基于 OpenClaw 与 Claude 的自动化写作工作流搭建

这是一套从信息获取到发布的 AI 工作流。

一、为什么搭建这套系统？

信息过载的困境

持续关注 AI 领域会感受到信息量巨大：

信息太多了。

每天打开 X、公众号、GitHub、技术社区，都会冒出大量新内容。AI 模型更新、工具更新、Agent 框架、自动化方案……

想跟上这些信息，本身就已经是一项工作。

手动写作的低效循环

此外还需要：

• 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。

许多创作者面临同样状态：

想持续输出，但写作本身占用了太多时间。

关键问题

后来开始思考一个问题：

如果写作这件事可以被"系统化"，会发生什么？

于是，不再把 AI 当成写作工具。 而是开始搭一套完整的 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，是这样：

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%

而是：

• 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：

AI 只帮你完成了 10% 的工作

解决方案

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"

目标是搭一套：

从信息输入 → 写作 → 发布 能够自动运转的系统。

三、系统全貌：完整 AI 写作工作流

经过一段时间的搭建，现在的写作流程大致如下：

整个流程已经基本打通。

现在不再手动整理信息， 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。

下面分享这套系统是如何运转的。

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，一直是最耗时间的：找信息

以前需要：

• 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。

现在把这一步完全交给 AI。

配置指令

"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"

执行逻辑

它自己：

• 安装了 bird CLI 工具（用浏览器 Token 抓取 X 数据）
• 写了 fetch_github_direct.py（调用 GitHub API）
• 写了 fetch_wechat.sh（接入第三方公众号 API）
• 写了 fetch_aibot.py（爬取 AI 网站，还加了日期过滤）

无需手动编写代码。

现在系统每天会自动收集：

• AI 行业动态
• 热点讨论
• GitHub 趋势
• 技术更新

然后统一汇总。

这一步完成后，基本不再手动刷信息。 所有内容会自动进入下一环节。

第二步：生成每日 AI 日报与写作素材池

信息抓取只是第一层。

真正有用的是：把信息变成可以使用的素材

现在系统每天会自动完成：

• 信息分类
• 核心内容提取
• 简要总结
• 形成日报

配置指令

"每天早上 9 点，把这些信息整理成'卡片式日报'，分类展示：📚 公众号精选🔥 X 全网突发🚀 GitHub 黑马🧠 AI 行业动态"

执行逻辑

设置了一个定时任务（Cron Job）。

每天早上 9 点，自动：

1. 执行所有抓取脚本
2. 用 AI 解析和总结内容
3. 生成格式化的日报
4. 同时推送到两个地方：
   • Telegram（手机立即查看）
   • Obsidian（永久归档到笔记库）

主要优势

写作不再从 0 开始

准备写一篇内容时， 已经有整理好的素材与结构参考。

写作从"构思" 变成了"加工"。

第三步：在 Obsidian 中用 AI 完成写作

写作中枢放在 Obsidian。

所有日报、素材、想法都会自动进入这里， 形成一个持续积累的内容库。

素材库已经就绪

每天早上 9 点，OpenClaw 已经把整理好的日报：

• 推送到 Telegram（即时查看）
• 自动写入 Obsidian（永久归档）

打开 Obsidian，素材已经躺在那里等我了。

在 Obsidian 中写作：

这里用的是 Claude 插件（Claude 模型直接集成在 Obsidian 中）。

Prompt 示例：

"基于今天日报中的'AI Agent 零代码实现'这个话题，帮我生成一篇公众号文章的初稿。
从我的素材库中调取相关案例，按照这个结构展开：为什么需要零代码我的实现过程实战案例工具清单"

Claude 在 Obsidian 中完成：

• 检索素材库（已发布内容、金句库、案例库）
• 生成结构化初稿
• 自动引用相关笔记链接
• 保持写作风格

角色转变

在真正写文章时：

AI（Claude）会辅助完成：

• 初稿生成
• 结构整理
• 内容扩展
• 语言优化

而只需要做一件事：

最后的思考与判断

写作从过去的"体力活"， 变成了现在的"决策型工作"。

这也是最明显的感受变化。

第四步：配图与多平台发布自动化

写完文章并不代表结束。

还需要：

• 配图
• 排版
• 发布公众号
• 同步小红书
• 同步 X

这些曾经是最耗时间的重复操作。

自动化实现

现在这一步也被逐渐自动化：

• AI 生成配图
• 自动适配不同平台
• 自动发布或半自动发布

闭环形成

于是，完整流程就形成了闭环：

信息输入 → 写作 → 发布 基本实现自动运转 

五、这套系统带来的改变

搭建这套 AI 写作工作流之后， 最大的变化不是写得更快。

而是：

写作变得稳定了

• 过去写作靠情绪与时间
• 现在写作靠系统

信息焦虑明显减少

• 不再担心错过信息
• 因为系统每天都在自动获取

输出不再依赖意志力

• 只需要在系统里完成最后一步

某种程度上，这更像是：

给自己搭建了一支 AI 内容团队

结语：AI 改变的是工作方式

在这个过程中，逐渐意识到一件事：

AI 真正改变的不是写作 而是一个人的工作方式

现在做的，也不只是用 AI 写文章。

而是在搭一套：

属于自己的 AI 工作系统

它会随着时间不断迭代， 也会成为未来所有工作的基础设施。