10分钟,教你用OpenClaw+Chrome插件生成一份AI每日简报

大家好,我是岳哥。

最近在自己电脑上安装了OpenClaw(原名Clawdbot),越用越上瘾,中午吃饭的时候都还在用手机飞书给它下命令。

花了点时间让它帮我做了一个AI每日简报,可以看下效果。

这个是基于X和Brave Search搜索全网信息源生成的,我个人认为效果还是挺不错的,直接在飞书上就可以看到了。

下面给大家分享一下要如何实现这个功能。

安装OpenClaw和飞书插件

这个前面有详细介绍,包括飞书插件安装失败的解决办法,都有给大家分享,跟着教程操作都可以安装成功的。

具体链接如下:

Clawdbot/Moltbot安装教程,接入飞书本地搭建你的AI助理平台

教你如何解决OpenClaw安装飞书插件失败的问题

安装Chrome插件

这个是OpenClaw开发的一个Chrome插件,可以根据你的要求使用Chrome打开你要搜索的信息关键词的相关网页。

这个插件分为三个部分:

  • 浏览器控制服务(网关或节点):代理/工具调用的API(通过网关)
  • 本地中继服务器(环回CDP):控制服务器与扩展之间的桥接(默认设置)http://127.0.0.1:18792
  • Chrome MV3 扩展:通过连接激活标签页,并将 CDP 消息传入中继chrome.debugger
1、将插件安装到本地路径上

用管理员权限打开你的终端或PowerShell,输入如下命令:

openclaw browser extension install
2、打印已安装的插件路径

输入命令,可以查看插件具体安装在哪个地方:

openclaw browser extension path
3、打开Chrome的插件设置

打开Chrome浏览器,在浏览器里输入:

chrome://extensions

启用开发者模式,然后启用OpenClaw 的浏览器插件。

使用OpenClaw Browser Relay插件

安装OpenClaw插件成功后,我们会在Chrome的地址栏看到这个图标,将他点击一下,使它出现“ON”状态即可控制当前浏览器页面了。

后续我们想搜索对应的信息源,你只需要打开这个信息源的页面即可,记得等你的账号,这里它不会获取你的账号密码权限,只是模拟你的行为来操作网页。

生成AI每日简报

这里我是在网上找了一个比较简洁的每日简报模板,让Gemini帮我生成一个HTML网页形式,然后再利用OpenClaw来转成图片,具体步骤如下:

1、获取HTML代码

网上搜索一个简报图片(大家可以直接用我生成的图片也行),让Gemini生成一个对应的HTML网页:

2、将获取到的网页内容转成Skills

为了让OpenClaw每天定时发给我们,最好将这个简报打包成SKills。

直接给它提要求即可。

# 每日 AI 简报生成器 (HTML Style) ## 目标 (Goal) 生成一份结构清晰、内容简洁、且具有现代美感的每日 AI 行业简报 HTML 文件**。输出格式必须遵循指定的 HTML/CSS 样式,使用卡片式布局。 ## 约束条件 (Constraints) *   **数据来源优先级: 主要使用 OpenClaw Browser Relay 插件从当前浏览器会话获取实时信息。如果信息不足,次要使用 brave_search 工具。 *   搜索内容: 仅限人工智能 (AI) 相关主题:产品发布、行业新闻、热点事件、教程技巧等。 *   格式要求: 必须输出**完整且格式正确的 HTML 文档**,包含 <style> 标签或行内 CSS,严格按照以下结构组织内容。 *   简洁明了: 每条新闻或趋势应控制在 2-3 行的摘要,突出重点。 *   排除信息: 不要包含任何广告或不相关的非 AI 内容。 ## 步骤 (Steps) 1.  确定日期: 确定简报的生成日期。 2.  执行信息获取:     *   首选: 尝试使用 OpenClaw Browser Relay 工具从浏览器获取最新 AI 相关新闻、趋势和教程。     *   备选: 如果浏览器中继信息不足,使用 brave_search 工具执行补充搜索。 3.  筛选信息: 从获取的结果中筛选出最新、最重要且相关的 5-8 条信息。 4.  内容分类: 将筛选出的信息归类到 热门新闻, 热门趋势, `教程与技能分享`。 5.  格式化输出: 严格按照“期望输出格式”使用 HTML 和 CSS 进行排版。 ## 期望输出格式 (Expected Output Format) ```html <!DOCTYPE html> <html lang="zh-CN"> <head>     <meta charset="UTF-8">     <meta name="viewport" content="width=device-width, initial-scale=1.0">     <title>AI 每日简报 - 2026年02月03日</title>     <style>         body {             font-family: 'Segoe UI', Tahoma, Geneva, Verdana, sans-serif;             margin: 0;             padding: 20px;             background-color: #f4f7f9;             color: #333;             line-height: 1.6;         }         .container {             max-width: 800px;             margin: auto;             background: #fff;             padding: 30px;             border-radius: 8px;             box-shadow: 0 4px 8px rgba(0,0,0,0.1);         }         .header {             border-bottom: 2px solid #007bff;             padding-bottom: 10px;             margin-bottom: 20px;         }         .header h1 {             margin: 0;             color: #007bff;         }         .header .date {             display: block;             margin-top: 5px;             color: #6c757d;             font-size: 0.9em;         }         .section-title {             color: #333;             border-left: 4px solid #007bff;             padding-left: 10px;             margin-top: 30px;             margin-bottom: 15px;         }         .news-item {             background: #e9ecef;             padding: 15px;             border-radius: 5px;             margin-bottom: 10px;         }         .news-item strong {             color: #0056b3;             display: block;             margin-bottom: 5px;         }         .footer {             margin-top: 40px;             border-top: 1px solid #ddd;             padding-top: 15px;             font-size: 0.8em;             color: #999;             text-align: right;         }     </style> </head> <body>     <div>         <div>             <h1>AI 每日简报</h1>             <span>02月03日 周二 | 生成时间: 2026年02月03日 14:24</span>         </div>         <h2>热门新闻</h2>         <div>             <strong>SpaceX收购xAI</strong>             <span>2月2日, SpaceX正式收购xAI, 计划将Colossus超算扩展至至少100万GPU。</span>         </div>         <div>             <strong>OpenAI冲刺IPO</strong>             <span>OpenAI据报道正在加速筹备第四季度IPO, 已与华尔街银行进行非正式会谈。</span>         </div>         <!-- 更多新闻项目... -->         <h2>热门趋势</h2>         <div>             <strong>AI IPO热潮</strong>             <span>OpenAI和Anthropic竞相筹备公开募股, 投资者对AI热潮信心高涨。</span>         </div>         <!-- 更多趋势项目... -->         <h2>教程与技能分享</h2>         <div>             <strong>Lex Fridman 2026 AI状态播客</strong>             <span>深度讨论LLM、扩展定律、中国AI发展、智能体和AGI未来。</span>         </div>         <!-- 更多教程项目... -->                  <div>             来源: OpenClaw Browser Relay / X/Twitter + Brave Search         </div>     </div> </body> </html> 按上述要求帮我生成一个AI每日简报的Skills,以图片的形式呈现,热点新闻6条,热点趋势6条,教程和技能4条。
3、安装HTML转图片插件

这个过程中OpenClaw会提示你需要安装一个HTML转图片插件,我们安装即可。

在终端输入如下两行命令

pip install playwright
playwright install chromium

安装好这个插件跟OpenClaw说安装好了,它就接着干活了。

过程还是很简单的,这样一份简报就完成了。

今天的内容就分享到这里,大家有不懂的可以给我留言。

我创建了几个AI交流群,大家可以在群里交流各种AI工具的使用,欢迎大家进群交流。 公众号后台私信:AI群,我邀请你进群 群里禁止发广告和违规违法言论,违者移出群聊。

Read more

基于FPGA的千兆以太网源代码实现与设计实战

本文还有配套的精品资源,点击获取 简介:本设计基于FPGA平台,实现千兆以太网的数据传输功能,适用于高速网络通信场景,如视频信号的高效传输。通过Verilog等硬件描述语言,构建包括以太网物理层(PHY)、MAC控制器、Wishbone总线接口等核心模块,并提供完整的测试平台与行为模型用于仿真验证。配套的使用说明指导开发者在特定FPGA平台上配置和部署该系统,具有较强的工程实用性。该方案广泛应用于嵌入式系统、工业控制和高性能数据传输领域,是掌握FPGA网络接口开发的重要实践项目。 1. FPGA千兆以太网设计概述 随着高速通信需求的不断增长,基于FPGA实现千兆以太网接口已成为嵌入式系统、工业控制和视频传输等领域的重要技术手段。本章从系统架构出发,阐述FPGA在千兆以太网设计中的核心优势——强大的并行处理能力、灵活的可重构性以及极低的数据处理延迟。重点介绍关键功能模块的划分与协作机制,包括PHY层接口、MAC控制器、Wishbone总线桥接及数据包处理引擎,并结合IEEE 802.3标准解析千兆以太网帧结构与物理层规范。同时,明确顶层模块( eth_top )的数据流向与控制

Cesium 无人机智能航线规划:航点动作组与AI识别实战

1. 从“点”到“任务”:理解智能航线规划的核心 如果你用过一些基础的无人机航线规划工具,可能觉得“不就是在地图上点几个点,连成线让飞机飞过去”吗?确实,早期的航点飞行就是这么简单。但当你真正投入到巡检、测绘、安防这类复杂任务时,你会发现,单纯的“点对点”飞行远远不够。 想象一下电力巡检的场景:无人机飞到第3号铁塔时,需要悬停、调整云台角度对准绝缘子串拍照;飞到第5号铁塔时,需要切换变焦镜头拍摄细节;在跨越河流的航线段,需要启动AI识别算法,自动监测河道漂浮物。这就不再是一条简单的“线”,而是一个由航点、动作、智能决策共同构成的三维空间任务流。 这就是Cesium在无人机应用开发中的独特价值。它不仅仅是一个三维地球可视化库,更是一个强大的空间任务编排平台。基于Cesium,我们可以将地理空间坐标(航点)与丰富的动作指令(Action) 以及AI识别逻辑绑定在一起,生成一个无人机能读懂、可执行的复杂任务剧本。 我刚开始做这类项目时,也走过弯路,以为把航线画漂亮就行了。结果真机测试时,要么动作没执行,

论文阅读“Vision-Language-Action (VLA) Models: Concepts, Progress, Applications and Challenges“

目录 * 一、**研究背景与动机** * 1.1 背景 * 1.2 动机 * 二、**VLA模型的核心概念** * 2.1 定义 * 2.2 三大发展阶段 * 三、**核心技术分析** * 3.1 多模态融合 * 3.2 统一Token化 * 3.3 学习策略 * 四、**代表性模型总结** * 五、**应用场景分析** * 5.1 人形机器人 * 5.2 自动驾驶 * 5.3 工业制造 * 5.4 医疗与农业 * 5.5 增强现实导航 * 六、**挑战与局限** * 七、

强化学习与大模型融合:从理论到机器人实践全解析

强化学习与大模型融合:从理论到机器人实践全解析

强化学习与大模型融合:从理论到机器人实践全解析 导读:本文系统梳理了强化学习(RL)与大语言模型(LLM)融合的前沿技术,涵盖从理论基础、算法架构到机器人仿真实践的完整链路。基于最新学术讨论与实验案例,深入剖析如何利用大模型优化奖励设计、解决多智能体协作难题,并提供完整的开发环境搭建指南。 一、核心概念与课程概览 1.1 什么是强化学习与大模型融合? 强化学习与大模型融合(LLM-RL)是指将大语言模型的语义理解、推理能力与传统强化学习的决策优化相结合,以解决复杂环境下的智能体控制问题。 核心优势: * 🧠 智能奖励设计:利用LLM自动生成和优化奖励函数,克服人工设计奖励的局限性 * 🔄 自适应交互:通过自然语言交互实现人机协作与策略优化 * 🎯 泛化能力提升:借助大模型的先验知识提高样本效率和策略泛化性 1.2 课程知识结构 ┌─────────────────────────────────────────────────────────────┐ │ 强化学习与大模型融合 │ │ 教学讨论框架 │ ├─────────────────────────