夜雨聆风
OpenClaw从入门到入土:保姆式教学,如何用龙虾自动生成项目周报 08
一．声明
没有套路，只有真诚。接下来，请允许我手把手服侍您如何用龙虾生成项目周报。
功能靠谱实用，牺牲了本人十来个日夜的青春，冷落了多少老师才换来的突破性成果，请务必重视。
当然，要掌握的不仅是实现一个功能，更重要的是理解龙虾以及AI大模型的套路，总结出一套行之有效并且可以复制的打法，去驾驭AI，真正做到为己所用。
二．拆解生成项目周报的工作流
要实现一个功能，必须先了解其应用场景，用户以及工作流程。
否则就算把功能弄出来，也达不到实用功效。
让龙虾自动生成项目周报的功能，我们可以按以上思路拆解如下：
应用场景：在飞书APP里进行消息对话
用户：某个项目组成员，飞书用户
工作流程：
1. 触发关键词：飞书用户在与龙虾助手的聊天对话框里，输入自动生成项目周报的提示词，例如：“/单个项目周报 5060项目”
2. 检查关键词：龙虾助手收到提示词，先检查提示词有没有错误，有问题就报错，没问题就把先设定好的prompt（指令提示）、项目周报模板以及skill发给AI大模型
3. 搜集信息：AI大模型根据prompt提示以及skill工具，搜集并整理飞书聊天群信息，
4. 生成周报：AI模型把整理后聊天信息灌进项目周报模板里，生成项目周报
5. 发送周报：最后，龙虾把项目周报发送到与用户的聊天对话框里，完成功能应用
三．龙虾与AI大模型的尿性
正式实现功能前，我们得先了解龙虾与AI大模型的工作尿性。如果弄不明白，那么接下来的工作就会被这两坑货带进沟里。
首先要搞清的是龙虾如何给AI大模型发送消息？
龙虾收到用户的指令后，会把相关的所有prompt（具体表现为markdown文件，后缀名.md），以及skill（具体表现为JavaScript或Python文件，后缀名.js 或.py）拼接成上下文发给AI大模型。
为啥龙虾要这样搞？
因为当前的AI大模型只认上下文，也就是一个超大的prompt指令。
其次是龙虾塞给AI大模型的上下文，具体包含哪些东西，AI大模型阅读上下文的时候有没有一个优先次序？
龙虾塞给AI大模型的上下文包括如下文件，按序号体现优先级，1为最高：
1. AGENTS.md，龙虾的系统性的自我描述或者要求，本人直接干掉了里面所有内容。不是因为穷怕浪费token，而是单纯地想让AI大模型猜猜我是谁
2. Skill.md，对某个被调用的功能描述以及对AI模型的具体操作要求
3. History，用户与龙虾助手的聊天记录
4. User message，用户后续发送的消息
从上面可以看出，龙虾里的skill工具是不会直接传给AI大模型的，那么AI大模型如何调用skill工具呢？
这就是最后你必须搞清楚的AI大模型的工作尿性，这也是很多人卸载龙虾的真正原因：
如果你不在prompt里面规定死AI大模型必须调用哪些工具，AI大模型会自由发挥，信马由缰，保证你每次发出相同的指令会收到各种不同的答案。
四．构建功能模块【重要】
搞懂了龙虾和AI大模型的工作尿性，我们开始按照工作流构建功能模块：
1. 我们向龙虾发送生成项目周报的指令，得保证龙虾认识这些指令，所以要构建一个registry.js命令注册表文件，里面存放用户指令，以及指令对应的skill工具名称：
module.exports = [{commands:["/单个项目周报 5060项目"],skill: "project-weekly-report"}];
2. 不同的项目有不同的周报，所以我们还得构建一个projects.js项目集合文件，里面存放所有的项目名称以及对应的项目飞书聊天群id，保证AI大模型能够从正确的渠道获取正确的信息：
module.exports = {"5060项目":{manager: "张三",groupId: "飞书群id（复制粘贴后替换成实际飞书群id）"},"5060项目":{manager: "李四",groupId: "飞书群id（复制粘贴后替换成实际飞书群id）"}};
3. 接下来就是编制Prompt，为了方便理解，我们把Prompt构建成SKILL.md文件，并在文件强制规定AI大模型必须使用我们提供的skill工具，而不能随意发挥：
---name: project-weekly-reportdescription: 基于飞书群聊记录自动生成项目周报，输出为Markdown格式，直接发送给用户---# 执行指令收到 `/单个项目周报 <项目名>` 指令后，**立即且只执行以下 exec 命令**，不做任何其他操作：node {baseDir}/index.jsnode 脚本已自行完成全部工作：拉取群消息 → AI提炼 → 填充MD模板 → 通过飞书API直接发送给用户。agent 的职责只有一个：**触发 exec，然后什么都不做**。
4. 为了防止AI大模型输出五花八门的周报，我们还得做一个模板，统一输出格式。所以继续构建project-weekly-report-template.md文件，作为项目周报模板：
# XXX项目周报# 一、本周工作完成情况| 上周工作任务 | 计划开始时间 | 计划完成时间 | 负责人 | 完成情况 | 未完成任务说明 || :--- | :--- | :--- | :--- | :--- | :--- ||| || || |# 二、本周工作问题点| 问题点 | 发生时间 | 解决方案 | 负责人 | 完成时间 || :--- | :--- | :--- | :--- | :--- || || || |# 三、下周工作计划| 下周工作任务 | 计划开始时间 | 计划完成时间 | 负责人 | 预计风险 | 应对措施 || :--- | :--- | :--- | :--- | :--- | :--- || || || ||
5. 前面都算是准备工作，从现在开始，我们开始构建skill工具，分别为index.js，FeishuAPI.js以及DocProcessor.js，其中：
index.js是主程序，前面提到过工作流（读取群消息，AI提炼，填充模板，通过飞书发送给用户）都通过它推动执行：
async function main(ctx):1. const match = matchSkill(messageText)2. await MessageSender.reply4. if (userSession.stage === "waiting_template")5. const userIds = messageProcessor.extractAllUserIds(ctx);6. await WeeklyReportGenerator.generate7. sessions.delete(userId); feishuAPI.clear(); messageProcessor.clear();
FeishuAPI.js是飞书会话程序，主程序index.js运行过程中，与飞书来回通信，并调用飞书数据，所以必须构建FeishuAPI.js，明确使用的飞书API接口，否则飞书鸟都不鸟你：
class FeishuAPI { … }:1. asyncgetTenantToken(ctx)2. async batchGetUserNames()3. async sendMessageDirect(ctx, chatId, text, msgType = "text")4. async setDocEditable(ctx, docToken, memberIds = [])
DocProcessor.js是周报文档处理程序，它包括让AI大模型去指定地方收集消息，指导大模型如何有效提取有用信息，找到模板，并生成最终的项目周报：
const WeeklyReportGenerator = { … }1. getTimeRange()2. asyncgenerate(ctx, deps, config)3. return docUrl;
五．文件存放位置
我们一共构建了7个文件，分别是：
registry.jsprojects.jsindex.jsSKILL.mdproject-weekly-report-template.mdFeishuAPI.jsDocProcessor.js
那么问题来了，这些文件要放到哪里，可以让龙虾读取并运行？
我们在龙虾的workplace里新建一个文件夹，取名为skills：
打开skills，再新建一个文件夹，取名为：project-weekly-report。
然后把上面7个文件全部复制粘贴到project-weekly-report文件夹里：
这样，龙虾就可以顺利执行我们的指令了。
至于skills文件夹能不能放在其他地方，其实也是可以的，不过龙虾对于不同地方的skills有着不同的执行优先级，workplace里面的skills执行优先级最高。
六．功能实用性解析
先看看我之前发的视频，体验一下最终效果：
再来聊一下这个功能框架的实用性：
1. 此功能架构设计可以随意扩展项目，只需要在project.js和registry.js里增加项目信息。
2. 现实工作环境中，一个项目一堆群，可以在project.js里随意增加群信息，然后AI自动搜集信息，大大减轻PM的工作量。
3. 如果工作沟通软件用的是个人微信，企业微信或者钉钉，那么只要替换FeishuAPI.js文件即可，保证APP平台的可移植。
4. 只要在工作沟通软件 + 龙虾 + AI大模型的环境下，任何生成项目相关的文档功能，都可以复用这套框架设计，大大减轻了skill的开发工作量。
吹完了牛X，接下来准备把上述7个文件的源代码出来，共享给大家，敬请期待。
（未经本人许可，请勿转载或商业用途）