OpenClaw 学术应用完全教程

作者: Yangsu | 更新日期: 2026-04-18

📝 前言

作为科研工作者，每天面对海量论文更新是常态。OpenClaw 可以帮你构建一个完整的学术论文自动化监控与推荐系统，实现：

自动采集：从 arXiv + 24 个学术期刊 RSS 自动拉取新论文
智能评分：基于你的研究方向分层匹配关键词，自动筛选相关论文
AI 深度分析：Agent 原生分析每篇论文，生成 TL;DR、创新点、方法论、课题启发、局限性
定时推送：每 3 天自动推送到飞书群（卡片简报 + 详细文档）
多智能体协作：8 个专业子智能体协作完成从 idea 到论文提交的完整流程

一、架构概览

本篇文章用到的 skill 和 Multi-agent 配置文件下载地址为： Download Now

┌──────────────────────────────────────────────────────────────────┐
│                        OpenClaw 平台                              │
│                                                                   │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌──────────┐         │
│  │  main    │  │ scholar  │  │info-scout│  │  trader  │         │
│  │ (主角色)  │  │(学术助手) │  │(信息侦察) │  │(交易分析) │         │
│  └─────┬────┘  └────┬─────┘  └──────────┘  └──────────┘         │
│        │            │                                             │
│        │   ┌────────┴────────────────────────────────────┐       │
│        │   │  Skills: academic-briefing / rss-monitor     │       │
│        │   │  Cron: 每3天论文简报 / 每天RSS日报            │       │
│        │   └─────────────────────────────────────────────┘       │
│        │                                                          │
│        │  agentToAgent (本地工作流模式)                            │
│        │                                                          │
│  ┌─────┴──────────────────────────────────────────────────┐      │
│  │  论文写作多智能体团队                                     │      │
│  │                                                         │      │
│  │  🧠 Planner ──→ 💡 Ideator ←→ 🎯 Critic               │      │
│  │       │                                                 │      │
│  │       ├──→ 📚 Surveyor ──→ scholar (文献联动)           │      │
│  │       ├──→ 💻 Coder                                    │      │
│  │       └──→ ✍️ Writer ←→ 🔍 Reviewer                   │      │
│  └─────────────────────────────────────────────────────────┘      │
└──────────────────────────────────────────────────────────────────┘

核心特点：

🤖 多 Agent 子角色：每个角色独立工作空间、模型配置、飞书群绑定
📡 三通道数据采集：arXiv 关键词 + 分类浏览 + 期刊 RSS 并行采集
🧠 Agent-Native 分析：零额外 API 调用，Agent 原生完成深度分析
📊 分层评分系统：core(5分) + method(4分) + related(2分) 权重匹配
🔄 智能去重：基于 DOI/URL 自动去重已推送论文
✍️ 多智能体论文写作：8 个专业子智能体协作完成 Paper Pipeline

二、Agent 子角色设立

2.1 Agent 全景

OpenClaw 系统当前包含 11 个 Agent：

Agent	类型	用途	模型	飞书绑定
main (小女仆)	原有	综合助手、最终仲裁	MiniMax-M2.7	私聊 + WhatsApp
info-scout	原有	AI 资讯、RSS 监控	MiniMax-M2.7	AI信息搜集群
scholar	原有	学术论文简报、文献分析	MiniMax-M2.7	学术论文更新群
trader	原有	投资分析、早盘晚报	MiniMax-M2.7	股票投资群
planner	论文团队	统筹规划、进度管理	MiniMax-M2.7	本地工作流
ideator	论文团队	Idea 生成、新颖性评估	MiniMax-M2.7	本地工作流
critic	论文团队	SHARP 品鉴、反模式检测	MiniMax-M2.7	本地工作流
surveyor	论文团队	文献搜索、Research Gap	MiniMax-M2.7	本地工作流
coder	论文团队	代码实现、实验执行	MiniMax-M2.7	本地工作流
writer	论文团队	论文撰写、LaTeX 排版	MiniMax-M2.7	本地工作流
reviewer	论文团队	内部审稿、Rebuttal	MiniMax-M2.7	本地工作流

2.2 两类 Agent 的区别

飞书群绑定 Agent（main/scholar/info-scout/trader）：

通过飞书群消息交互
有 channel binding，收到群消息后自动响应
Cron 定时任务触发

本地工作流 Agent（planner/ideator/critic/surveyor/coder/writer/reviewer）：

通过 CLI 命令 openclaw chat <agent> 或 openclaw agent --agent <id> 交互
通过 agentToAgent 工具相互通信
Planner 作为协调者调度其他 Agent

2.3 在 openclaw.json 中配置

{
  "agents": {
    "defaults": {
      "model": { "primary": "minimax-portal/MiniMax-M2.7" }
    },
    "list": [
      { "id": "main", "default": true, "workspace": "~/clawd" },
      { "id": "scholar", "workspace": "~/clawd/agents/scholar" },
      { "id": "planner", "workspace": "~/.openclaw/workspace-planner",
        "identity": { "name": "🧠 Planner" } }
    ]
  },
  "tools": {
    "agentToAgent": {
      "enabled": true,
      "allow": ["*"]
    }
  }
}

三、学术论文 Skill 配置

3.1 目录结构

~/.agents/skills/academic-briefing/
├── SKILL.md                          # Skill 描述文档
├── .env                              # 飞书 App 凭证
├── .venv/                            # Python 虚拟环境
├── scripts/
│   ├── academic_monitor.py           # 主脚本 (v3 Agent-Native)
│   └── feishu_utils.py              # 飞书工具函数
├── references/
│   ├── research_topics.json          # 分层关键词配置
│   ├── journal_rss_feeds.json        # 期刊 RSS + arXiv 分类
│   └── doc_template.md              # 飞书文档模板说明
└── config/
    ├── config.json                   # 飞书 webhook 配置
    └── state.json                    # 已推送论文记录（去重用）

3.2 研究关键词配置

references/research_topics.json 采用分层权重系统：

{
  "topics": {
    "core": {
      "weight": 5,
      "keywords": ["academic social network", "scholar recommendation"]
    },
    "method": {
      "weight": 4,
      "keywords": ["graph neural network", "heterogeneous graph"]
    },
    "related": {
      "weight": 2,
      "keywords": ["citation prediction", "research impact"]
    }
  },
  "exclude_keywords": ["image classification", "computer vision"],
  "boost_venues": ["KDD", "NeurIPS", "ICML", "WWW", "AAAI"]
}

评分规则：

机制	分值	说明
core 关键词匹配	+5/个	核心研究方向
method 关键词匹配	+4/个	方法论匹配
related 关键词匹配	+2/个	相关领域
exclude 关键词惩罚	-3/个	排除无关领域
会议 boost	+3	发表在顶会/顶刊
期刊来源 bonus	+2	非 arXiv 的已发表论文

星级映射：>=10 → 5星, >=6 → 4星, >=3 → 3星, >=1 → 2星

3.3 三通道数据采集

论文采集使用三个并行通道：

arXiv 关键词搜索：将所有层级的关键词组合为 OR 查询，调用 arXiv Atom API
arXiv 分类浏览：按配置的 arXiv 分类（cs.SI, cs.LG 等）获取最新论文
期刊 RSS：解析 24 个学术期刊的 RSS feed

三个通道的结果会自动去重合并。

四、Agent-Native 分析架构

4.1 设计理念

传统方式：脚本内嵌 LLM API 调用 → 需要管理 token、处理超时、额外费用

Agent-Native：脚本只负责数据采集，Agent 自身作为 AI 模型完成分析 → 零额外 API 调用

4.2 三步流程

┌─────────────────────────────────────────────────┐
│ Step 1: 采集 (Python 脚本)                       │
│ academic_monitor.py --collect                    │
│ → arXiv API + 期刊 RSS → 过滤 + 评分             │
│ → 输出: /tmp/academic_collect.json               │
└──────────────────────┬──────────────────────────┘
                       ▼
┌─────────────────────────────────────────────────┐
│ Step 2: 分析 (Agent 原生)                        │
│ Agent 读取 JSON → 逐篇深度分析                    │
│ → TL;DR + Novelty + Methodology                 │
│   + Inspiration + Limitations + Group            │
│ → 输出: /tmp/academic_analysis.json              │
└──────────────────────┬──────────────────────────┘
                       ▼
┌─────────────────────────────────────────────────┐
│ Step 3: 推送 (Python 脚本)                       │
│ academic_monitor.py --push-results               │
│ → 飞书文档 (完整报告) + 卡片 (精选简报)            │
│ → 私信文档链接给用户                               │
└─────────────────────────────────────────────────┘

4.3 优势对比

方面	传统方式	Agent-Native
API 调用	脚本自己调 LLM API	Agent 原生推理，零额外调用
Token 管理	需读取 auth-profiles.json	不需要
超时处理	需设置 HTTP timeout + 重试	Agent 框架自动处理
分析质量	受 max_tokens 和 prompt 工程限制	Agent 拥有完整上下文和推理能力
可维护性	修改 prompt 需改 Python 代码	修改 cron payload 即可

五、Cron 定时任务

5.1 任务定义

在 ~/.openclaw/cron/jobs.json 中定义定时任务：

{
  "id": "academic-briefing-3day",
  "agentId": "scholar",
  "name": "学术论文简报推送",
  "enabled": true,
  "schedule": {
    "kind": "cron",
    "expr": "0 9 */3 * *",
    "tz": "Asia/Shanghai"
  },
  "sessionTarget": "isolated",
  "wakeMode": "now",
  "payload": {
    "kind": "agentTurn",
    "message": "执行学术论文简报（三步流程）：..."
  },
  "delivery": {
    "mode": "announce",
    "channel": "feishu",
    "to": "chat:oc_your_group_chat_id"
  }
}

5.2 常用 Cron 表达式

表达式	含义
`0 9 /3 *`	每 3 天上午 9:00
`0 9 * * 1-5`	工作日上午 9:00
`0 9 * * 1`	每周一上午 9:00

六、飞书集成

6.1 推送类型

类型	API	用途
Webhook 卡片	`/bot/v2/hook/`	群聊推送简报卡片
飞书文档	`/docx/v1/documents`	创建详细报告文档
文档权限	`/drive/v1/permissions`	自动授权给用户
私信	`/im/v1/messages`	发送文档链接给个人

6.2 飞书群使用总览

飞书群	绑定 Agent	如何触发	功能说明
学术论文更新群	scholar	直接发消息	论文分析、文献搜索、简报推送
AI信息搜集群	info-scout	直接发消息	AI 新闻、技术博客监控、RSS 日报
股票投资群	trader	直接发消息	早盘/收盘分析、个股诊断
Scholar Seminer	planner	直接发消息	论文写作全流程协调、多智能体调度
飞书私聊	main (小女仆)	直接私聊	综合助手、跨群协调

6.3 Scholar Seminer 群的通信架构

重要：Scholar Seminer 群绑定的是 Planner，不是所有子智能体。其他子智能体在后台运行，结果回传给 Planner 整理后再转发给你。

你（Scholar Seminer 群）
    ↓ 发消息
  Planner ← 唯一与你直接对话的 Agent
    ↓ spawn（后台）
  Surveyor / Ideator / Critic / Coder / Writer / Reviewer
    ↓ 完成后结果回传
  Planner
    ↓ 整理摘要 + 关键决策点
你（Scholar Seminer 群）← 收到汇报 + 询问

6.4 卡片容量限制

飞书 Webhook 卡片最大 28KB。含完整五步法分析时： - 每篇论文约 5-7 KB - 最多放 4 篇论文（含 TL;DR + Novelty + Methodology + Inspiration + Limitations） - 超出时自动减少篇数

七、快速开始

7.1 安装依赖

cd ~/.agents/skills/academic-briefing
python3 -m venv .venv
source .venv/bin/activate
pip install feedparser

7.2 使用方式

cd ~/.agents/skills/academic-briefing && source .venv/bin/activate

# 预览模式（不推送）
python3 scripts/academic_monitor.py --dry-run --days 7

# 仅采集+评分，输出 JSON
python3 scripts/academic_monitor.py --collect --output /tmp/papers.json

# 推送分析结果到飞书
python3 scripts/academic_monitor.py --push-results /tmp/analyzed_papers.json

# 降级模式（直接推送，无 AI 分析）
python3 scripts/academic_monitor.py --push

九、多智能体论文写作系统

9.1 概述

论文写作多智能体系统由 7 个专业子 Agent 组成。入口是飞书 Scholar Seminer 群 — 直接发消息给 Planner，Planner 在后台调度各子智能体完成任务，在关键节点回到群里汇报并请你做决策。

来源于 openclaw-agents 项目。

9.2 子智能体功能详解

🧠 Planner（统筹规划师）

职责：任务分解、进度追踪、跨 Agent 协调、时间线管理
核心能力：根据 DDL 倒推制定项目时间线、将任务拆解分配给对应 Agent

💡 Ideator（创意大师）

职责：Idea 生成、新颖性评估、贡献声明精炼
核心能力：从多维度发散 Idea、对每个 Idea 进行 ACE 评分（Attractiveness/Contribution/Executability）

🎯 Critic（品鉴师）

职责：SHARP 品味评估、灵魂三问、反模式检测
核心能力：SHARP 五维评分（Sharpness/Horizon/Asymmetry/Resistance/Parsimony）、通过标准：SHARP >= 18 才允许进入正式流程

📚 Surveyor（文献专家）

职责：文献搜索、论文分析、Research Gap 识别
核心能力：系统文献调研、整理方法分类和 SOTA 对比表、识别 Research Gap

💻 Coder（代码工程师）

职责：算法实现、实验执行、代码优化
核心能力：搭建项目骨架、实现核心算法模块、运行主实验和消融实验

✍️ Writer（论文写手）

职责：论文撰写、LaTeX 排版、学术表达
核心能力：按章节撰写论文、制作图表、整理参考文献

🔍 Reviewer（内部审稿人）

职责：内部同行评审、弱点诊断、Rebuttal 策略
核心能力：全面技术审稿、模拟顶会审稿人视角、诊断 GNN 论文常见问题

9.3 Paper Pipeline 工作流

从零到论文提交的 8 个阶段：

Phase 0: 项目初始化（Planner）      → 目标确认、团队配置
Phase 1: 文献调研（Surveyor）        → 文献报告、Research Gap
Phase 2: Idea 生成（Ideator）       → 3-5 个候选 Idea + ACE 评分
Phase 2.5: Idea 品鉴（Critic）     → SHARP >= 18 才通过 ⚡关键节点
Phase 3: 方法设计（Ideator + Coder） → 方法文档、架构图
Phase 4: 代码实现（Coder）          → 可运行代码仓库
Phase 5: 实验执行（Coder）          → 实验结果、表格、图表
Phase 6: 论文撰写（Writer）         → 论文初稿（LaTeX）
Phase 7: 内部审稿（Reviewer）       → 修改至 Accept
Phase 8: 提交准备（Planner）        → Camera-Ready + main 最终审核

启动方式（Scholar Seminer 群）：

1 2	启动 paper-pipeline 工作流，目标会议 KDD 2026，DDL 2026-02-01 研究方向：学术社交网络中师生关系识别

9.4 Brainstorm 头脑风暴

快速生成和评估研究 Idea 的协作流程：

Step 1: 上下文准备（Planner + Scholar）  → 研究约束、最新论文
Step 2: 自由发散（Ideator）             → 5-10 个粗略 Idea
Step 3: 新颖性验证（Surveyor）          → 检查已有类似工作
Step 4: ACE 评估（Ideator + Planner）  → 评分排序 → 汇报 Top 2
Step 5: 你选择 → Critic 品鉴            → SHARP >= 18 硬关卡
Step 6: Idea Card 完善                  → 进入 Paper Pipeline

9.5 agentToAgent 通信配置

Agent 间通信通过 openclaw.json 中的 tools.agentToAgent 配置：

{
  "tools": {
    "agentToAgent": {
      "enabled": true,
      "allow": ["*"]
    }
  }
}

9.6 main Agent 的仲裁角色

main Agent（小女仆）担任最终仲裁者： 1. Phase 2.5 品鉴未通过 3 轮 → main 裁定是否继续迭代或更换方向 2. Phase 8 最终提交前 → main 进行 Phase Gate Audit 3. 跨 Agent 争议 → Planner 无法解决的分歧由 main 最终裁决

十、自定义与扩展

8.1 修改研究方向

编辑 references/research_topics.json：

# 添加核心关键词
"core": { "keywords": ["your keyword", ...] }

# 添加排除关键词
"exclude_keywords": ["irrelevant topic", ...]

# 添加关注的顶会/顶刊
"boost_venues": ["AAAI", "NeurIPS", ...]

8.2 调整推送频率

修改 jobs.json 中的 cron 表达式："expr": "0 9 */3 * *" → "expr": "0 9 * * 1"（每周一）

8.3 添加新的论文源

在 references/journal_rss_feeds.json 中添加：

{
  "name": "Journal Name",
  "url": "https://journal.example.com/rss",
  "category": "Your Category"
}

十一、常见问题

Q: 论文采集数量为 0？ 检查时间窗口 --days 参数。arXiv 在周末和假期不更新，建议设置 3-7 天。

Q: 飞书卡片推送失败？ 检查 Webhook URL 和 Secret 是否正确。卡片超过 28KB 会自动减少论文数量。

Q: 如何增加精选论文数量？ 修改 --top 参数，但受卡片 28KB 限制。建议 4 篇精选 + 30 篇值得关注。

Q: 模型报 429 错误 / 套餐过期？ 不要为 Agent 单独配置 model 字段，让所有 Agent 继承 agents.defaults.model.primary，这样换 provider 只需改一处。

Q: 如何手动触发学术简报？ 直接对 scholar agent 发送三步指令，或使用降级模式：

1	python3 scripts/academic_monitor.py --push --days 7

Q: 论文写作 Agent 之间无法通信？ 确认 openclaw.json 中 tools.agentToAgent.enabled 为 true，且 allow 包含 ["*"]。

Q: 论文写作 Agent 如何使用？ 推荐方式：在飞书 Scholar Seminer 群直接发消息给 Planner。Planner 会在每个关键阶段完成后在群里汇报结果，并询问你是否继续。

Q: 想在特定阶段叫停或调整方向？ 直接在群里回复 Planner："先暂停，我想调整一下方向"。Planner 会响应你的指令。