前言

Openclaw不用过多赘述, 是一个可以运行在 NAS 上的自动化工作流平台，类似于自托管版的 n8n，支持通过可视化的节点连接各类服务和 API，实现数据的自动抓取、处理与推送。

本文旨在提供一个借助 Openclaw 来对 Garmin Connect 上的运动/睡眠数据进行简要分析的workflow，并通过定时任务设计了一个向导每日发送出来。当然目前这仅仅算的上一个demo, 由于不懂得一些指标的重要性, 目前只是简单让其结合睡眠和运动指标来进行一些建议.

部署Openclaw时候遇到的问题

网上有很多教程, 这里我简要说一下我在部署时候遇到的一些网上可能没有的问题/思路. 首先就是隔离, 我并不打算直接在本地环境运行Openclaw, 这几天在网上看到了不少Openclaw导致的安全问题, 因此我的选择就是在Docker中运行, 将其他用到内容映射到容器中.

我的服务器系统是飞牛OS, 因此有可视化的Docker, 但直接下载现成的Openclaw后遇到了gateway无限重启的问题, 于是我最后选择去加装了一个1Panel, 通过1Panel里面的一键安装来部署Openclaw.

部署/启动后均没有什么问题, 启动后需要从json文件拿到token输入到面板中来进行双向验证. 我使用的API是Gemini 2.5 Flash(上一年年末的时候Google的学生优惠可以免费使用一年的Google AI Pro, 现在活动已经没有了), 额度目前很够用.

消息发送我选择了Discord, 毕竟人在北美没有网络方面的烦恼, 日常使用Discord居多. 这一系列设置下来也没有任何问题, 都是在openclaw.json中进行设置的. 目前为止openclaw已可以正常运行.

python-garminconnect

这里我本人试图偷懒, 于是和openclaw发生了如下对话: 可以看到openclaw并没有权限使用我的账号密码, 也没有权限进行进一步的操作. 我不知道是不是我的用法不正确, 但ta也的确劝住了我不要进一步对ta下方权限. 于是我的实现思路就变成了用第三方的包来请求garmin官方, 在拿到我的数据后进行本地化存储, 由于实现设置过容器存储映射, openclaw则可以直接读取本地文件进行分析.

之前我搓了一个Astro网页, 用到了garmin-connect, 来统计我进行过的运动, 之前没有NAS, 所以放在了Github上用Action来运行, 后来token到期了懒得更新, 就放在那里了. 这次也用到了garmin-connect, 由于启用心电图必须要开启Oauth2, 这里需要注意一下登录凭证的处理.(vibe coding时候可以提供这一细节来让AI解决).

爬取到的数据是JSON, 但因为我只有一个手表, 很多行都是无效的, 因此需要格式化一下数据, 我选择了用csv进行存储, 这样看起来更直观.

每日计划的执行

扯一句题外话, 前段时间有篇论文专门研究了AI的成瘾性¹, 说白了和老虎机是一个原理——你发出这段文字并期待AI为你生成更好的结果, 就像在赌博一样, 我遇到的80%的身边人(cs学生)对于prompt都是无所谓, 可以沟通就行, 但Openclaw不行, ta像一张白纸, 但凡没有了约束就会出现问题. 我任务一个具有大量规范性需求的prompt可以降低AI的成瘾性, 因为你在发出这个prompt的时候你就知道你大概率能得到你想要的答案了.

这是关于我的自动任务的prompt, 我深知不够完美, 但这目前是我尝试openclaw进行的一次努力:

1.我需要你阅读/home/node/.openclaw/daily的这3个csv文件.
2.基于我当天进行的运动, 心率, 以及前几天的睡眠质量, 来对我的睡眠时间进行建议.
3.如果最近没有运动数据, 不用声明运动数据缺失.
4.参照下面回答模板回答.

回答模板:
数据洞察:[一段话综述最近的睡眠/运动]
近日睡眠:[最近3天的睡眠细节]
综合建议:[对今日睡眠的规划]

额外补充:
每日理想起床时间为8AM~9AM;
基于睡眠情况和睡眠时间对sleep_need_feedback这一列数据进行解读并输出, 不要输出其原始数据.
如果运行出现错误请输出错误日志;

但似乎是由于我开启了隔离, 每次的输出依旧差别很大,以及sleep_need_feedback还是有一些问题, 需要进一步研究.

总而言之Openclaw对我来说还是一个工具, 目前来看还是一个使用频率远不如cursor等强目的性LLM的弱工具, 不过我期待后续钻研的新用法.