基于 OpenClaw 与 Claude 的自动化写作系统搭建
这是一套高效的 AI 工作流，从信息获取到发布，几乎无需手动干预。
为什么需要这套系统？
信息过载的困境
如果你持续关注 AI 领域，应该会有同样的感受：信息太多了。
每天打开 X、公众号、GitHub、技术社区，新内容层出不穷。模型更新、工具迭代、Agent 框架、自动化方案……想跟上这些信息本身就已经是一项全职工作。
手动写作的低效循环
更别提后续步骤：整理信息、找选题、写文章、配图、发布到各个平台。如果全部手动完成，写作就会变成一件非常消耗精力的事。
我也曾陷入这种状态：想持续输出，但写作本身占用了太多时间。
后来我开始思考一个问题：如果写作这件事可以被'系统化'，会发生什么？于是，我不再把 AI 当成单纯的写作工具，而是开始搭一套完整的 AI 写作工作流。
思路转变：从优化写作到优化流程
大多数人使用 AI 写作的方式是这样的：
打开 AI → 输入一个 prompt → 生成一段文字
这确实能提高效率，但很快会发现：写作真正耗时的，并不是写那一段文字。
AI 只帮你完成了 10% 的工作，剩下的包括：去哪里获取信息、如何整理素材、如何形成选题、如何组织结构、如何配图、如何发布到不同平台。如果这些步骤都靠手动完成，效率提升有限。
所以我决定换一个思路：不再优化'写一篇文章'，而是优化'整个写作流程'。我想搭一套从信息输入 → 写作 → 发布，能够自动运转的系统。
系统全貌：我的完整 AI 写作工作流
经过一段时间的搭建，我现在的写作流程大致变成了这样：
整个流程已经基本打通。现在我每天不再手动整理信息，也很少从 0 开始写一篇文章，更像是在一个已经准备好的系统中完成创作。
核心工具清单如下：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)。
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，一直是最耗时间的：找信息。
以前我需要刷 X、看 GitHub 趋势、看 AI 新闻、收藏素材。这些操作每天重复，且非常碎片化。现在我把这一步完全交给 AI。
配置 OpenClaw 时，我设定了如下指令：
"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 自己做了以下事情：
- 安装了
birdCLI 工具（用浏览器 Token 抓取 X 数据） - 写了
fetch_github_direct.py（调用 GitHub API） - 写了 （接入第三方公众号 API）
