🚀 龙虾新手指南

OpenClaw 2.3.1中文Agent实战教程：微信消息抓取+OCR摘要+Ollama本地大模型热切换

发布时间：2026-09-09 分类：龙虾新手指南

摘要：2026最新版OpenClaw从安装到实战：中文Agent+微信摘要，三步跑通问题你试过让AI自动读微信消息、总结群聊重点、还能随时换本地大模型吗？以前得写胶水代码、重启服务、改一堆配置——现在 OpenClaw（v2.3.1）把这事压进了「点选+保存」的交互里。它不是又一个聊天界面，而是一个能落地的中文多步Agent引擎：用自然语言描述任务流，Ollama模型热切换不中断服务，微信消息自动...

2026最新版OpenClaw从安装到实战：中文Agent+微信摘要，三步跑通

问题

你试过让AI自动读微信消息、总结群聊重点、还能随时换本地大模型吗？以前得写胶水代码、重启服务、改一堆配置——现在 OpenClaw（v2.3.1）把这事压进了「点选+保存」的交互里。它不是又一个聊天界面，而是一个能落地的中文多步Agent引擎：用自然语言描述任务流，Ollama模型热切换不中断服务，微信消息自动抓取与摘要，不需要手机ROOT，也不依赖企业微信。

方案

搭一个「每日微信日报Agent」：

自动拉取指定微信群最新50条消息（文字 + 图片OCR文本）
用本地 qwen2.5:7b 提炼3条要点 + 1句情绪判断
一键切到 deepseek-v3:16b 对比结果——全程不重启
全部跑在你自己的 Mac/Windows/Linux 上，数据不出本地

✅ 技术价值在哪？
中文多步Agent：不用写Python函数链，YAML里写清「先提取→再分类→最后润色」
Ollama热切换：改个配置，curl发个请求就换模型，开发调试省掉大量等待
微信摘要真可用：基于WeChatPYAPI（免扫码登录），实测支持个人号，也兼容小红书/公众号转发文本

步骤

1. 安装 OpenClaw（含依赖）

# 安装 Ollama（本地模型底座）
curl -fsSL https://ollama.com/install.sh | sh

# 启动 Ollama 并下载两个模型（后台静默下载，不用等完）
ollama run qwen2.5:7b  # 首次运行会自动拉取
ollama run deepseek-v3:16b

# 安装 OpenClaw（Python 3.9+，推荐用conda隔离环境）
pip install openclaw==2.3.1

# 初始化项目（生成 config.yaml 和 workflows/ 目录）
openclaw init my-wechat-agent
cd my-wechat-agent

openclaw init 不是可选项——它生成带中文注释的配置模板、预置微信连接器证书路径、并检查Ollama是否可达。跳过这步，后面80%的报错都源于此。

2. 配置微信接入（3分钟免扫码）

打开 config.yaml，找到 connectors: 区域，填入：

wechat:
  type: wechatpyapi
  config:
    # Windows/macOS双平台支持，扫码一次永久有效
    cache_path: ./wechat_cache.pkl
    # 手机微信「设置→辅助功能→开启USB调试」后连接电脑即可
    device_id: auto  # 自动识别已连接安卓设备（iOS需额外步骤，见文末链接）

然后执行：

openclaw connector login wechat

终端弹出二维码 → 微信「扫一扫」→ 成功后显示 ✅ WeChat login OK, 12个群已同步。
WeChatPYAPI走的是PC微信协议，个人号直连，不经过任何中转服务器，群消息延迟稳定在2秒内。

3. 编写中文多步Agent（YAML即代码）

新建 workflows/wechat_daily_summary.yaml：

name: 微信日报摘要
trigger: cron "0 9 * * *"  # 每天9点自动执行
steps:
  - name: 抓取「产品讨论组」最新消息
    action: wechat.fetch_messages
    params: { group_name: "产品讨论组", count: 50 }
  - name: 用Qwen2.5总结要点
    action: llm.chat
    model: qwen2.5:7b
    prompt: |
      你是一名产品经理。请从以下微信消息中提取：1) 最紧急的3个待办事项；2) 1句整体情绪倾向（积极/中性/消极）。
      {{ steps.0.output }}
  - name: 切换DeepSeek对比
    action: llm.chat
    model: deepseek-v3:16b  # ← 这里改模型名，不重启服务！
    prompt: "{{ steps.1.prompt }}"

每个 step 是独立进程，失败自动重试；{{ steps.0.output }} 是变量穿透，数据流向一目了然。

4. 启动并热切换模型

# 启动服务（后台运行，日志实时打印）
openclaw serve --host 0.0.0.0:8080

# 现在想把第2步换成deepseek？不用停服务！
curl -X POST http://localhost:8080/api/v1/workflow/reload \
  -H "Content-Type: application/json" \
  -d '{"workflow": "wechat_daily_summary"}'

OpenClaw 在内存中维护模型实例池，reload 只刷新YAML解析器，LLM连接复用Ollama的 /api/chat 接口——实测切换耗时<0.3秒。

验证

访问 http://localhost:8080/ui → 点击「微信日报摘要」→ 「立即执行」→ 查看输出：

【要点】  
1. 用户反馈支付失败率升至12%，需排查风控策略  
2. iOS端闪退问题已定位，预计周三发版  
3. 新UI设计稿明天10点评审  
【情绪】积极（提及“进展顺利”“已解决”共7次）

再点右上角「模型切换」选 deepseek-v3:16b → 重新运行 → 对比两版摘要差异（DeepSeek更倾向补充技术细节）。

👉 Binance · OKX · Gate.io · HTX · Bitget

常见问题

报错现象	快速解决
`WeChatPYAPI: Device not found`	换USB线，关闭手机「USB调试优化」，重插设备
`Ollama connection refused`	运行 `ollama serve` 确保后台服务开着
YAML语法错误卡住	用 YAML Lint在线工具粘贴检查缩进
微信消息抓不到图片文字	安装Tesseract：`brew install tesseract`（Mac）或 `choco install tesseract`（Win）

下一步

✅ 已掌握：微信接入 + 中文Agent编排 + 模型热切换
➡️ 进阶试试：《用OpenClaw+Dify搭建客服知识库Agent》
➡️ 调优必看：《Ollama模型量化指南：7B模型压到4GB内存跑》

GitHub源码与完整示例：github.com/openclaw/openclaw/tree/main/examples/wechat-summary

返回首页