核心用法
OpenCard 是一款面向 OpenClaw 用户的个人名片生成工具，其核心工作流分为四步：数据采集 → 文案生成 → HTML 预览 → PNG 导出。首先通过 collect-data.py 从本地工作区文件（USER.md/IDENTITY.md/MEMORY.md）和运行时配置中提取身份信息、会话统计与技能数据，归一化为稳定 schema；随后由 AI agent 基于提取的上下文素材生成 recent_focus（近期关注）和 openclaw_review（个性点评）两个核心文案字段；再通过 render-background-card.py 将数据与背景图合成为 HTML 预览；最终经用户确认后由 export-background-card.sh 调用 Playwright + Chrome 导出 PNG 成品。
显著优点
- 数据真实可信：严格只读本地数据源，不编造用户档案，所有统计字段（token 用量、技能数量、平台分布）均来自实际会话记录
- 文案智能生成：AI 基于用户真实记忆片段生成个性化 slogan 和洞察点评，避免千篇一律的模板化介绍
- 视觉高度可控：支持背景图合成模式，用户可迭代调整布局、字体、色彩体系，输出海报级品质
- 隐私设计严谨：会话内容采用字段级过滤，仅提取元数据不读取消息正文；敏感文件摘录仅在本地模型或用户知情下外传
- 模块化依赖：HTML 预览仅需 Python，PNG 导出依赖 Node/Playwright，分离清晰便于按需部署
潜在局限
- 导出依赖较重：PNG 生成功能需 Node 18+、Playwright-core 及本地 Chrome/Chromium，无法完全零配置开箱即用
- 外部资源依赖：默认背景图和 Google Fonts 需网络请求，离线环境需手动替换本地资源
- 文案质量波动：AI 生成的点评效果高度依赖
memory_bullets的质量，新用户或低频使用者可能输出空泛 - 平台识别有限：部分非主流接入方式（自定义 webhook、私有部署等）可能无法正确归一化为友好平台名
- 无实时更新机制：名片为一次性导出产物，非动态链接，用户状态变更后需重新生成
适合人群
- OpenClaw 深度用户，希望将 AI 使用数据转化为可分享的个人品牌资产
- 技术创作者、AI 博主、产品经理等需要「数字身份名片」的职业群体
- 注重隐私、希望数据不出本地的安全意识型用户（配合本地模型使用）
- 追求视觉品质、愿意投入时间迭代设计的细节控用户
常规风险
- 云端模型数据外泄：若 agent 使用云端 LLM，
copy_inputs中的本地文件摘录将被发送至模型提供商，敏感信息可能暴露 - 临时文件残留：数据 JSON 和 HTML 预览文件默认输出到临时目录，使用后需主动清理以防敏感信息泄露
- 浏览器指纹暴露：导出阶段 Chrome 启动会暴露用户机器特征，极高匿名需求场景需谨慎
- 统计口径误解：
token_30d等指标基于本地会话文件解析，若用户手动删除历史会话或存在多设备分散使用，统计可能不完整