一、开场：我的”数字分身”终于上线了
大家好，我是老金。
这篇文章，我想聊聊一个我折腾了整整两个月、但现在每天都在用的东西——我的私人 AI 助理。
是的，你没看错。
不是”我想搞一个”，而是我已经用上了。
它每天帮我做的事情，包括但不限于：
- 早上 8 点，自动抓取前一天的竞品价格数据，生成对比表格
- 收到重要邮件时，自动分类归档，标记”需要回复”
- 每周五下午 4 点，自动生成一周工作周报，发到飞书
- 客户在线咨询时，先自动接待，复杂问题再转人工
- 每天晚上 10 点，汇总一天的重要消息，发送”每日简报”
这些事情加起来，每天至少节省我 2-3 个小时。
2-3 个小时啊，各位。
我可以用来写文章、陪家人、睡觉、刷剧……干什么不好？
今天这篇文章，我会把从 0 到 1 搭建私人 AI 助理的全过程讲清楚。
包括：
- 我为什么需要私人 AI 助理？
- OpenClaw 在其中扮演什么角色？
- 具体怎么搭建？（完整步骤 + 配置文件）
- 5 个真实应用场景分享
- 我踩过的坑和经验总结
如果你也想拥有一个”数字分身”，这篇文章就是你的指南。
二、我为什么需要一个私人 AI 助理？
在讲技术之前，我想先回答一个灵魂问题：
你真的需要一个私人 AI 助理吗？
我的答案是：
如果你每天有大量重复性、碎片化的工作要做，那答案是”是的，你非常需要”。
2.1 我的日常工作痛点
先说说我的情况。
作为一个技术博主 + 团队架构师，我每天要做的事情包括：
- 信息监控：关注行业动态、竞品变化、技术趋势
- 内容创作：写文章、录视频、做课程
- 客户服务：回复读者咨询、技术答疑
- 团队管理：周报、会议、项目跟进
- 个人事务：日程管理、邮件处理、文件整理
这些事情，看起来每件都不大。
但加在一起，每天光是”切换上下文”就要耗费大量精力。
举个例子。
上周三上午，我同时在处理这几件事：
- 写一篇 OpenClaw 科普文章（思路被打断了 5 次）
- 回复 8 封邮件（每封都要切换到邮件 App）
- 检查 3 个竞品网站的价格变化（手工复制粘贴了 30 分钟）
- 处理读者在公众号的留言（要切换到公众号后台）
一天下来，文章没写完，人快疯了。
“我的时间，都被这些碎片化的工作吃掉了。”
2.2 AI 助理能帮我做什么？
有了 OpenClaw 私人 AI 助理之后，我的日常工作流程变成了这样：
Before（改造前）：
人工监控竞品 → 手工记录 → 手工整理 → 手工发送
人工检查邮件 → 手工分类 → 手工回复
人工收集素材 → 手工整理 → 手工写作
After（改造后）：
AI 自动监控竞品 → 自动记录 → 自动整理 → 自动发送到飞书
AI 自动检查邮件 → 自动分类 → 简单问题自动回复 → 复杂问题提醒我
AI 自动收集素材 → 自动整理 → 生成文章初稿 → 我来润色
注意，我说的是”帮我做”，不是”替我做”。
AI 处理的是重复性、标准化的工作。
真正需要创意、判断、决策的事情，还是得我来做。
“让 AI 处理琐事，让自己专注于重要的事情。”
这才是 AI 助理的正确打开方式。
三、技术架构：OpenClaw 在其中扮演什么角色？
在动手搭建之前，我想先讲清楚整体架构。
免得大家后面看得云里雾里。
3.1 我的技术栈
我的私人 AI 助理，基于以下技术栈构建：
| 组件 | 作用 | 备注 |
|---|---|---|
| OpenClaw | 核心 Agent 框架，任务调度与执行 | 已部署在腾讯云 |
| Claude 3.5 Sonnet | 大模型，思考与决策 | API 调用 |
| 飞书 | 消息接收与发送 | 企业微信也可 |
| Gmail | 邮件处理 | 配合邮件 API |
| Notion | 知识库与任务管理 | 存储与检索 |
| 定时任务 | 周期性执行 |
3.2 工作流程
整体工作流程是这样的：
用户（我） → 飞书发送指令 → OpenClaw 接收 → 解析任务
→ 调用大模型思考 → 调用 Skills 执行 → 返回结果到飞书
更具体一点：
- 我在飞书里说：”帮我写一篇 OpenClaw 部署教程的初稿”
- OpenClaw 接收指令，解析意图
- 调用 Claude 3.5，生成文章大纲
- 调用 web-search Skill，搜索相关信息
- 调用 document Skill，整理到 Notion
- 返回结果：”大纲已生成，在 Notion 第 XX 页”
全程 3 分钟，我只需要去 Notion 看结果就行。
四、实战搭建：从 0 到 1 构建你的 AI 助理
终于到了大家最期待的部分：
怎么从零搭建一个私人 AI 助理？
以下步骤基于 OpenClaw + 飞书 + Claude 组合，其他平台可以类比。
4.1 第一步：部署 OpenClaw
参考我之前的文章《OpenClaw 部署教程 2026：Docker 安装配置完整步骤与常见错误排查》，这里不再赘述。
部署完成后，确保：
- Web UI 可以访问（http://你的IP:18789）
- 管理员账号已配置
- 大模型 API 已配置（我用的是 Claude）
4.2 第二步：配置飞书接入
飞书是消息入口，你可以通过它给 AI 助理发指令、收消息。
步骤 1：创建飞书应用
- 打开飞书开放平台：https://open.feishu.cn/
- 创建企业自建应用，命名”我的 AI 助理”
- 获取 App ID 和 App Secret
- 开启”机器人”能力
- 配置接收消息权限：im:message
- 配置发送消息权限：im:message:send_as_bot
步骤 2：在 OpenClaw 中配置飞书
# config/skills/feishu.yaml
feishu:
enabled: true
app_id: your_app_id
app_secret: your_app_secret
接收消息的配置
receive:
mode: webhook
url: https://your-openclaw-domain.com/webhook/feishu
发送消息的配置
send:
default_receive_id: your_user_id
群聊配置（如果要在群里用）
group:
enabled: true
chat_id: your_group_chat_id
步骤 3：配置 Webhook 回调
在飞书开放平台配置消息接收 URL：
URL: https://你的OpenClaw域名/webhook/feishu
加密密钥：生成一个随机字符串，配置到 OpenClaw
步骤 4：添加到群聊
把飞书机器人添加到你想使用的群聊，或者添加为单聊联系人。
测试一下：
在群里发：”Hi，帮我查一下今天北京的天气”
如果机器人回复了天气信息，说明配置成功。
4.3 第三步：配置核心 Skills</h
有了飞书接入后，你需要配置一些核心 Skills，让 AI 助理具备基础能力。
Skills 1：飞书消息收发
# feishu-message
openclaw skill install feishu-message
配置方法参考之前的文章《OpenClaw Skills 是什么？10个必装插件推荐与安装教程》。
Skills 2：邮件处理
# email-reader
openclaw skill install email-reader
配置 Gmail IMAP
email:
provider: gmail
imap_server: imap.gmail.com
username: your_email@gmail.com
password: your_app_password # 不是登录密码，是 App Password
Skills 3：网页搜索与抓取
# web-search
openclaw skill install web-search
配置搜索引擎
search:
provider: duckduckgo # 不需要 API Key
或者用 Google/Bing，需要 API Key
Skills 4：文档存储
# notion-integration
openclaw skill install notion-integration
配置 Notion
notion:
enabled: true
api_key: your_notion_api_key
database_id: your_database_id
4.4 第四步：配置定时任务
私人 AI 助理的一个重要能力是自动化执行——不需要你每次都发指令。
配置每日简报
# config/cron/daily_brief.yamlname: "每日简报" schedule: "0 22 *" # 每天晚上 10 点执行 enabled: true
tasks:
name: "收集今日消息" skill: "message-collector" params: sources:
- "feishu"
- "email"
- "wechat" time_range: "today"
name: "生成简报" skill: "llm-processor" params: prompt: | 请总结以下今日消息，生成一份简报： {{collected_messages}}
简报格式： - 重要事项（需要回复/处理的） - 信息更新（行业动态/竞品变化） - 个人事务（会议/提醒）name: "发送到飞书"
skill: "feishu-message"
params:
receive_id: "my_user_id"
content: "{{generated_brief}}"
配置竞品监控
# config/cron/competitor_monitor.yamlname: "竞品价格监控" schedule: "0 8 1-5" # 工作日早上 8 点执行 enabled: true
tasks:
name: "抓取竞品数据" skill: "web-scraper" params: urls:
name: "对比分析" skill: "llm-processor" params: prompt: | 对比以下竞品数据，分析价格变化趋势： {{scraped_data}}
输出格式： - 价格变化（相比上周） - 异常波动提醒 - 建议跟进事项name: "发送到飞书"
skill: "feishu-message"
params:
receive_id: "my_user_id"
content: "{{analysis_result}}"
4.5 第五步：配置对话式指令
除了定时任务，你还可以通过对话的方式，随时给 AI 助理发指令。
配置文件
# config/conversations/chat.yamlname: "个人助理对话" enabled: true
intents:
name: "写文章" examples:
- "帮我写一篇文章"
- "写一篇关于 XX 的文章"
- "生成文章初稿" skills:
- "article-generator" response: "好的，我帮你生成文章初稿，请稍候..."
name: "整理笔记" examples:
- "整理我的笔记"
- "把这段内容记到 Notion"
- "保存到知识库" skills:
- "notion-saver" response: "已保存到 Notion"
name: "查询信息" examples:
- "查一下 XX"
- "XX 是什么"
- "搜索 XX" skills:
- "web-search" response: "让我查一下..."
name: "安排日程" examples:
- "帮我安排一个会议"
- "明天下午 3 点提醒我"
- "添加一个日历事件" skills:
- "calendar-manager" response: "好的，我来安排..."
五、5 个真实应用场景分享
光说不练假把式。
下面分享 5 个我每天在用的真实场景。
5.1 场景一：每日新闻简报
需求：每天早上快速了解行业动态
实现方式：定时任务 + 网页搜索 + 飞书消息
配置示例：
# 每天早上 7 点执行 schedule: "0 7 * * *"tasks:
name: "搜索科技新闻" skill: "web-search" params: query: "AI Agent 大模型 2026年最新进展" num_results: 10
name: "搜索技术文章" skill: "web-search" params: query: "OpenClaw 教程 技术架构 2026" num_results: 5
name: "生成简报" skill: "llm-processor" params: prompt: | 请将以下新闻整理成简报，每条用一句话总结： {{news_results}}
name: "发送到飞书" skill: "feishu-message"
效果：每天早上 7:05 收到飞书消息，1 分钟了解全天动态。
5.2 场景二：邮件自动处理
需求：自动分类邮件，重要邮件提醒，简单邮件自动回复
实现方式：邮件读取 + LLM 分类 + 飞书通知
配置示例：
# 每小时执行一次 schedule: "0 * * * *"tasks:
name: "读取未读邮件" skill: "email-reader" params: filter: "unread"
name: "分类与处理" skill: "llm-processor" params: prompt: | 请分析以下邮件，决定处理方式： {{emails}}
处理方式： - 重要且紧急：发送到飞书提醒 - 重要但不紧急：标记为待办 - 普通：自动回复 - 垃圾邮件：标记并归档 输出 JSON 格式： {"actions": [...]}name: "执行处理"
skill: "email-action-executor"
效果：不再被邮件轰炸，每天只需处理 AI 筛选后的”重要邮件”。
5.3 场景三：竞品数据监控
需求：自动抓取竞品价格、动态变化
实现方式：网页抓取 + 数据对比 + 异常告警
配置示例：
# 每天抓取一次 schedule: "0 9 * * *"tasks:
name: "抓取竞品 A" skill: "web-scraper" params: url: "https://competitor-a.com/products" parser: "product_list"
name: "抓取竞品 B" skill: "web-scraper" params: url: "https://competitor-b.com/shop" parser: "product_list"
name: "对比分析" skill: "price-comparator" params: baseline: "last_week_data"
name: "异常告警" skill: "feishu-message" params: content: | 竞品价格异常变化： {{price_changes}}
效果：第一时间发现竞品动态，比手动检查高效 10 倍。
5.4 场景四：文章创作助手
需求：帮我搜集素材、生成大纲、写初稿
实现方式：对话式触发 + 联网搜索 + 文档生成
使用方式：
在飞书里说：”帮我写一篇关于 OpenClaw 部署的文章大纲”
AI 自动：
- 搜索 OpenClaw 部署相关信息
- 生成文章大纲
- 保存到 Notion
- 返回链接
效果：5 分钟获得一篇结构完整的文章大纲，我只需要填充内容。
5.5 场景五：周报自动生成
需求：每周五自动生成周报
实现方式：定时任务 + 数据汇总 + LLM 生成
配置示例：
# 每周五下午 5 点执行 schedule: "0 17 * * 5"tasks:
name: "收集本周消息" skill: "message-collector" params: sources: ["feishu", "email", "calendar"] time_range: "this_week"
name: "收集代码提交" skill: "github-stats" params: repo: "my_repos"
name: "生成周报" skill: "llm-processor" params: prompt: | 请根据以下信息，生成一份技术周报：
- 本周消息：{{messages}}
- 代码提交：{{commits}}
- 日程安排：{{calendar}}
周报格式： 1. 本周完成 2. 本周学习 3. 下周计划 4. 遇到问题name: "发送到飞书"
skill: "feishu-message"
效果：每周五下午 5:05 收到完整周报，只需要简单修改即可发送。
六、我踩过的坑和经验总结
搭建私人 AI 助理这事儿，我前前后后踩了不少坑。
分享出来，让大家少走弯路。
6.1 坑一：API Key 泄露
症状：某天收到账单，发现 API 调用量暴增 10 倍
原因：把 API Key 直接写在了配置文件里，传到了 GitHub
解决：
# 不要这样做！ api_key: sk-xxx # ❌ 危险这样做！
api_key: ${OPENCLAW_API_KEY} # 从环境变量读取
经验：所有敏感信息都从环境变量读取，不要写在配置文件里。
6.2 坑二：飞书封号
症状：用个人微信测试自动回复，没多久账号被封
原因：触发微信的反自动化机制
解决：
- 用企业微信，开放 API 相对安全
- 控制频率，不要短时间内大量消息
- 先在小号测试，确认没问题再迁移
6.3 坑三：任务卡死
症状：某个任务执行到一半卡住，CPU 占用 100%
原因：浏览器自动化进程僵死
解决：配置资源限制和自动重启
# docker-compose.yml services: openclaw: deploy: resources: limits: cpus: '2' memory: '4G' restart: unless-stopped environment: - MAX_BROWSER_INSTANCES=2 - BROWSER_AUTO_RESTART=true6.4 坑四：成本失控
症状：月底账单比预期高 50%
原因：定时任务频繁调用 API，且没有缓存机制
解决：
- 设置每日 API 调用上限告警
- 增加缓存层，相同请求不重复调用
- 优化 Prompt，减少 Token 消耗
- 区分任务类型，简单的用便宜模型
6.5 经验总结
| 经验 | 说明 |
|---|---|
| 敏感信息从环境变量读取 | API Key、密码等不要写进代码 |
| 先用小号测试 | 任何自动化操作，先在小号验证 |
| 配置资源限制 | 防止单任务耗尽服务器资源 |
| 设置成本告警 | 每日/每周检查 API 调用量 |
| 渐进式增加功能 | 先跑通基础功能，再逐步加特性 |
七、写在最后：AI 助理是你的”数字分身”
这篇文章，我写了差不多 5000 字。
但比起我搭建 AI 助理花的两个月时间，这篇文章只是冰山一角。
我想说的核心观点是：
AI 助理不是”替我干活”，而是”帮我处理琐事”。
有了它之后，我每天能节省 2-3 个小时。
这些时间，我可以用来：
- 写更有深度的技术文章
- 陪伴家人
- 学习新东西
- 发呆、休息
这才是技术应该带给我们的东西——更好的生活，而不是更卷的工作。
如果你也想拥有一个”数字分身”，我的建议是：
- 先想清楚你最痛的需求是什么（不要一上来就要”全功能”）
- 从一个最小可用的版本开始
- 用起来之后再迭代优化
- 不要追求完美，先跑起来
有任何问题，欢迎在评论区交流。
我是技术老金，我们下期见！
📌 相关文章推荐
我们为何放弃了CrewAI：一个关于AI框架选型的深度复盘 - 技术老金 […] AI写不出“干净架构”：从代码生成到软件匠艺的进阶之路 […]