应配置openclaw全网搜索与报告生成能力：一、用union-search-skill跨平台检索品牌关键词；二、调用molili模块去重并四级舆情分级；三、用本地千问3.5-9b生成markdown日报；四、通过apscheduler设72小时定时流水线；五、用social-poster推送至钉钉等平台。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望实时掌握品牌在全网范围内的舆论动向，但缺乏自动化手段对多源信息进行聚合与结构化分析，则可能是由于未配置OpenClaw的全网搜索与报告生成能力。以下是实现该目标的具体操作步骤：
一、配置全网关键词搜索任务
通过OpenClaw内置的union-search-skill技能，可跨平台并发检索微博、知乎、B站、小红书、微信公众号等主流渠道中与品牌关键词相关的内容，确保覆盖广度与时效性。
1、在OpenClaw控制台进入「任务中心」，点击「新建任务」。
2、选择技能类型为union-search-skill，在指令框中输入自然语言指令：搜索近72小时“XX品牌”相关内容，覆盖微博热搜/话题、知乎问答/专栏、B站视频、小红书笔记、微信公众号文章，各平台取前30条，按发布时间倒序输出JSON清单。
3、设置任务执行时间为立即执行，并勾选「自动保存原始数据」，路径指定为D:/OpenClaw数据/XX品牌_原始集/。
二、启用智能去重与舆情分级
原始抓取结果常含重复内容或低质信息，需通过Molili智能去重模块与四级舆情分类体系（HIGH/MEDIUM/LOW/NORMAL）进行清洗与定级，提升分析颗粒度。
1、在终端执行命令加载去重与分类模块：clawhub install molili-vetter sentiment-classifier。
2、创建二级处理任务：读取上一步生成的JSON文件，调用molili-vetter执行URL+语义双层去重，再由sentiment-classifier对每条内容打标并归入对应舆情等级。
3、导出结构化结果至CSV，字段包括：标题、来源平台、发布时间、摘要、舆情等级、情感倾向值（-1.0～+1.0）。
三、调用本地大模型生成分析报告
利用已部署的千问3.5-9B本地模型，结合结构化清洗后的数据，自动生成涵盖传播热度、平台分布、核心议题、情感趋势的图文简报，避免依赖云端API导致的数据外泄与Token浪费。
1、确认本地千问服务正在运行（默认地址：http://localhost:8000/v1），并在OpenClaw配置中正确指向该端点。
监控一个或多个 GitCode 仓库的 PR，通过 OpenClaw Gateway 自动执行 AI 审查，发布 PR 评论，并发送钉钉和企业微信通知。
2、在控制台新建「AI报告生成」任务，选择模型为qwen3-9b，上传上一步生成的CSV文件作为上下文输入。
3、输入提示词：基于以下结构化舆情数据，生成一份面向品牌公关团队的日报：包含总声量统计、各平台占比饼图描述、TOP3热议话题（附原文摘录）、正面/中性/负面内容比例、3条可执行建议；输出格式为Markdown，标题为“XX品牌舆情日报_20260413”。
4、执行任务，报告将自动生成并保存至D:/OpenClaw数据/XX品牌_报告/目录下。
四、设置定时自动更新机制
为保障监控连续性，需将上述三步封装为串行流水线，并通过APScheduler设定固定周期执行，实现真正意义上的无人值守。
1、在OpenClaw控制台进入「调度中心」，点击「创建复合任务流」。
2、依次拖入三个节点：① union-search-skill（间隔72小时）→ ② molili-vetter + sentiment-classifier（紧随其后）→ ③ qwen3-9b report generator（延迟2分钟启动）。
3、为整个流程设置统一触发时间：每天上午9:00准时启动，并开启失败重试（最多2次）与异常邮件通知（需提前配置SMTP）。
五、导出与分发报告至协作平台
生成的Markdown报告需快速触达相关人员，通过OpenClaw的social-poster技能可一键推送到企业微信、钉钉或飞书群，确保信息流转零延迟。
1、安装并启用social-poster技能：clawhub install social-poster。
2、在任务流末尾添加「分发节点」，选择目标平台为dingtalk，填写Webhook地址及群机器人密钥。
3、设置消息模板：【舆情速报】XX品牌今日监测报告已生成，点击链接查看完整分析 → [报告本地路径]，勾选「仅发送最新一条」以避免刷屏。
