1. 项目缘起从手动“搬砖”到自动化“躺赚”的必然之路如果你在闲鱼上卖过东西尤其是做无货源或者一件代发的模式那你一定对“客服”和“发货”这两件事深恶痛绝。买家的问题千奇百怪从“在吗”到“能便宜点吗”再到“什么时候发货”一天下来手指头在手机屏幕上敲到发麻回复的内容却大同小异。更别提发货环节每天要手动去上家下单、复制粘贴收货地址、跟踪物流、再把单号填回闲鱼。这种重复、机械、耗时的工作不仅效率低下还严重挤压了你去选品、优化文案、研究平台规则这些真正能带来增长的时间。我最初也是这么过来的直到有一天我发现我80%的精力都耗在了这些“搬砖”流程上而利润却没有显著增长。这让我意识到必须把“执行”环节自动化把“人”解放出来去做“决策”和“优化”。于是我开始研究各种自动化方案。市面上有各种“闲鱼助手”软件但要么功能单一要么价格昂贵要么就是安全性存疑需要你提供账号密码风险极高。直到我遇到了OpenClaw。OpenClaw 不是一个现成的闲鱼外挂它是一个开源的、基于大语言模型LLM的智能体Agent框架。你可以把它理解为一个“机器人操作系统”它本身不具备任何闲鱼功能但它能通过插件Skill和工具Tool去调用各种外部能力比如读取网页信息、模拟点击、调用API接口。这就给了我们极大的自由度可以基于它来定制一个完全属于自己的、安全可控的闲鱼自动化工作流。我最终实现的方案核心就是利用 OpenClaw 作为大脑结合浏览器自动化工具如 Playwright作为手脚再配合一些自研的中间件搭建了一套“智能自动回复 全链路自动发货”系统。这套系统运行了大半年稳定可靠让我从一个手动操作的“客服发货员”变成了一个监控系统、优化策略的“运营者”。接下来我就把这套方案的实现思路、核心配置、踩过的坑以及实际效果毫无保留地分享给你。2. OpenClaw 核心架构解析为什么它是自动化的“最佳大脑”在动手之前我们必须先理解 OpenClaw 到底是什么以及它为什么适合这个场景。很多新手一上来就想找“一键安装即用”的闲鱼机器人但往往掉进坑里。OpenClaw 提供了一个更底层、更灵活的解决方案。2.1 OpenClaw 的本质一个连接现实世界的“智能体框架”你可以把 OpenClaw 想象成一个超级助理的“大脑”。这个大脑本身很聪明因为它接入了像 GPT-4、Claude、DeepSeek 这样的大模型但它没有眼睛、耳朵和手。OpenClaw 框架的作用就是为这个大脑安装各种“感官”和“执行器”也就是 Skill技能和 Tool工具。大脑LLM负责理解你的指令、分析当前情况比如聊天记录、做出决策比如该回复什么内容。我本地部署了Ollama来运行Qwen2.5:7b模型成本低响应快完全私有化。框架OpenClaw Core负责调度。它接收你的指令如“监控闲鱼消息”调用合适的工具去获取信息如通过浏览器插件获取新消息然后把信息交给大脑分析最后再调用工具执行大脑的决策如通过浏览器插件发送回复。手脚Tools/Skills这是实现自动化的关键。OpenClaw 社区有很多现成的插件比如web-browser控制浏览器、github操作GitHub、filesystem读写文件。对于闲鱼我们需要一个能操作闲鱼网页版或客户端的“手”。为什么不用现成的“闲鱼助手”安全第三方助手需要你的账号密码甚至有远程控制权限资金和账号安全无法保障。OpenClaw 部署在你自己的服务器或电脑上所有数据不出本地。灵活闲鱼规则常变封号策略也在升级。基于 OpenClaw你可以快速调整回复策略、触发逻辑甚至开发新的抗检测功能。现成助手一旦失效只能干等作者更新。成本许多助手按月收费长期下来是一笔不小开支。OpenClaw 开源免费仅需支付服务器和少量API费用如果用云端大模型。扩展性今天做闲鱼明天可能想做淘宝、拼多多。OpenClaw 的框架是通用的你积累的自动化经验可以快速复用到其他平台。2.2 技术栈选型与部署方案我的技术栈选择基于稳定、易维护和低成本的原则OpenClaw 部署采用Docker Compose部署。这是最推荐的方式它能将 OpenClaw 核心、Ollama大模型服务、必要的插件如浏览器控制打包在一起一键启动环境隔离避免依赖冲突。网上搜“docker部署openclaw”能找到很多现成的docker-compose.yml文件。大模型服务本地部署Ollama Qwen2.5:7B。Qwen2.5 在中文理解和指令跟随上表现很好7B参数规模在消费级显卡如 RTX 4060或强一些的CPU上都能流畅运行。如果硬件受限可以考虑使用 DeepSeek 等提供的免费API但响应速度和隐私性会打折扣。浏览器自动化Playwright。这是实现“自动回复”和“监控”的核心工具。相比于 SeleniumPlaywright 对现代Web应用的支持更好速度更快并且能更可靠地处理单页应用SPA。我们将为 OpenClaw 编写一个自定义的 Playwright Skill。自动发货后端一个简单的Python Flask / FastAPI 服务。这个服务负责接收闲鱼订单信息然后去货源平台如1688、拼多多代下单并回填物流单号。它独立于 OpenClaw通过 HTTP API 与 OpenClaw 的“发货”技能通信。运行环境一台Ubuntu 系统的云服务器2核4G以上或家中的Windows/Linux 常开电脑。确保网络稳定。注意在开始部署前请务必准备好一个专门用于自动化的闲鱼账号。不建议用主号直接测试以防因自动化行为触发平台风控导致限流或封禁。新号也需要先养一段时间模拟正常用户行为。3. 核心模块一基于 OpenClaw 的智能自动回复系统实现自动回复不是简单的关键词匹配那样生硬且容易被识别为机器人。我们的目标是打造一个“拟人化”的智能客服。3.1 环境搭建与 OpenClaw 配置首先通过 Docker Compose 拉起服务。一个简化的docker-compose.yml示例如下version: 3.8 services: openclaw: image: openwebui/openclaw:latest container_name: openclaw ports: - 3000:3000 volumes: - ./data:/app/data - ./skills:/app/skills # 挂载自定义技能目录 environment: - OLLAMA_BASE_URLhttp://ollama:11434 depends_on: - ollama restart: unless-stopped ollama: image: ollama/ollama:latest container_name: ollama ports: - 11434:11434 volumes: - ./ollama:/root/.ollama restart: unless-stopped启动后访问http://你的服务器IP:3000进入 OpenClaw WebUI。首先需要在设置中配置大模型端点指向 Ollama 服务 (http://ollama:11434)并选择qwen2.5:7b模型。接下来是关键安装或开发浏览器控制技能。OpenClaw 社区可能有现成的playwright或browser-use技能。如果没有我们需要自己开发一个。核心思路是这个技能提供一个工具Tool给 OpenClaw 调用比如navigate_to_url(url),get_page_content(),fill_input(selector, text),click(selector)。3.2 闲鱼消息监控与获取我们不能让 OpenClaw 一直盲目刷新页面。更高效的方式是结合闲鱼的消息机制。虽然闲鱼没有开放官方消息API但我们可以通过浏览器自动化实现。登录与会话保持编写一个脚本使用 Playwright 打开闲鱼网页版扫码登录并将浏览器上下文Context的 Cookies 和 LocalStorage 保存下来。以后每次启动都加载这个会话状态避免重复登录。消息轮询编写一个后台进程可以是一个独立的 Python 脚本也可以作为 OpenClaw 的一个后台任务定期如每30秒使用保存的会话打开闲鱼“消息”页面。解析新消息使用 Playwright 定位消息列表元素解析出未读消息的发送者、商品链接、消息内容、时间戳。这里需要仔细研究闲鱼网页版的DOM结构因为它的前端框架可能会变。一个重要的技巧是只获取时间戳比上次检查时间更新的消息避免重复处理。触发 OpenClaw当检测到新消息时将消息内容、发送者昵称、关联商品标题等信息通过 OpenClaw 的 API 或直接作为输入传递给一个专门处理闲鱼回复的“技能”。3.3 智能回复策略设计与 Prompt 工程这是体现“智能”的核心。我们不能让大模型自由发挥必须给它明确的指令和边界这就是 Prompt 工程。我们为 OpenClaw 创建一个名为handle_xianyu_message的技能。这个技能被触发时会收到结构化的消息数据。它的核心 Prompt 可以这样设计你是一个专业的闲鱼二手商品卖家客服。请根据以下买家的消息和商品信息生成一段友好、专业、促进成交的回复。 【商品信息】 标题{商品标题} 价格{商品价格}元 【买家消息】 {买家消息内容} 【买家昵称】 {买家昵称} 【回复要求】 1. 语气亲切自然像真人聊天使用适当的表情符号如、。 2. 首要目标是解答买家疑问消除顾虑。 3. 如果买家问“在吗”不要只回“在”要主动询问对方有什么问题。 4. 如果买家砍价不要直接拒绝。先表示理解然后强调商品优点如成色新、包邮或给出一个小幅让步如“诚心要的话可以小刀一点”引导对方私聊。 5. 如果买家问发货时间统一回复“亲付款后当天下午4点前发货哦快递一般走XX通您看可以吗” 6. 如果买家的问题涉及商品细节颜色、尺寸、型号而信息不全请根据商品标题合理推断并说明“根据描述应该是XX具体我再看下确认回复您”。 7. 绝对不要承诺平台不允许的事情如线下交易、微信交易。 8. 回复长度控制在1-3句话内。 9. 直接输出回复正文不要加引号不要输出任何其他解释。 请生成回复这个 Prompt 做了几件事设定角色明确 AI 的身份。提供上下文给 AI 足够的背景信息。设定规则和边界规定了各种常见场景下的回复策略确保合规且有效。控制输出格式要求直接输出回复内容便于后续自动化发送。实操心得Prompt 需要不断迭代。初期我会让系统把所有生成的回复和对话记录都保存下来定期人工复查发现回复不当的案例然后反过来优化 Prompt。例如发现 AI 对“最低多少”这种砍价回复太生硬就在 Prompt 里增加更具体的砍价应对模板。3.4 自动执行回复与状态管理OpenClaw 的handle_xianyu_message技能在生成回复文本后需要调用另一个工具来执行“发送”动作。调用浏览器工具技能将生成的回复文本、以及目标消息的界面元素选择器在步骤3.2中可获取作为参数调用 Playwright 技能提供的fill_and_send_message(selector, text)工具。模拟人工操作Playwright 脚本会定位到闲鱼消息输入框填入回复文本并模拟点击“发送”按钮。这里必须加入随机延迟如输入每个字符间隔0.1-0.3秒模仿真人打字速度这是避免被检测的关键。更新状态发送成功后在本地数据库或文件中标记该条消息为“已回复”并记录回复时间和内容。这既是状态管理也为后续的数据分析提供素材。错误处理网络超时、元素定位失败、发送按钮不可点击等情况都必须考虑。代码中需要加入重试机制如最多重试3次和异常捕获。如果失败应将任务放入重试队列并记录日志告警。至此一个从监控、理解、生成到发送的闭环自动回复系统就完成了。它不仅能处理常见问答还能进行简单的议价沟通极大提升了客服效率。4. 核心模块二全链路自动发货系统集成自动回复解决了“售前”问题自动发货则要解决“售后”的繁琐。我们的目标是买家在闲鱼付款 - 系统自动去货源平台下单 - 自动获取物流单号 - 自动回填到闲鱼并通知买家。4.1 订单监听与信息抓取同样闲鱼没有提供订单Webhook我们需要主动抓取。监听“我卖出的”页面编写另一个后台监控进程定期如每5分钟检查闲鱼“我卖出的”页面中状态为“待发货”的订单。使用 Playwright 提取关键信息闲鱼订单号、买家收货人、电话、地址、商品规格、买家留言。关键点买家留言里可能包含颜色、尺码等关键信息必须准确抓取并传递给下单系统。数据清洗与格式化抓取到的地址信息可能不规范如“北京市北京市海淀区”需要简单的清洗逻辑。将订单信息格式化为一个标准的 JSON 对象。触发发货流程将 JSON 数据通过 HTTP POST 请求发送给“自动发货后端服务”前面提到的 Flask/FastAPI 服务。4.2 货源平台自动下单实现这是技术难点因为不同货源平台1688、拼多多、淘宝的反爬和登录机制不同。这里以拼多多代下单为例因其接口相对容易模拟。维护货源商品映射在本地数据库维护一张表记录你的闲鱼商品ID与拼多多商品ID/链接的对应关系。模拟登录与会话维持使用requests库或playwright模拟登录拼多多并维护有效的 Cookie。拼多多登录较复杂可能需要处理验证码。一个取巧的办法是使用手机端扫码登录的接口或者购买稳定的商业 Cookie 池服务注意安全。调用下单接口分析拼多多下单页面的网络请求找到创建订单的 API 接口。使用抓取的闲鱼订单信息收货地址、规格作为参数模拟调用该接口。这里需要仔细处理商品SKU、价格、优惠券等参数。获取物流单号下单成功后拼多多会返回一个内部订单号。我们需要监控这个订单的发货状态通过调用“获取物流信息”的接口抓取快递公司和运单号。踩坑实录地址解析与规格匹配坑1地址二级联动。拼多多下单接口通常需要省市区三级编码而不是文本。我们需要一个地址库将文本地址如“浙江省杭州市西湖区”转换为对应的编码。可以使用高德或腾讯的地图API或者维护一个本地的地址映射表。坑2商品规格匹配。买家在闲鱼留言“要黑色L码”但拼多多对应的SKU属性值可能是“颜色分类黑色尺码L”。这需要一个灵活的映射规则配置。我的做法是在货源映射表里增加一个“规格转换规则”字段用JSON描述闲鱼描述词到拼多多SKU属性值的映射关系。4.3 闲鱼自动填写发货信息获取到快递公司和运单号后流程回溯到闲鱼端。OpenClaw 发货技能我们开发另一个 OpenClaw 技能ship_xianyu_order。当发货后端服务准备好物流信息后调用此技能。浏览器自动化发货该技能驱动 Playwright 打开闲鱼对应订单的“发货”页面。选择对应的快递公司从拼多多返回的快递公司名称需要映射为闲鱼支持的快递列表填入运单号。模拟点击发货点击“确认发货”按钮。同样操作间加入随机延迟。状态同步与通知发货成功后在本地数据库更新订单状态为“已发货”并可以调用 OpenClaw 的“通知”技能给买家发送一条温馨提示“亲您购买的宝贝已发货快递公司XX单号XXXX请注意查收哦~”4.4 异常处理与人工兜底全自动流程必须考虑异常。下单失败货源平台无货、价格变动、地址不支持配送等。此时系统应记录失败原因并将订单标记为“异常”同时通过飞书/钉钉/webhook 通知我人工处理。物流单号获取延迟有些货源平台发货慢。系统应设置一个超时时间如12小时超时后通知人工介入催促上家。闲鱼发货失败页面改版、元素定位失败。系统重试数次后告警并保存好物流信息方便人工复制粘贴。我设计了一个简单的管理后台展示所有订单状态待处理、已下单、已发货、异常异常订单一目了然确保整个流程虽有自动化但关键节点仍在掌控之中。5. 系统优化、风控对抗与实战心得系统跑起来只是第一步要长期稳定运行必须持续优化和对抗平台风控。5.1 行为模拟与反检测策略闲鱼对自动化行为的打击越来越严。我们必须让机器人看起来像真人。随机化操作间隔所有定时任务检查消息、检查订单不要使用固定间隔。使用随机间隔如random.uniform(25, 65)秒模拟人工操作的不规律性。模拟人类输入在输入文本时不要一次性type_text()而是拆分成单个字符每个字符输入间隔随机。鼠标移动轨迹也可以加入随机偏移。操作时间人性化避免在深夜如凌晨2-5点频繁进行消息检查和回复。可以通过设置一个每日活跃时间窗口来调节。多账号轮询如果业务量大可以考虑部署多个闲鱼账号系统在不同账号间轮换操作降低单个账号的活跃密度。浏览器指纹伪装使用 Playwright 可以创建多个具有不同 User-Agent、屏幕分辨率、时区等参数的浏览器上下文进一步伪装。5.2 OpenClaw 技能管理的进阶技巧随着技能增多管理变得重要。技能编排OpenClaw 支持技能链式调用。例如可以创建一个process_new_order主技能它内部按顺序调用fetch_order_info-place_source_order-track_logistics-fill_shipment等子技能逻辑更清晰。上下文记忆利用 OpenClaw 的会话记忆功能让 AI 记住与某个买家的历史对话。这样当买家再次咨询时AI 能给出更连贯、个性化的回复而不是每次都当成全新对话。本地知识库将常见的商品问答、售后政策整理成文档通过 RAG检索增强生成技术让 OpenClaw 在回复时优先参考这些准确信息减少 AI 胡编乱造的概率。5.3 数据监控与业务分析自动化不是为了完全不管而是为了管得更高效。关键指标监控我搭建了 Grafana 看板监控核心指标消息响应平均时长、订单自动发货成功率、异常订单率、AI 回复被买家投诉率等。聊天记录分析定期导出 AI 的回复记录分析哪些问题的回复不够好比如议价失败率高针对性优化 Prompt。也分析买家常问的问题反过来优化商品详情页的描述减少咨询量。成本与效益分析统计自动化为我节省的时间对比服务器和 API 的成本。对我来说一台每月几十块的轻量服务器换来了每天数小时的人力释放ROI 非常高。5.4 我踩过的那些“坑”与解决方案坑OpenClaw 服务莫名挂掉。早期使用 Docker run 直接运行偶尔会崩溃。解决方案改用 Docker Compose 并配置restart: unless-stopped。同时使用一个简单的监控脚本定时检查服务健康端口失败后发送告警并尝试重启。坑闲鱼页面改版导致元素定位失败。这是必然会发生的事。解决方案不要用绝对且易变的 CSS 选择器。优先使用> 基于OpenClaw与LLM的闲鱼智能客服与自动发货系统实战
1. 项目缘起从手动“搬砖”到自动化“躺赚”的必然之路如果你在闲鱼上卖过东西尤其是做无货源或者一件代发的模式那你一定对“客服”和“发货”这两件事深恶痛绝。买家的问题千奇百怪从“在吗”到“能便宜点吗”再到“什么时候发货”一天下来手指头在手机屏幕上敲到发麻回复的内容却大同小异。更别提发货环节每天要手动去上家下单、复制粘贴收货地址、跟踪物流、再把单号填回闲鱼。这种重复、机械、耗时的工作不仅效率低下还严重挤压了你去选品、优化文案、研究平台规则这些真正能带来增长的时间。我最初也是这么过来的直到有一天我发现我80%的精力都耗在了这些“搬砖”流程上而利润却没有显著增长。这让我意识到必须把“执行”环节自动化把“人”解放出来去做“决策”和“优化”。于是我开始研究各种自动化方案。市面上有各种“闲鱼助手”软件但要么功能单一要么价格昂贵要么就是安全性存疑需要你提供账号密码风险极高。直到我遇到了OpenClaw。OpenClaw 不是一个现成的闲鱼外挂它是一个开源的、基于大语言模型LLM的智能体Agent框架。你可以把它理解为一个“机器人操作系统”它本身不具备任何闲鱼功能但它能通过插件Skill和工具Tool去调用各种外部能力比如读取网页信息、模拟点击、调用API接口。这就给了我们极大的自由度可以基于它来定制一个完全属于自己的、安全可控的闲鱼自动化工作流。我最终实现的方案核心就是利用 OpenClaw 作为大脑结合浏览器自动化工具如 Playwright作为手脚再配合一些自研的中间件搭建了一套“智能自动回复 全链路自动发货”系统。这套系统运行了大半年稳定可靠让我从一个手动操作的“客服发货员”变成了一个监控系统、优化策略的“运营者”。接下来我就把这套方案的实现思路、核心配置、踩过的坑以及实际效果毫无保留地分享给你。2. OpenClaw 核心架构解析为什么它是自动化的“最佳大脑”在动手之前我们必须先理解 OpenClaw 到底是什么以及它为什么适合这个场景。很多新手一上来就想找“一键安装即用”的闲鱼机器人但往往掉进坑里。OpenClaw 提供了一个更底层、更灵活的解决方案。2.1 OpenClaw 的本质一个连接现实世界的“智能体框架”你可以把 OpenClaw 想象成一个超级助理的“大脑”。这个大脑本身很聪明因为它接入了像 GPT-4、Claude、DeepSeek 这样的大模型但它没有眼睛、耳朵和手。OpenClaw 框架的作用就是为这个大脑安装各种“感官”和“执行器”也就是 Skill技能和 Tool工具。大脑LLM负责理解你的指令、分析当前情况比如聊天记录、做出决策比如该回复什么内容。我本地部署了Ollama来运行Qwen2.5:7b模型成本低响应快完全私有化。框架OpenClaw Core负责调度。它接收你的指令如“监控闲鱼消息”调用合适的工具去获取信息如通过浏览器插件获取新消息然后把信息交给大脑分析最后再调用工具执行大脑的决策如通过浏览器插件发送回复。手脚Tools/Skills这是实现自动化的关键。OpenClaw 社区有很多现成的插件比如web-browser控制浏览器、github操作GitHub、filesystem读写文件。对于闲鱼我们需要一个能操作闲鱼网页版或客户端的“手”。为什么不用现成的“闲鱼助手”安全第三方助手需要你的账号密码甚至有远程控制权限资金和账号安全无法保障。OpenClaw 部署在你自己的服务器或电脑上所有数据不出本地。灵活闲鱼规则常变封号策略也在升级。基于 OpenClaw你可以快速调整回复策略、触发逻辑甚至开发新的抗检测功能。现成助手一旦失效只能干等作者更新。成本许多助手按月收费长期下来是一笔不小开支。OpenClaw 开源免费仅需支付服务器和少量API费用如果用云端大模型。扩展性今天做闲鱼明天可能想做淘宝、拼多多。OpenClaw 的框架是通用的你积累的自动化经验可以快速复用到其他平台。2.2 技术栈选型与部署方案我的技术栈选择基于稳定、易维护和低成本的原则OpenClaw 部署采用Docker Compose部署。这是最推荐的方式它能将 OpenClaw 核心、Ollama大模型服务、必要的插件如浏览器控制打包在一起一键启动环境隔离避免依赖冲突。网上搜“docker部署openclaw”能找到很多现成的docker-compose.yml文件。大模型服务本地部署Ollama Qwen2.5:7B。Qwen2.5 在中文理解和指令跟随上表现很好7B参数规模在消费级显卡如 RTX 4060或强一些的CPU上都能流畅运行。如果硬件受限可以考虑使用 DeepSeek 等提供的免费API但响应速度和隐私性会打折扣。浏览器自动化Playwright。这是实现“自动回复”和“监控”的核心工具。相比于 SeleniumPlaywright 对现代Web应用的支持更好速度更快并且能更可靠地处理单页应用SPA。我们将为 OpenClaw 编写一个自定义的 Playwright Skill。自动发货后端一个简单的Python Flask / FastAPI 服务。这个服务负责接收闲鱼订单信息然后去货源平台如1688、拼多多代下单并回填物流单号。它独立于 OpenClaw通过 HTTP API 与 OpenClaw 的“发货”技能通信。运行环境一台Ubuntu 系统的云服务器2核4G以上或家中的Windows/Linux 常开电脑。确保网络稳定。注意在开始部署前请务必准备好一个专门用于自动化的闲鱼账号。不建议用主号直接测试以防因自动化行为触发平台风控导致限流或封禁。新号也需要先养一段时间模拟正常用户行为。3. 核心模块一基于 OpenClaw 的智能自动回复系统实现自动回复不是简单的关键词匹配那样生硬且容易被识别为机器人。我们的目标是打造一个“拟人化”的智能客服。3.1 环境搭建与 OpenClaw 配置首先通过 Docker Compose 拉起服务。一个简化的docker-compose.yml示例如下version: 3.8 services: openclaw: image: openwebui/openclaw:latest container_name: openclaw ports: - 3000:3000 volumes: - ./data:/app/data - ./skills:/app/skills # 挂载自定义技能目录 environment: - OLLAMA_BASE_URLhttp://ollama:11434 depends_on: - ollama restart: unless-stopped ollama: image: ollama/ollama:latest container_name: ollama ports: - 11434:11434 volumes: - ./ollama:/root/.ollama restart: unless-stopped启动后访问http://你的服务器IP:3000进入 OpenClaw WebUI。首先需要在设置中配置大模型端点指向 Ollama 服务 (http://ollama:11434)并选择qwen2.5:7b模型。接下来是关键安装或开发浏览器控制技能。OpenClaw 社区可能有现成的playwright或browser-use技能。如果没有我们需要自己开发一个。核心思路是这个技能提供一个工具Tool给 OpenClaw 调用比如navigate_to_url(url),get_page_content(),fill_input(selector, text),click(selector)。3.2 闲鱼消息监控与获取我们不能让 OpenClaw 一直盲目刷新页面。更高效的方式是结合闲鱼的消息机制。虽然闲鱼没有开放官方消息API但我们可以通过浏览器自动化实现。登录与会话保持编写一个脚本使用 Playwright 打开闲鱼网页版扫码登录并将浏览器上下文Context的 Cookies 和 LocalStorage 保存下来。以后每次启动都加载这个会话状态避免重复登录。消息轮询编写一个后台进程可以是一个独立的 Python 脚本也可以作为 OpenClaw 的一个后台任务定期如每30秒使用保存的会话打开闲鱼“消息”页面。解析新消息使用 Playwright 定位消息列表元素解析出未读消息的发送者、商品链接、消息内容、时间戳。这里需要仔细研究闲鱼网页版的DOM结构因为它的前端框架可能会变。一个重要的技巧是只获取时间戳比上次检查时间更新的消息避免重复处理。触发 OpenClaw当检测到新消息时将消息内容、发送者昵称、关联商品标题等信息通过 OpenClaw 的 API 或直接作为输入传递给一个专门处理闲鱼回复的“技能”。3.3 智能回复策略设计与 Prompt 工程这是体现“智能”的核心。我们不能让大模型自由发挥必须给它明确的指令和边界这就是 Prompt 工程。我们为 OpenClaw 创建一个名为handle_xianyu_message的技能。这个技能被触发时会收到结构化的消息数据。它的核心 Prompt 可以这样设计你是一个专业的闲鱼二手商品卖家客服。请根据以下买家的消息和商品信息生成一段友好、专业、促进成交的回复。 【商品信息】 标题{商品标题} 价格{商品价格}元 【买家消息】 {买家消息内容} 【买家昵称】 {买家昵称} 【回复要求】 1. 语气亲切自然像真人聊天使用适当的表情符号如、。 2. 首要目标是解答买家疑问消除顾虑。 3. 如果买家问“在吗”不要只回“在”要主动询问对方有什么问题。 4. 如果买家砍价不要直接拒绝。先表示理解然后强调商品优点如成色新、包邮或给出一个小幅让步如“诚心要的话可以小刀一点”引导对方私聊。 5. 如果买家问发货时间统一回复“亲付款后当天下午4点前发货哦快递一般走XX通您看可以吗” 6. 如果买家的问题涉及商品细节颜色、尺寸、型号而信息不全请根据商品标题合理推断并说明“根据描述应该是XX具体我再看下确认回复您”。 7. 绝对不要承诺平台不允许的事情如线下交易、微信交易。 8. 回复长度控制在1-3句话内。 9. 直接输出回复正文不要加引号不要输出任何其他解释。 请生成回复这个 Prompt 做了几件事设定角色明确 AI 的身份。提供上下文给 AI 足够的背景信息。设定规则和边界规定了各种常见场景下的回复策略确保合规且有效。控制输出格式要求直接输出回复内容便于后续自动化发送。实操心得Prompt 需要不断迭代。初期我会让系统把所有生成的回复和对话记录都保存下来定期人工复查发现回复不当的案例然后反过来优化 Prompt。例如发现 AI 对“最低多少”这种砍价回复太生硬就在 Prompt 里增加更具体的砍价应对模板。3.4 自动执行回复与状态管理OpenClaw 的handle_xianyu_message技能在生成回复文本后需要调用另一个工具来执行“发送”动作。调用浏览器工具技能将生成的回复文本、以及目标消息的界面元素选择器在步骤3.2中可获取作为参数调用 Playwright 技能提供的fill_and_send_message(selector, text)工具。模拟人工操作Playwright 脚本会定位到闲鱼消息输入框填入回复文本并模拟点击“发送”按钮。这里必须加入随机延迟如输入每个字符间隔0.1-0.3秒模仿真人打字速度这是避免被检测的关键。更新状态发送成功后在本地数据库或文件中标记该条消息为“已回复”并记录回复时间和内容。这既是状态管理也为后续的数据分析提供素材。错误处理网络超时、元素定位失败、发送按钮不可点击等情况都必须考虑。代码中需要加入重试机制如最多重试3次和异常捕获。如果失败应将任务放入重试队列并记录日志告警。至此一个从监控、理解、生成到发送的闭环自动回复系统就完成了。它不仅能处理常见问答还能进行简单的议价沟通极大提升了客服效率。4. 核心模块二全链路自动发货系统集成自动回复解决了“售前”问题自动发货则要解决“售后”的繁琐。我们的目标是买家在闲鱼付款 - 系统自动去货源平台下单 - 自动获取物流单号 - 自动回填到闲鱼并通知买家。4.1 订单监听与信息抓取同样闲鱼没有提供订单Webhook我们需要主动抓取。监听“我卖出的”页面编写另一个后台监控进程定期如每5分钟检查闲鱼“我卖出的”页面中状态为“待发货”的订单。使用 Playwright 提取关键信息闲鱼订单号、买家收货人、电话、地址、商品规格、买家留言。关键点买家留言里可能包含颜色、尺码等关键信息必须准确抓取并传递给下单系统。数据清洗与格式化抓取到的地址信息可能不规范如“北京市北京市海淀区”需要简单的清洗逻辑。将订单信息格式化为一个标准的 JSON 对象。触发发货流程将 JSON 数据通过 HTTP POST 请求发送给“自动发货后端服务”前面提到的 Flask/FastAPI 服务。4.2 货源平台自动下单实现这是技术难点因为不同货源平台1688、拼多多、淘宝的反爬和登录机制不同。这里以拼多多代下单为例因其接口相对容易模拟。维护货源商品映射在本地数据库维护一张表记录你的闲鱼商品ID与拼多多商品ID/链接的对应关系。模拟登录与会话维持使用requests库或playwright模拟登录拼多多并维护有效的 Cookie。拼多多登录较复杂可能需要处理验证码。一个取巧的办法是使用手机端扫码登录的接口或者购买稳定的商业 Cookie 池服务注意安全。调用下单接口分析拼多多下单页面的网络请求找到创建订单的 API 接口。使用抓取的闲鱼订单信息收货地址、规格作为参数模拟调用该接口。这里需要仔细处理商品SKU、价格、优惠券等参数。获取物流单号下单成功后拼多多会返回一个内部订单号。我们需要监控这个订单的发货状态通过调用“获取物流信息”的接口抓取快递公司和运单号。踩坑实录地址解析与规格匹配坑1地址二级联动。拼多多下单接口通常需要省市区三级编码而不是文本。我们需要一个地址库将文本地址如“浙江省杭州市西湖区”转换为对应的编码。可以使用高德或腾讯的地图API或者维护一个本地的地址映射表。坑2商品规格匹配。买家在闲鱼留言“要黑色L码”但拼多多对应的SKU属性值可能是“颜色分类黑色尺码L”。这需要一个灵活的映射规则配置。我的做法是在货源映射表里增加一个“规格转换规则”字段用JSON描述闲鱼描述词到拼多多SKU属性值的映射关系。4.3 闲鱼自动填写发货信息获取到快递公司和运单号后流程回溯到闲鱼端。OpenClaw 发货技能我们开发另一个 OpenClaw 技能ship_xianyu_order。当发货后端服务准备好物流信息后调用此技能。浏览器自动化发货该技能驱动 Playwright 打开闲鱼对应订单的“发货”页面。选择对应的快递公司从拼多多返回的快递公司名称需要映射为闲鱼支持的快递列表填入运单号。模拟点击发货点击“确认发货”按钮。同样操作间加入随机延迟。状态同步与通知发货成功后在本地数据库更新订单状态为“已发货”并可以调用 OpenClaw 的“通知”技能给买家发送一条温馨提示“亲您购买的宝贝已发货快递公司XX单号XXXX请注意查收哦~”4.4 异常处理与人工兜底全自动流程必须考虑异常。下单失败货源平台无货、价格变动、地址不支持配送等。此时系统应记录失败原因并将订单标记为“异常”同时通过飞书/钉钉/webhook 通知我人工处理。物流单号获取延迟有些货源平台发货慢。系统应设置一个超时时间如12小时超时后通知人工介入催促上家。闲鱼发货失败页面改版、元素定位失败。系统重试数次后告警并保存好物流信息方便人工复制粘贴。我设计了一个简单的管理后台展示所有订单状态待处理、已下单、已发货、异常异常订单一目了然确保整个流程虽有自动化但关键节点仍在掌控之中。5. 系统优化、风控对抗与实战心得系统跑起来只是第一步要长期稳定运行必须持续优化和对抗平台风控。5.1 行为模拟与反检测策略闲鱼对自动化行为的打击越来越严。我们必须让机器人看起来像真人。随机化操作间隔所有定时任务检查消息、检查订单不要使用固定间隔。使用随机间隔如random.uniform(25, 65)秒模拟人工操作的不规律性。模拟人类输入在输入文本时不要一次性type_text()而是拆分成单个字符每个字符输入间隔随机。鼠标移动轨迹也可以加入随机偏移。操作时间人性化避免在深夜如凌晨2-5点频繁进行消息检查和回复。可以通过设置一个每日活跃时间窗口来调节。多账号轮询如果业务量大可以考虑部署多个闲鱼账号系统在不同账号间轮换操作降低单个账号的活跃密度。浏览器指纹伪装使用 Playwright 可以创建多个具有不同 User-Agent、屏幕分辨率、时区等参数的浏览器上下文进一步伪装。5.2 OpenClaw 技能管理的进阶技巧随着技能增多管理变得重要。技能编排OpenClaw 支持技能链式调用。例如可以创建一个process_new_order主技能它内部按顺序调用fetch_order_info-place_source_order-track_logistics-fill_shipment等子技能逻辑更清晰。上下文记忆利用 OpenClaw 的会话记忆功能让 AI 记住与某个买家的历史对话。这样当买家再次咨询时AI 能给出更连贯、个性化的回复而不是每次都当成全新对话。本地知识库将常见的商品问答、售后政策整理成文档通过 RAG检索增强生成技术让 OpenClaw 在回复时优先参考这些准确信息减少 AI 胡编乱造的概率。5.3 数据监控与业务分析自动化不是为了完全不管而是为了管得更高效。关键指标监控我搭建了 Grafana 看板监控核心指标消息响应平均时长、订单自动发货成功率、异常订单率、AI 回复被买家投诉率等。聊天记录分析定期导出 AI 的回复记录分析哪些问题的回复不够好比如议价失败率高针对性优化 Prompt。也分析买家常问的问题反过来优化商品详情页的描述减少咨询量。成本与效益分析统计自动化为我节省的时间对比服务器和 API 的成本。对我来说一台每月几十块的轻量服务器换来了每天数小时的人力释放ROI 非常高。5.4 我踩过的那些“坑”与解决方案坑OpenClaw 服务莫名挂掉。早期使用 Docker run 直接运行偶尔会崩溃。解决方案改用 Docker Compose 并配置restart: unless-stopped。同时使用一个简单的监控脚本定时检查服务健康端口失败后发送告警并尝试重启。坑闲鱼页面改版导致元素定位失败。这是必然会发生的事。解决方案不要用绝对且易变的 CSS 选择器。优先使用>