OpenClaw自动化周报生成：千问3.5-35B-A3B-FP8整合Git提交与Jira任务数据

OpenClaw自动化周报生成千问3.5-35B-A3B-FP8整合Git提交与Jira任务数据1. 为什么需要自动化周报每周五下午我的心情总是特别复杂。一方面期待着周末的到来另一方面又要面对那个令人头疼的任务——写周报。作为一个开发工程师我需要手动从Git仓库整理代码提交记录从Jira筛选任务状态再把它们组织成结构化的文字。这个过程不仅耗时还容易遗漏重要信息。直到我发现OpenClaw这个开源自动化框架。它让我能够将Git提交、Jira任务和自然语言生成结合起来自动生成格式化的周报。最让我惊喜的是整个过程完全在本地运行不需要将任何敏感数据上传到第三方服务。2. 技术选型与准备工作2.1 为什么选择千问3.5-35B-A3B-FP8在尝试了多个大模型后我最终选择了千问3.5-35B-A3B-FP8作为周报生成的核心模型。这个选择基于几个实际考量本地化部署模型可以在本地GPU服务器上运行确保代码和任务数据不会外泄长文本处理能力35B参数规模配合32K上下文窗口能很好地处理一周的开发记录结构化输出模型对Markdown格式支持良好生成的周报可以直接用于飞书发布2.2 OpenClaw基础配置我的开发环境是macOS安装过程出奇地简单curl -fsSL https://openclaw.ai/install.sh | bash openclaw onboard --install-daemon在配置向导中我选择了Advanced模式将模型提供商设置为本地部署的千问服务{ models: { providers: { local-qwen: { baseUrl: http://localhost:8000/v1, apiKey: none, api: openai-completions, models: [ { id: qwen3.5-35b, name: Local Qwen 3.5, contextWindow: 32768 } ] } } } }3. 数据收集与处理3.1 Git提交记录抓取我开发了一个简单的Python脚本通过GitPython库获取本周的提交记录import git from datetime import datetime, timedelta repo git.Repo(/path/to/your/repo) since_date datetime.now() - timedelta(days7) commits list(repo.iter_commits(sincesince_date)) commit_messages [ f{commit.hexsha[:7]} - {commit.message.strip()} for commit in commits ]这个脚本会输出过去7天的所有提交信息包括短哈希和提交说明。3.2 Jira任务状态查询对于Jira数据我使用了官方的Python客户端from jira import JIRA jira JIRA(serverhttps://your-jira.com, basic_auth(user, api-token)) issues jira.search_issues( assignee currentUser() AND updated -7d, maxResults100 ) jira_tasks [] for issue in issues: jira_tasks.append({ key: issue.key, summary: issue.fields.summary, status: issue.fields.status.name })注意这里需要使用API Token进行认证建议将凭证存储在环境变量中。4. 周报生成技能开发4.1 创建自定义SkillOpenClaw的强大之处在于可以开发自定义Skill。我创建了一个weekly-report技能clawhub create weekly-report技能的核心是一个YAML文件定义了输入输出和处理逻辑name: weekly-report description: Generate weekly report from Git and Jira data inputs: - name: git_commits type: string description: List of Git commits - name: jira_tasks type: string description: List of Jira tasks outputs: - name: report type: markdown description: Generated weekly report steps: - name: generate_report type: llm model: local-qwen/qwen3.5-35b prompt: | 你是一个专业的开发工程师请根据以下Git提交和Jira任务生成周报。 Git提交: {{ git_commits }} Jira任务: {{ jira_tasks }} 请用Markdown格式输出包含以下章节 1. 本周工作概述 2. 代码变更 3. 任务进展 4. 下周计划4.2 飞书机器人集成为了让周报自动发送到飞书我配置了OpenClaw的飞书插件openclaw plugins install m1heng-clawd/feishu然后在飞书开放平台创建了自建应用获取App ID和Secret后更新配置文件{ channels: { feishu: { enabled: true, appId: your_app_id, appSecret: your_app_secret } } }5. 定时触发与自动化5.1 设置定时任务我使用crontab设置每周五下午4点自动运行周报生成0 16 * * 5 /usr/local/bin/openclaw run weekly-report --git_commits $(python get_git_commits.py) --jira_tasks $(python get_jira_tasks.py) ~/weekly-report.md5.2 飞书消息自动发送在weekly-report技能中我添加了一个后处理步骤将生成的Markdown周报发送到飞书steps: # ...前面的生成步骤... - name: send_to_feishu type: channel channel: feishu action: send_message params: chat_id: oc_xxxxxx # 飞书群聊ID content: {{ outputs.report }} msg_type: interactive6. 实际效果与优化经过几周的运行这个自动化流程已经成为了我工作流中不可或缺的一部分。生成的周报不仅格式规范内容也相当准确。千问3.5模型能够很好地理解代码提交和任务状态之间的关系生成有逻辑的工作总结。我进一步优化了提示词让模型能够识别关键代码变更并突出显示根据任务状态自动生成风险评估为下周工作提出合理建议## 本周工作概述 完成了订单模块的重构解决了JIRA-1234中提到的性能问题... ## 代码变更 **重要变更**: - a1b2c3d: 优化订单查询SQL响应时间从1200ms降至200ms - e4f5g6h: 修复了支付状态同步的竞态条件 ## 任务进展 ✅ JIRA-1234: 订单查询优化 (已完成) ⚠️ JIRA-5678: 支付对账功能 (开发中需要测试支持) ## 下周计划 1. 完成支付对账功能的联调测试 2. 开始用户行为分析模块的设计7. 遇到的挑战与解决方案在实现过程中我遇到了几个典型问题问题1模型响应时间过长35B模型在本地推理需要较长时间导致周报生成延迟。我的解决方案是使用FP8量化减少显存占用限制输出token数量在1000以内提前15分钟触发任务问题2Jira数据敏感直接从生产环境拉取Jira数据存在安全风险。我采取的防护措施使用只读API账号在本地缓存数据时进行脱敏处理配置IP白名单限制访问问题3格式不一致初期模型生成的Markdown格式有时不规范。通过以下方式改进在提示词中提供更详细的格式示例添加后处理步骤统一标题级别使用Markdown lint工具校验8. 个人实践心得这个项目让我深刻体会到AI自动化对工作效率的提升。以前需要1-2小时完成的周报现在完全自动化而且质量更高。OpenClaw的灵活架构让我能够轻松集成各种数据源和输出渠道。几点特别有价值的经验逐步自动化不要试图一次性实现完美方案先解决核心痛点再迭代优化数据质量优先确保输入数据的准确性和完整性这对输出质量至关重要人工复核必要虽然自动化程度很高但发布前的人工检查仍然不可或缺最让我满意的是这个方案完全在本地运行所有敏感数据都在可控范围内。OpenClaw千问3.5的组合为个人开发者提供了企业级的生产力工具却没有企业级系统的复杂性。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。