别再把AI当聊天框用了：OpenClaw本地实测，帮你自动处理邮件附件

你有没有这种感觉：每天花大量时间在重复的、低价值的劳动上？比如，邮箱里躺着一堆带附件的邮件，你得一封封下载，打开，把里面的表格数据手动敲进 Notion。这活儿不难，但磨人，还容易出错。

如果有个助手，能帮你盯着邮箱，自动把附件下载下来，识别出里面的文字和表格，再整整齐齐地填进你的数据库里，整个过程还不用把数据传到云端——听起来是不是有点科幻？

OpenClaw 就是干这个的。它是一个开源的 AI 私人助理，跑在你自己的电脑上，能真正地动手干活，而不只是陪你聊天。今天这篇指南，就带你从零开始，在 Windows 11 和 Mac M3 电脑上，亲手搭建一个“邮件附件自动处理”的完整工作流。

为什么是 OpenClaw？

市面上 AI 助手很多，但 OpenClaw 有几个特别实在的优点：

1. 完全本地运行：你的邮件内容、附件文件、Notion 数据，全程不出你的电脑。对于处理敏感业务邮件来说，这点太重要了。
2. 它能“动手”：它不只是生成文字，而是可以操作你的文件系统、调用本地程序、甚至控制浏览器。这是它和普通聊天机器人的本质区别。
3. 跨平台：无论你是 Windows 党还是 Mac 党，都能用。

我们要搭建的工作流是这样的：
新邮件到达 → OpenClaw 检测并下载附件 → 调用本地 OCR 工具识别图片/PDF中的文字 → 将识别出的结构化数据（如发票号、金额）自动存入 Notion 数据库。

听起来步骤很多？别怕，我们一步步来。

准备工作：给你的电脑装上“手脚”

在开始之前，确保你的电脑已经安装了 Python 3.9+ 和 Git。OpenClaw 本身是一个 Python 项目，需要这些基础环境。

第一步：安装 OpenClaw 本体

打开你的终端（Windows 上是 PowerShell 或 CMD，Mac 上是 Terminal），输入以下命令：

# 克隆 OpenClaw 项目到本地
git clone https://github.com/steinbergph/openclaw.git

# 进入项目目录
cd openclaw

# 安装所有依赖包
pip install -r requirements.txt

为什么这样做？
git clone 是把开源项目的代码完整下载到你的电脑上。pip install 则是根据项目作者提供的 requirements.txt 文件，自动安装所有它需要的 Python 库。这是运行任何 Python 开源项目的标准流程。

第二步：配置你的“秘密武器”——API 密钥

OpenClaw 需要连接一些外部服务才能工作，比如 Notion。你需要去这些服务的官网申请一个 API 密钥（就像一把专属的钥匙）。

1. Notion API 密钥：访问 Notion Developers，创建一个“内部集成”，获取密钥。
2. （可选）邮件服务密钥：如果你想让它自动检查邮箱（如 Outlook），可能需要配置 IMAP/SMTP 或 Microsoft Graph API 的密钥。

在 OpenClaw 项目根目录下，找到一个叫 .env.example 的文件，把它重命名为 .env，然后用记事本打开，填入你刚才拿到的密钥：

NOTION_API_KEY="secret_你的Notion密钥"
# 如果配置了邮件，也在这里填上邮箱的密钥
# EMAIL_PASSWORD="你的邮箱密码或应用专用密码"

为什么这样做？
密钥是敏感信息，绝不能直接写在代码里。.env 文件是一个本地的环境变量配置文件，程序运行时会自动读取它，但这个文件通常会被加入 .gitignore，不会被上传到公开的代码仓库，保证了安全。

核心实战：搭建自动化工作流

现在，重头戏来了。我们要编写一个 Python 脚本，告诉 OpenClaw 具体要做什么。

第三步：安装本地 OCR 工具

我们需要一个工具来识别图片或 PDF 里的文字。这里推荐 Tesseract，一个老牌且强大的开源 OCR 引擎。

• Windows 用户：从 UB-Mannheim 的 GitHub 页面 下载安装包，安装时记得勾选“Additional language data”里的中文支持。
• Mac 用户：使用 Homebrew 安装，非常方便。

# Mac 安装 Tesseract 及其中文语言包
brew install tesseract
brew install tesseract-lang

为什么这样做？
Tesseract 是一个独立的命令行程序。我们安装它，是为了让 OpenClaw 的 Python 脚本能够调用它来完成 OCR 识别。tesseract-lang 包提供了识别中文的能力。

第四步：编写自动化脚本

在 OpenClaw 项目里，创建一个新文件，比如叫 email_to_notion.py。下面是一个简化的逻辑框架：

import os
from pathlib import Path
import pytesseract
from pdf2image import convert_from_path
from notion_client import Client
import imaplib
import email

# 1. 初始化 Notion 客户端
notion = Client(auth=os.environ.get("NOTION_API_KEY"))
DATABASE_ID = "你的Notion数据库ID"


![配图](https://yitb.com/usr/uploads/covers/cover_guides_20260709_081023.jpg)

# 2. 连接邮箱，获取最新邮件（示例为IMAP）
def get_latest_email_attachment():
    # 这里写连接邮箱、搜索未读邮件、下载附件的代码
    # 伪代码：返回附件的本地文件路径
    attachment_path = "./downloads/invoice.pdf"
    return attachment_path

# 3. OCR 识别函数
def ocr_file(file_path):
    if file_path.endswith('.pdf'):
        # 将PDF转换为图片
        images = convert_from_path(file_path)
        text = ""
        for img in images:
            text += pytesseract.image_to_string(img, lang='chi_sim+eng')
    else: # 假设是图片
        text = pytesseract.image_to_string(file_path, lang='chi_sim+eng')
    return text

# 4. 解析并存入 Notion
def save_to_notion(text):
    # 用简单的字符串处理或正则表达式，从 text 中提取关键信息
    # 例如：发票号、金额、日期
    invoice_no = "从text中提取"
    amount = "从text中提取"

    # 创建 Notion 页面
    notion.pages.create(
        parent={"database_id": DATABASE_ID},
        properties={
            "发票号": {"title": [{"text": {"content": invoice_no}}]},
            "金额": {"number": float(amount)},
            "状态": {"status": {"name": "待处理"}}
        }
    )
    print("数据已成功存入 Notion！")

# 主流程
if __name__ == "__main__":
    # 获取附件
    attachment = get_latest_email_attachment()
    if attachment:
        # OCR 识别
        recognized_text = ocr_file(attachment)
        print("OCR 识别结果：", recognized_text[:100]) # 打印前100字预览
        # 存入 Notion
        save_to_notion(recognized_text)

为什么这样做？
这个脚本把整个流程串成了一个清晰的管道：获取附件 → OCR识别 → 解析数据 → 存入数据库。每一部分都可以单独测试和调试。pytesseract 是 Python 调用 Tesseract 的桥梁，notion_client 是官方提供的 Notion 操作库。

第五步：运行与验证

1. 先手动把一封带附件的邮件，把附件下载到 ./downloads 文件夹，命名为 invoice.pdf。
2. 运行脚本：

python email_to_notion.py

3. 验证：

   • 看终端输出，是否打印出了 OCR 识别的文字片段。
   • 登录你的 Notion，打开对应的数据库，看是否新增了一条记录，且关键字段（如发票号、金额）是否正确。

遇到问题？看这里

Q1: 运行脚本报错 tesseract is not installed or it's not in your PATH
A: 这是说系统找不到 Tesseract 程序。Windows 用户需要把 Tesseract 的安装路径（例如 C:\Program Files\Tesseract-OCR）添加到系统的环境变量 PATH 中。Mac 用户如果用 Homebrew 安装，通常会自动配置好。

Q2: OCR 识别中文乱码或不准
A: 确保你安装了中文语言包（tesseract-lang），并且在代码中明确指定了 lang='chi_sim+eng'。对于复杂排版或手写体，OCR 准确率会下降，可以尝试对图片进行预处理（如提高对比度、二值化）。

Q3: Notion API 报错 object_not_found
A: 检查你的 DATABASE_ID 是否正确，并且确保你创建的 Notion “内部集成”已经被邀请（Add connections）到了目标数据库页面。

这只是开始

你刚刚搭建的，是一个能解决真实生产力问题的自动化流水线。OpenClaw 的潜力远不止于此。你可以让它：

• 定时运行这个脚本（使用 Windows 任务计划程序或 Mac 的 cron），实现全自动。
• 扩展识别其他类型的文件，比如名片、合同。
• 把识别出的数据同时存到 Excel 或数据库里。

下一步学习建议：

1. 深入 OpenClaw 文档：去它的 GitHub 仓库，仔细阅读 README 和 examples 文件夹，了解它更多内置的“技能”（Skills）。
2. 学习 Python 自动化：掌握 pandas 处理表格数据，schedule 库实现定时任务，能让你的助手更强大。
3. 探索更多本地 AI 工具：比如用 Ollama 在本地运行大语言模型，让你的 OpenClaw 助手不仅能“动手”，还能“动脑”进行更复杂的分析和决策。

真正的 AI 效率革命，不是用更聪明的模型陪你聊天，而是让 AI 成为你的手和脚，替你完成那些琐碎、重复却必要的工作。OpenClaw 给了你一个坚实的起点，现在，轮到你来定义你的 AI 助手该干什么了。