OpenClaw+GLM-4.7-Flash：智能购物助手实践

ELSON麦香包

440人浏览 · 2026-03-26 03:19:49

ELSON麦香包 · 2026-03-26 03:19:49 发布

OpenClaw+GLM-4.7-Flash：智能购物助手实践

1. 为什么需要智能购物助手

作为一个经常网购的技术爱好者，我发现自己每个月都会浪费大量时间在比价、凑单和抢优惠券上。最痛苦的是半夜突然想起某件商品可能有折扣，却要强忍睡意打开手机反复刷新页面。直到上个月尝试用OpenClaw+GLM-4.7-Flash搭建了智能购物系统，才真正体会到自动化带来的解放感。

这个组合的核心价值在于：OpenClaw提供了操控浏览器和本地文件的能力，而GLM-4.7-Flash则像大脑一样理解我的购物需求。比如上周我想买一台显示器，只需要对飞书机器人说"帮我找27寸4K显示器，预算2000以内"，系统就会自动完成从搜索到比价的全流程，甚至能识别"历史低价""满减套路"这样的复杂概念。

2. 环境准备与基础配置

2.1 快速部署GLM-4.7-Flash

我选择用ollama部署GLM-4.7-Flash模型，这是目前性价比最高的方案。在Mac终端执行以下命令即可完成安装：

ollama pull glm-4-flash
ollama run glm-4-flash --port 11434

模型启动后会输出类似Listening on http://127.0.0.1:11434的提示，记住这个地址后续配置要用。测试接口是否正常：

curl http://127.0.0.1:11434/api/chat -d '{
  "messages": [{"role": "user", "content": "你好"}]
}'

2.2 OpenClaw的初始化配置

使用npm安装最新版OpenClaw后，重点配置~/.openclaw/openclaw.json的模型部分：

{
  "models": {
    "providers": {
      "glm-local": {
        "baseUrl": "http://127.0.0.1:11434",
        "api": "openai-completions",
        "models": [{
          "id": "glm-4-flash",
          "name": "本地GLM模型",
          "contextWindow": 128000
        }]
      }
    }
  }
}

验证配置是否生效：

openclaw models list
# 应该能看到glm-4-flash显示为可用状态

3. 构建购物自动化技能

3.1 浏览器自动化基础

要让系统能操作电商网站，需要先安装浏览器控制插件。这里我选用Playwright作为底层引擎：

clawhub install browser-automation

安装完成后，在OpenClaw控制台输入测试指令："打开京东并搜索iPhone 15"。如果看到浏览器自动启动并完成搜索，说明基础能力已经就绪。第一次运行时可能会提示登录，建议手动登录并勾选"记住登录状态"。

3.2 价格监控实现方案

核心逻辑是通过定时抓取+智能分析来实现价格监控。我在~/.openclaw/scripts/price_monitor.js中编写了这样的逻辑：

async function checkPrice(url, targetPrice) {
  const page = await clawd.browser.newPage();
  await page.goto(url);
  
  // 智能定位价格元素
  const priceText = await page.evaluate(() => {
    const elements = [...document.querySelectorAll('*')];
    return elements.find(el => 
      el.textContent.includes('¥') && 
      !isNaN(parseFloat(el.textContent))
    )?.textContent;
  });
  
  const currentPrice = parseFloat(priceText.replace(/[^0-9.]/g, ''));
  if (currentPrice <= targetPrice) {
    await clawd.notify(`价格已降至¥${currentPrice}`, '飞书');
  }
}

将这个脚本注册为定时任务：

openclaw tasks create --name "手机价格监控" --script price_monitor.js --cron "0 */2 * * *"

3.3 优惠券智能领取

电商平台的优惠券逻辑往往很复杂，这时候GLM-4.7-Flash的文本理解能力就派上用场了。我设计的工作流是：

抓取页面所有优惠券文本
发送给GLM分析哪些券真正有用
自动点击符合条件的券

关键代码片段：

const coupons = await page.$$eval('.coupon-item', items => 
  items.map(item => item.innerText)
);

const analysis = await clawd.llm.chat({
  model: 'glm-4-flash',
  messages: [{
    role: 'user',
    content: `分析这些优惠券哪些适合购买手机：\n${coupons.join('\n')}`
  }]
});

if (analysis.includes('推荐领取')) {
  await page.click('.coupon-item:has-text("满3000减200")');
}

4. 实战效果与优化心得

经过两周的调优，我的智能购物助手已经能处理这些场景：

定时监控10个收藏商品的价格波动
自动领取符合购物车总价的优惠券
在促销开始前5分钟进入商品页面准备
识别"前N件半价"等限时活动

最惊喜的是上周帮我抢到了秒杀的Switch游戏机。当时设置了"如果价格低于1500立即下单"的规则，系统在0点准时完成所有操作，比我手动操作快了至少20秒。

不过也遇到几个典型问题需要特别注意：

验证码拦截：频繁访问可能触发验证码，解决方案是在配置中增加"delay": 5000参数降低频率
页面结构变化：电商网站经常改版，需要定期更新元素选择器
误判风险：重要操作建议设置为"需确认"模式，比如下单前发送飞书确认

5. 进阶技巧与安全建议

对于想深度使用的朋友，推荐这些实践方案：

多平台比价功能：通过配置不同的网站解析规则，可以让系统同时监控京东、淘宝、拼多多的价格。我在脚本中增加了这样的比价逻辑：

const platforms = {
  'jd': { priceSelector: '.price' },
  'taobao': { priceSelector: '.price-strong' }
};

async function comparePrices(keyword) {
  const results = [];
  for (const [platform, config] of Object.entries(platforms)) {
    const price = await getPrice(platform, keyword, config);
    results.push({ platform, price });
  }
  return results.sort((a, b) => a.price - b.price);
}

安全防护措施：