决：

• 在提示词中强调"仅基于提供的事实"
• 添加输出校验规则（如必须包含特定关键词）

问题2：格式漂移 不同周期间Markdown标题层级不一致。最终采用固定模板：

## 本周工作
### 已完成
- [项目A] 完成API重构
### 进行中
- [项目B] 数据库迁移(60%)

## 下周计划

问题3：安全风险 发现明文存储邮件密码。改进措施：

• 改用MacOS钥匙链存储凭据
• 添加双因素认证
• 限制发送时间窗口（仅周五下午可触发）

5. 扩展应用场景

这套方案经简单改造后，已经衍生出两个新用途：

1. 会议纪要自动生成：连接Zoom转录文本，输出结构化纪要
2. 项目里程碑报告：聚合Jira数据生成阶段总结

最让我惊喜的是，OpenClaw+GLM的组合展现出良好的可扩展性。比如添加一个简单的条件判断，就能让系统在节假日自动跳过周报发送，这种灵活性是传统自动化工具难以企及的。

---

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。