应搭建检索-制表一体化自动化工作流，具体包括：一、用OpenClaw串联web-search、Qwen模型与table-generator生成Excel；二、用LangChain编排本地Qwen3-1.7B流水线；三、用n8n可视化集成千问API转CSV；四、用Whisper+Qwen3.5-9B实现音视频到表格端到端处理；五、复用OpenClaw技能市场预置模板快速执行。
☞☞☞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☜☜☜
如果您需要将日常办公中分散的检索、整理与制表任务串联为一次性执行的闭环流程，则可能是由于手动切换多个工具导致效率中断、数据错位或格式不一致。以下是实现从自然语言检索请求到结构化表格输出的全流程自动化工作流搭建步骤：
一、构建检索-处理-制表三阶段链式工作流
该方法通过OpenClaw调度千问模型完成意图识别、内容提取与结构化生成，避免人工在浏览器、文档编辑器和电子表格间反复跳转。核心在于将“查什么”“取哪些字段”“怎么排版”三个动作封装为可复用的技能链。
1、在OpenClaw中创建新工作流，命名为“检索制表一体化”。
2、添加第一个节点：选择“web-search”技能，配置搜索引擎API密钥并设定超时阈值为8秒。
3、添加第二个节点：连接至“qwen3.5-9b”模型，输入提示词模板：“请从以下网页摘要中提取符合要求的字段：公司名称、成立时间、注册资本、法定代表人；若原文未提供某字段，请填‘未提及’；严格按JSON格式输出，键名小写，不加额外说明。”
4、添加第三个节点：启用“table-generator”技能，将上一步JSON输出自动映射为Excel兼容的二维数组，并指定列顺序为["company_name", "established_at", "registered_capital", "legal_representative"]。
5、设置最终输出动作：调用“file-saver”技能，保存为~/Desktop/automated_report_{{timestamp}}.xlsx，启用UTF-8编码与自动列宽适配。
二、使用LangChain编排轻量级检索制表流水线
该方法适用于无OpenClaw环境但具备Python运行能力的场景，利用LangChain的RunnableSequence串联Qwen3-1.7B模型与本地工具，全程不依赖外部服务。重点在于将网页抓取、字段抽取与表格写入封装为原子化Runnable。
1、安装必要依赖：pip install langchain-community qwen-openai lxml openpyxl。
2、定义检索工具函数get_search_results(query: str)，使用requests+BeautifulSoup解析前3条百度搜索结果摘要。
3、初始化Qwen3-1.7B本地模型实例，加载GGUF量化权重文件路径为~/models/qwen3-1.7b-q4_k_m.gguf。
4、构建RunnableSequence：SearchTool → PromptTemplate（含字段抽取指令） → Qwen3_1_7B → JsonOutputParser → ExcelTableWriter。
5、执行流水线：invoke({"query": "2026年杭州人工智能企业TOP10"})，输出文件自动落盘至指定目录。
三、基于n8n+千问API的可视化低代码流程
该方法面向非技术人员，通过n8n图形界面拖拽组件完成流程编排，千问大模型作为AI处理中心承担语义理解与结构化转换职责。所有节点均支持失败重试与错误日志捕获，确保制表环节不因单次检索失败而中断。
1、在n8n中新建Workflow，添加“HTTP Request”节点，URL填写目标网站API或RSS源地址。
2、添加“Code”节点，编写JavaScript脚本清洗原始HTML，仅保留正文段落与表格标签。
3、添加“HTTP Request”节点二次调用千问API：POST至https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation，携带Authorization头与含system_prompt的JSON载荷。
4、system_prompt内容为：“你是一个专业办公助手，请将输入文本转化为标准Excel表格数据。输出必须为纯CSV格式，首行为英文标题行，字段包括：item_name, spec, quantity, unit_price, total_price；禁止任何解释性文字、Markdown符号或空行。”
5、添加“Spreadsheet File”节点，将上一步响应体直接写入.xlsx文件，启用“Auto-detect delimiter”选项并勾选“First row as header”。
四、本地部署Whisper+千问3.5-9B实现音视频内容到表格的端到端转化
该方法解决会议录音、培训视频等非结构化音视频资料难以批量转化为可统计表格的问题。通过语音转文字→关键信息抽取→字段对齐→表格生成四级流水，全部运行于本地设备，保障敏感内容不出域。
1、使用whisper.cpp对MP3会议录音执行离线转录，输出TXT文件至~/recordings/transcript_20260417.txt。
2、调用OpenClaw的“file-reader”技能读取该文件，并将全文截断为每段不超过3000字符的块，逐块送入千问3.5-9B模型。
3、每块文本使用固定prompt：“请识别发言者提出的采购需求，提取供应商名称、产品型号、需求数量、交付周期（单位：天）、预算金额（单位：万元），若某字段缺失则填‘待确认’；仅输出标准JSON数组，每个对象对应一个需求项。”
4、合并所有模型返回的JSON数组，去重后传入“csv-to-excel-converter”技能，强制类型校验：quantity转为整数，delivery_days转为数字，budget_amount保留两位小数。
5、启用“notification-sender”技能，在表格生成完成后向企业微信发送带附件链接的提醒消息，链接有效期设为2小时。
五、通过OpenClaw技能市场复用预置“检索制表”模板
该方法最快启动，直接调用社区验证过的标准化技能包，省去从零配置模型参数与提示词的时间。所有模板均经过M1/M2芯片Mac及Windows WSL2环境实测，支持一键导入与参数微调。
1、运行openclaw marketplace browse命令，筛选关键词“table-generation”与“search-to-csv”。
2、定位模板ID为oc-skill-qwen-tableflow-v2.3，执行openclaw marketplace install oc-skill-qwen-tableflow-v2.3。
3、进入模板配置界面，修改三项必填参数：search_engine: bing、output_format: xlsx、field_mapping: {"name":"标题","date":"发布日期","source":"来源"}。
4、保存配置后，在终端执行openclaw exec "生成近7天AI行业融资事件汇总表，字段含公司名称、融资轮次、金额、投资方"。
5、等待约90秒，检查~/Documents/AutoReports/目录下是否生成带时间戳的.xlsx文件，确认列名与数据完整性。
