前言:自媒体人的痛点 你是否每天花2-3小时在各个平台找热点?整理选题到深夜?发文时发现已经过气?
据行业调研:
📊 自媒体人平均每天浪费3小时 在重复劳动上
⏰ 70%的热点 在发布后2小时内失去流量红利
😫 85%的创作者 没有系统化的工作流
解决方案:OpenClaw + 飞书 + QQ 自动化工作流 本文将带你从零搭建一套完整的自媒体生产系统,实现:
🔥 自动采集 多平台热点(微博、知乎、推特等)
🎯 智能推荐 个性化选题
✍️ AI辅助 内容创作
📤 一键发布 到多个平台
效率提升500% ,让你专注于创作本身。
技术栈介绍 OpenClaw 本地 AI Agent 框架,支持:
多模型接入(GPT、Claude、本地模型)
灵活的工作流编排
丰富的插件生态
飞书
企业级协作平台
开放的 API 接口
多维表格、文档、机器人
QQ
第一部分:环境准备 1.1 系统要求
操作系统 : macOS 12.0+
Node.js : v18.0+
Python : 3.9+
内存 : 至少 8GB RAM
1.2 基础工具安装 1 2 3 4 5 6 7 8 9 10 11 /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh) " brew install node brew install python@3.9 brew install git
1.3 OpenClaw 安装 1 2 3 4 5 6 7 8 9 git clone https://github.com/OpenClaw/openclaw.git ~/openclaw cd ~/openclawnpm install npm run init
第二部分:热点采集系统 2.1 多平台热点采集架构 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ 微博热榜 │ │ 知乎热榜 │ │ 推特趋势 │ └──────┬──────┘ └──────┬──────┘ └──────┬──────┘ │ │ │ └──────────────────┼──────────────────┘ ▼ ┌───────────────┐ │ OpenClaw Agent │ │ 热点采集器 │ └───────┬───────┘ ▼ ┌───────────────┐ │ 飞书多维表格 │ │ 热点数据库 │ └───────────────┘
2.2 实现热点采集 Agent 创建 ~/openclaw/agents/hotspot-collector.js:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 const axios = require ('axios' );class HotspotCollector { constructor ( ) { this .sources = { weibo : 'https://weibo.com/ajax/side/hotSearch' , zhihu : 'https://www.zhihu.com/api/v3/feed/topstory/hot-lists/total' , twitter : 'https://api.twitter.com/1.1/trends/place.json?id=1' }; } async collectWeibo ( ) { try { const response = await axios.get (this .sources .weibo ); const hotspots = response.data .data .realtime ; return hotspots.map (item => ({ platform : '微博' , title : item.word , heat : item.num , category : item.category , url : `https://s.weibo.com/weibo?q=${encodeURIComponent (item.word)} ` , timestamp : new Date ().toISOString () })); } catch (error) { console .error ('微博采集失败:' , error.message ); return []; } } async collectZhihu ( ) { try { const response = await axios.get (this .sources .zhihu ); const hotspots = response.data .data ; return hotspots.map (item => ({ platform : '知乎' , title : item.target .title , heat : item.detail_text , url : item.target .url , timestamp : new Date ().toISOString () })); } catch (error) { console .error ('知乎采集失败:' , error.message ); return []; } } async collectAll ( ) { const results = await Promise .allSettled ([ this .collectWeibo (), this .collectZhihu () ]); const allHotspots = results .filter (r => r.status === 'fulfilled' ) .flatMap (r => r.value ); return allHotspots.sort ((a, b ) => b.heat - a.heat ); } } module .exports = HotspotCollector ;
2.3 配置定时任务 创建 ~/openclaw/scheduler.js:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 const cron = require ('node-cron' );const HotspotCollector = require ('./agents/hotspot-collector' );const collector = new HotspotCollector ();cron.schedule ('0 * * * *' , async () => { console .log ('开始采集热点...' ); const hotspots = await collector.collectAll (); await saveToFeishu (hotspots); console .log (`采集完成,共获取 ${hotspots.length} 条热点` ); }); async function saveToFeishu (hotspots ) { const FeishuAPI = require ('./services/feishu' ); const feishu = new FeishuAPI (); await feishu.appendRows ('你的多维表格Token' , hotspots); }
第三部分:智能选题推荐 3.1 选题分析维度 基于采集的热点,分析以下维度:
热度趋势 : 过去24小时的热度变化
竞争度 : 相关内容数量
时效性 : 热点的生命周期
适配度 : 与你账号定位的匹配度
3.2 AI 辅助选题 创建 ~/openclaw/agents/topic-recommender.js:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 const OpenAI = require ('openai' );class TopicRecommender { constructor ( ) { this .openai = new OpenAI ({ apiKey : process.env .OPENAI_API_KEY }); } async recommend (hotspots, userProfile ) { const prompt = ` 基于以下热点和账号画像,推荐3个最佳选题: 热点数据: ${JSON .stringify(hotspots.slice(0 , 20 ), null , 2 )} 账号画像: ${JSON .stringify(userProfile, null , 2 )} 请分析并返回: 1. 推荐选题(标题) 2. 推荐理由(1-2句话) 3. 预期热度(高/中/低) 4. 竞争难度(高/中/低) 5. 建议发布时间 以 JSON 格式返回。 ` ; const response = await this .openai .chat .completions .create ({ model : 'gpt-4' , messages : [{ role : 'user' , content : prompt }], temperature : 0.7 }); return JSON .parse (response.choices [0 ].message .content ); } } module .exports = TopicRecommender ;
第四部分:内容创作辅助 4.1 AI 写作助手 创建 ~/openclaw/agents/content-generator.js:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 class ContentGenerator { async generateOutline (topic ) { const prompt = ` 为以下主题生成详细的文章大纲: 主题:${topic} 要求: 1. 标题(3个候选) 2. 开头钩子 3. 正文结构(3-5个小标题) 4. 结尾行动号召 5. SEO 关键词建议 ` ; return this .callAI (prompt); } async expandSection (sectionTitle, brief ) { const prompt = ` 扩展以下章节内容: 章节标题:${sectionTitle} 简要说明:${brief} 要求: - 字数:800-1200字 - 风格:轻松有趣 - 包含:案例、数据、金句 ` ; return this .callAI (prompt); } }
4.2 飞书文档集成 自动在飞书中创建文档并填充内容:
1 2 3 4 5 6 7 8 9 10 11 12 async function createFeishuDocument (topic, outline ) { const FeishuAPI = require ('./services/feishu' ); const feishu = new FeishuAPI (); const doc = await feishu.createDocument ({ title : topic, content : this .formatOutline (outline) }); return doc; }
第五部分:自动发布系统 5.1 QQ 机器人集成 创建 ~/openclaw/services/qq-bot.js:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 const { QQBot } = require ('qq-boty' );class Publisher { constructor ( ) { this .bot = new QQBot ({ appId : process.env .QQ_APP_ID , appKey : process.env .QQ_APP_KEY }); } async publishToQQGroups (content, targetGroups ) { for (const groupId of targetGroups) { try { await this .bot .sendMessageToGroup (groupId, content); console .log (`已发布到群 ${groupId} ` ); } catch (error) { console .error (`发布到群 ${groupId} 失败:` , error.message ); } } } async publishToQZone (content ) { await this .bot .publishToQZone (content); } }
5.2 多平台发布 扩展支持更多平台:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 class MultiPlatformPublisher { async publish (content, platforms ) { const tasks = platforms.map (platform => { switch (platform) { case 'qq' : return this .publishToQQ (content); case 'weibo' : return this .publishToWeibo (content); case 'wechat' : return this .publishToWechat (content); default : console .log (`不支持的平台: ${platform} ` ); } }); return Promise .allSettled (tasks); } }
第六部分:完整工作流 6.1 工作流程图 1 2 3 4 5 6 7 8 9 10 graph TD A[定时触发] --> B[采集多平台热点] B --> C[保存到飞书表格] C --> D[AI分析推荐选题] D --> E[人工确认选题] E --> F[AI生成大纲] F --> G[AI扩展内容] G --> H[人工审核编辑] H --> I[一键发布多平台] I --> J[数据反馈优化]
6.2 OpenClaw 工作流配置 创建 ~/openclaw/workflow/media-automation.json:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 { "name" : "自媒体自动化工作流" , "trigger" : { "type" : "cron" , "schedule" : "0 */2 * * *" } , "steps" : [ { "name" : "采集热点" , "agent" : "hotspot-collector" , "action" : "collectAll" } , { "name" : "保存数据" , "service" : "feishu" , "action" : "appendRows" } , { "name" : "推荐选题" , "agent" : "topic-recommender" , "action" : "recommend" } , { "name" : "通知用户" , "service" : "notification" , "action" : "send" , "params" : { "message" : "有新的推荐选题,请查看飞书表格" } } ] }
第七部分:实战案例 7.1 案例1:科技博主的一天 场景 : 科技资讯博主小王
传统方式 :
09:00 浏览微博、知乎找热点
10:00 整理热点到Excel
11:00 选择选题、写大纲
14:00 写完初稿
16:00 编辑配图
18:00 发布到各平台
使用自动化工作流后 :
09:00 自动接收推荐选题
09:15 确认选题,AI生成大纲
10:00 AI生成初稿
11:00 人工润色
12:00 一键发布
节省5小时
7.2 案例2:团队协作模式 场景 : 3人自媒体团队
分工 :
选题官 : 在飞书中查看推荐选题,确认当日方向
创作者 : 使用 AI 辅助快速产出内容
运营 : 一键发布到各平台,监控数据
效果 :
日产出从 3 篇提升到 10 篇
内容质量更稳定
团队协作效率提升 300%
第八部分:高级优化 8.1 数据反馈闭环 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 class AnalyticsLoop { async analyzePerformance (contentId ) { const stats = await this .getPlatformStats (contentId); const bestTime = await this .findBestTime (); const bestTitle = await this .findBestTitle (); await this .updateRecommender ({ bestTime, bestTitle, stats }); } }
8.2 A/B 测试 1 2 3 4 5 6 const titleVariants = await generateTitleVariations (topic);const testResults = await runABTest (titleVariants);const bestTitle = testResults.sort ((a, b ) => b.ctr - a.ctr )[0 ];
第九部分:部署与维护 9.1 本地部署 1 2 3 4 5 6 7 8 9 cd ~/openclawnpm start npm run schedule npm run logs
9.2 服务器部署(可选) 1 2 3 4 5 6 7 8 9 npm install -g pm2 pm2 start ecosystem.config.js pm2 startup pm2 save
第十部分:常见问题与解决方案 Q1: API 配额限制怎么办? A : 使用本地模型 + 云端模型混合策略:
简单任务用本地模型
复杂任务用云端 API
实现请求队列和缓存
Q2: 如何保证内容质量? A :
AI 生成 + 人工审核
设置内容质量检查点
建立内容模板库
Q3: 多平台账号安全? A :
使用环境变量管理密钥
定期更换 Token
设置权限最小化
总结 通过 OpenClaw + 飞书 + QQ 的组合,我们实现了:
✅ 自动化采集 : 多平台热点自动汇聚 ✅ 智能推荐 : AI 辅助选题决策 ✅ 高效创作 : AI 加速内容生产 ✅ 一键发布 : 多平台自动分发 ✅ 数据闭环 : 持续优化效果
效率提升 500% ,让你专注创作本身。
延伸阅读
项目代码 完整代码示例已上传到 GitHub: 📁 github.com/yourname/media-automation
欢迎 Star 和 Fork!
版权声明 : 转载请注明出处作者 : cuizhenjie更新时间 : 2025-03-08