一、为什么搭建这套系统
信息过载的困境
持续关注 AI 领域时，常面临同样的感受：信息量过大。
每天打开 X、公众号、GitHub、技术社区，都会涌现大量新内容。AI 模型更新、工具迭代、Agent 框架、自动化方案层出不穷。跟上这些信息本身已成为一项工作。
手动写作的低效循环
此外，整理信息、寻找选题、撰写文章、配图及多平台发布等步骤若全部手动完成，写作将变得极度消耗精力。
曾有一段时间处于这种状态：想持续输出，但写作过程占用了过多时间。
关键思考
后来开始思考一个问题：如果写作可以被系统化，会发生什么？
不再将 AI 仅视为写作工具，而是尝试搭建一套完整的 AI 写作工作流。
二、思路转变：从优化写作到优化流程
大多数人的 AI 写作方式
大多数人使用 AI 写作的方式是：
打开 AI → 输入 Prompt → 生成文字
这确实能提高效率，但很快会发现写作真正耗时的并非生成那一段文字。
AI 只完成了部分工作
真正的耗时环节包括：
- 获取信息的渠道
- 素材整理方法
- 选题形成逻辑
- 文章组织结构
- 配图处理
- 多平台发布
如果这些步骤依赖手动，AI 仅完成了约 10% 的工作。
解决方案
决定改变思路：不再优化单篇文章的写作，而是优化整个写作流程。
目标是搭建一套从信息输入到写作再到发布的自动运转系统。
三、系统全貌：完整 AI 写作工作流
经过一段时间搭建，现在的写作流程如下：
整个流程已基本打通。不再手动整理信息，也很少从零开始写文章，更像是在已准备好的系统中完成创作。
核心工具清单：OpenClaw (AI Agent 自动化中枢)、Obsidian (知识库)、Telegram (消息推送)、bird CLI (Twitter 数据)、GitHub API (开源动态)、Dajiala API (公众号监控)。
四、核心环节拆解：五步实现自动化
第一步：让 AI 自动获取信息
写作的第一步通常是找信息，也是最耗时间的。
以前需要手动刷 X、看 GitHub 趋势、浏览 AI 新闻、收藏素材。现在将这一步完全交给 AI。
配置指令示例
"我想每天自动获取这些信息：Twitter/X 上的 AI 热点讨论、GitHub 的今日热榜（24 小时内高星项目）、微信公众号（新智元、机器之心、量子位）的最新文章、AI 垂直网站（ai-bot.cn）的今日更新"
OpenClaw 执行操作
它自动完成以下任务：
- 安装
birdCLI 工具（通过浏览器 Token 抓取 X 数据） - 编写
fetch_github_direct.py（调用 GitHub API） - 编写
fetch_wechat.sh（接入第三方公众号 API） - 编写
fetch_aibot.py（爬取 AI 网站并添加日期过滤）
用户无需编写代码。系统每天自动收集 AI 行业动态、热点讨论、GitHub 趋势及技术更新，然后统一汇总。
