这套 AI 工作流是我目前的核心生产力工具之一。从信息获取到发布，几乎无需手动干预。
为什么搭建这套系统？
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 或技术社区，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、撰写文章、配图、分发到各个平台。如果全部手动完成，写作就会变成一件极度消耗精力的事。
我一度也深陷这种状态：想持续输出，但写作过程占用了太多时间。
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 仅仅当成写作工具，而是开始搭建一套完整的 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那一段文字本身，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。
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到写作再到发布，能够自动运转的系统。
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。现在我每天不再手动整理信息，也很少从零开始写一篇文章，更像是在一个已经准备好的系统中完成创作。
下面简单分享一下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)。
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。
我对 OpenClaw 说：
"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 做了什么？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），还写了 （爬取 AI 网站并加了日期过滤）。我全程没写一行代码。
