可行路径包括：一、启用OpenClaw微信插件并配置记账Skills；二、飞书机器人+OpenClaw Webhook联动；三、OCR截图识别补录；四、微信PC端日志监控；五、多群监听与去重合并。
☞☞☞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☜☜☜
如果您在微信群中频繁参与红包收发，但难以手动追踪每笔金额与领取明细，则可能是由于缺乏自动化归集工具。以下是实现微信红包自动统计的可行路径：
一、启用OpenClaw微信插件并配置记账Skills
该方法依赖OpenClaw已适配的微信端插件能力，通过自然语言解析群消息中的红包关键词，触发结构化提取逻辑，将金额、发送者、时间等字段写入指定表格。
1、确认OpenClaw v2026.3.31或更高版本已在本地电脑部署并正常运行。
2、打开微信 → 我 → 设置 → 插件 → 搜索并安装「微信 ClawBot」插件。
3、在插件详情页开启“群消息监听”权限，并授权读取含“红包”字样的文本消息。
4、进入OpenClaw Skills管理界面，启用预置Skill：「微信群红包识别与归档」。
5、在Skill配置项中指定目标飞书多维表格链接，并映射字段：红包金额→数字列、发送人→文本列、领取状态→单选列（待领/已领/过期）。
二、使用飞书机器人+OpenClaw Webhook联动方案
此方案绕过微信客户端限制，借助飞书作为中间枢纽，由OpenClaw主动向飞书机器人推送解析结果，再由飞书机器人反向同步至微信对话，形成闭环反馈链路。
1、在飞书管理员后台创建自定义机器人，获取Webhook地址。
2、在OpenClaw Memory模块中新增一条持久化规则：“当检测到微信聊天记录含‘恭喜发财’或‘手慢无’且含金额数字时，触发Webhook POST请求。”
3、设置POST payload格式为JSON，包含字段：sender、amount、timestamp、group_name。
4、在飞书机器人响应逻辑中添加解析脚本，自动判断该红包是否已被领取（依据后续消息中是否出现“已领取”“抢到了”等关键词）。
5、将解析结果以卡片形式推送到指定飞书群，并同步更新共享表格中的领取状态列。
三、基于OCR截图识别的离线补录机制
针对部分无法被插件实时捕获的红包消息（如被折叠、撤回或非文字形态），可启用本地OCR能力对微信会话截图进行二次识别，确保数据完整性。
1、在OpenClaw Skills库中启用「WeChat Screenshot OCR」技能。
2、将微信聊天窗口缩放至100%，截取含红包消息的完整区域（需包含红包封面图及下方文字描述）。
3、将截图拖入OpenClaw桌面端Drop Zone，系统自动调用Tesseract-OCR引擎识别。
4、识别后高亮显示金额数字与发送人昵称，弹出确认弹窗供人工核对。
5、点击确认后，自动将结构化数据追加至飞书表格末行，并标记来源为“OCR补录”。
四、配置微信PC端日志文件监控模式
该方式直接读取微信PC版本地存储的加密日志文件，在不依赖插件API的前提下，通过解密与正则匹配提取红包事件原始记录。
1、定位微信PC端日志路径：C:\Users\[用户名]\Documents\WeChat Files\[账号ID]\Msg\
2、在OpenClaw Gateway模块中启用“MsgDecryptor”扩展，加载微信日志解密密钥（需用户手动输入绑定手机收到的验证码生成）。
3、设置监控规则：每30秒扫描最新.db文件，匹配正则表达式“红包.*?(\d+\.\d{2})元.*?from:(\w+)”。
4、提取成功后，将金额与发送方写入临时缓存队列，等待网络可用时批量提交至飞书表格。
5、每次提交完成后，在本地日志中标记对应记录偏移量，避免重复解析。
五、启用多群并行监听与去重合并策略
当用户同时加入多个红包活跃群时，需防止同一红包因跨群转发导致重复计数，该方案通过红包唯一标识（如微信内部msgId哈希值）实现全局去重。
1、在OpenClaw Agent配置中开启“Multi-Group Deduplication”开关。
2、系统自动为每个识别到的红包生成SHA-256哈希值，基于msgId+timestamp+amount三元组计算。
3、所有群监听通道的数据统一写入Redis内存数据库，键名为哈希值，值为完整红包对象。
4、写入前执行EXISTS校验，若键已存在则跳过本次入库，仅更新last_seen_time字段。
5、每日凌晨2点自动触发去重报表生成，输出至飞书表格“重复拦截日志”子表单。
