我用 OpenClaw + 飞书多维表格，搭了一套自媒体内容工厂

发表于 更新于 分类于 阅读次数： 本文字数： 5.7k 阅读时长 ≈ 5 分钟

cover

引言

今年 2 月的一个周五晚上，我同时有三篇文章要发：一篇技术教程、一篇工具评测、一篇周报。三个平台，每个平台的格式要求不一样，光是调整图片尺寸和标题字数就花了我将近两个小时。

发完之后我坐在那里想：这两个小时我本来可以用来写下一篇文章的。

这件事让我下定决心搭一套自动化系统。折腾了三周之后，我找到了 OpenClaw + 飞书多维表格这个组合。现在同样的三篇文章分发，我只需要在飞书表格里点一下”发布”，剩下的事情系统自己处理。

传统内容生产的三大痛点

1. 选题管理混乱

灵感来了就记在备忘录、微信收藏、印象笔记……到真正要写的时候，翻半天找不到。更别提追踪每个选题的状态、优先级、预计发布时间。

2. 重复劳动太多

同一篇文章要发到公众号、知乎、小红书、头条，每个平台的格式要求不同，图片尺寸不同，标题字数限制不同。手工调整一遍至少要 30 分钟。

3. 数据分散难追踪

文章发出去后，各平台的阅读量、点赞数、评论数分散在不同后台，想做数据分析得手工汇总到 Excel，费时费力还容易出错。

我的解决方案：OpenClaw + 飞书多维表格

核心架构

1
2
3
4
5
飞书多维表格（内容中枢）
    ↓
OpenClaw Agent（自动化引擎）
    ↓
多平台分发（公众号/知乎/小红书/头条）

飞书多维表格 作为内容中枢，管理选题库、内容库、发布计划、数据看板。

OpenClaw Agent 作为自动化引擎，监听表格变化，触发内容生成、格式转换、数据同步等任务。

为什么选择这个组合？

飞书多维表格的优势：

  • 强大的视图功能（看板视图、甘特图、日历视图）
  • 丰富的字段类型（单选、多选、关联、公式）
  • 开放的 API，易于集成
  • 团队协作友好

OpenClaw 的优势：

  • 开源可控，可以深度定制
  • 多渠道支持，可以接入飞书机器人
  • 工具沙箱化，安全执行代码
  • 本地部署，数据隐私有保障

实战：搭建内容工厂的 5 个步骤

步骤 1：设计飞书多维表格结构

我创建了 4 张核心表：

1. 选题库表

  • 字段：选题标题、来源、状态（待评估/已排期/已完成）、优先级、预计发布日期、关联文章
  • 视图：看板视图按状态分组，日历视图按发布日期展示

2. 内容库表

  • 字段：文章标题、正文、封面图、标签、字数、创建时间、状态（草稿/待审核/已发布）
  • 视图：列表视图按创建时间倒序

3. 发布计划表

  • 字段：关联文章、目标平台（多选）、发布时间、发布状态、文章链接
  • 视图：甘特图展示发布时间线

4. 数据看板表

  • 字段：关联文章、平台、阅读量、点赞数、评论数、收藏数、更新时间
  • 视图：按文章聚合统计总数据

步骤 2：配置 OpenClaw 环境

1
2
3
4
5
6
7
8
9
# 克隆 OpenClaw 仓库
git clone https://github.com/openclaw/openclaw.git
cd openclaw

# 安装依赖
npm install

# 配置环境变量
cp .env.example .env

在 .env 文件中配置：

1
2
3
4
5
6
# 飞书应用凭证
FEISHU_APP_ID=your_app_id
FEISHU_APP_SECRET=your_app_secret

# OpenAI API（或其他 LLM）
OPENAI_API_KEY=your_api_key

步骤 3：开发飞书集成 Channel Adapter

OpenClaw 的 Channel Adapter 负责接入不同的消息平台。我为飞书开发了一个自定义适配器：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
// src/channels/feishu-adapter.ts
export class FeishuAdapter implements ChannelAdapter {
  async authenticate() {
    // 使用 App ID 和 Secret 获取 tenant_access_token
  }

  async handleInbound(webhook) {
    // 解析飞书 Webhook 事件
    // 支持：表格记录创建、更新、删除
  }

  async sendOutbound(message) {
    // 发送消息到飞书群聊或私聊
  }
}

步骤 4：创建内容生成工作流

核心工作流：从选题到成稿

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
// 监听"选题库"表的状态变化
// 当状态从"待评估"变为"已排期"时触发

async function generateArticle(topic) {
  // 1. 调用 AI 搜索相关资料
  const research = await agent.research(topic.title);

  // 2. 生成文章大纲
  const outline = await agent.createOutline(research);

  // 3. 撰写正文
  const content = await agent.writeArticle(outline);

  // 4. 生成封面图（调用 DALL-E 或 Midjourney）
  const coverImage = await agent.generateImage(topic.title);

  // 5. 写入"内容库"表
  await feishuAPI.createRecord('content_table', {
    title: topic.title,
    content: content,
    cover: coverImage,
    status: '待审核'
  });

  // 6. 更新选题状态
  await feishuAPI.updateRecord('topic_table', topic.id, {
    status: '已完成'
  });
}

步骤 5：实现多平台分发

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
// 监听"发布计划"表的发布时间
// 到达发布时间时自动分发

async function publishArticle(plan) {
  const article = await feishuAPI.getRecord(plan.articleId);

  for (const platform of plan.platforms) {
    let formattedContent;

    switch(platform) {
      case '公众号':
        formattedContent = formatForWechat(article);
        await wechatAPI.publish(formattedContent);
        break;
      case '知乎':
        formattedContent = formatForZhihu(article);
        await zhihuAPI.publish(formattedContent);
        break;
      case '小红书':
        formattedContent = formatForXiaohongshu(article);
        await xiaohongshuAPI.publish(formattedContent);
        break;
    }

    // 更新发布状态
    await feishuAPI.updateRecord('publish_plan', plan.id, {
      status: '已发布',
      link: formattedContent.url
    });
  }
}

实际效果：数据说话

使用这套系统 3 个月后，我的内容生产效率发生了质的变化：

时间成本：

  • 单篇文章从选题到成稿：从 4 小时降到 30 分钟
  • 多平台分发：从 2 小时降到 5 分钟（自动化）
  • 数据汇总：从每周 2 小时降到实时自动更新

产出规模：

  • 每周产出从 2 篇提升到 10 篇
  • 同时运营平台从 2 个扩展到 5 个
  • 内容库积累了 120+ 篇文章

内容质量：

  • AI 辅助研究让文章数据更丰富
  • 自动化排版减少了格式错误
  • 数据看板帮助优化选题方向

有一个数据让我意外：实战教程类文章的阅读量是观点类的 3 倍。这个发现直接改变了我的选题策略，现在我会优先把有实操步骤的内容排在前面。

核心经验总结

1. 表格设计是关键

飞书多维表格的字段设计直接影响工作流的流畅度。我的建议：

  • 用”状态”字段驱动工作流流转
  • 用”关联”字段建立表与表的联系
  • 用”公式”字段自动计算统计数据
  • 用”视图”功能适配不同场景

2. 人机协作，而非完全自动化

AI 生成的内容需要人工审核和润色。我的流程是：

  • AI 负责资料收集和初稿撰写
  • 人工负责审核、调整和优化
  • AI 负责格式转换和分发

这样既保证了效率，又保证了质量。

3. 数据驱动选题优化

通过数据看板，我发现：

  • 实战教程类文章阅读量是观点类的 3 倍
  • 带数据和案例的文章互动率更高
  • 周三和周日发布的文章表现最好

这些洞察帮助我不断优化内容策略。

4. 工具组合的威力

OpenClaw + 飞书只是基础，我还集成了：

  • Notion（知识库管理）
  • Figma（封面设计）
  • Google Analytics（流量分析）
  • Zapier（补充自动化）

工具之间的协同才是真正的生产力。

进阶玩法

1. 智能选题推荐

通过分析历史数据，让 AI 推荐高潜力选题：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
async function recommendTopics() {
  const historicalData = await feishuAPI.getRecords('data_dashboard');
  const topPerformers = analyzeTopPerformers(historicalData);

  const recommendations = await agent.generateTopics({
    based_on: topPerformers,
    count: 10
  });

  // 自动写入选题库
  for (const topic of recommendations) {
    await feishuAPI.createRecord('topic_table', {
      title: topic.title,
      source: 'AI 推荐',
      priority: topic.score
    });
  }
}

2. 评论自动回复

监听各平台的评论，用 AI 生成回复建议：

1
2
3
4
5
6
7
8
9
10
11
12
13
async function handleComments() {
  const comments = await fetchNewComments();

  for (const comment of comments) {
    const reply = await agent.generateReply(comment);

    // 写入飞书待办，人工审核后发送
    await feishuAPI.createTodo({
      title: `回复评论：${comment.content}`,
      suggestion: reply
    });
  }
}

3. 内容 A/B 测试

同一选题生成多个版本，测试哪个标题/开头更吸引人：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
async function abTest(topic) {
  const versions = await agent.generateVariants(topic, count: 3);

  // 分别发布到不同平台或时间段
  for (const version of versions) {
    await publishArticle(version);
  }

  // 48 小时后对比数据
  setTimeout(async () => {
    const winner = await analyzePerformance(versions);
    console.log(`最佳版本：${winner.title}`);
  }, 48 * 60 * 60 * 1000);
}

成本分析

硬件成本：

  • 服务器：阿里云轻量应用服务器 2 核 4G，99 元/月
  • 域名：可选，如果需要公网访问

软件成本：

  • OpenClaw：开源免费
  • 飞书：免费版足够个人使用
  • LLM API：GPT-4 约 300 元/月（根据使用量）

总计： 约 400 元/月，相比雇一个内容编辑（至少 8000 元/月），ROI 极高。

注意事项

1. 数据安全

  • 飞书表格设置访问权限，避免泄露
  • OpenClaw 本地部署，敏感数据不上云
  • API Key 使用环境变量，不要硬编码

2. 内容合规

  • AI 生成的内容必须人工审核
  • 避免抄袭，使用查重工具
  • 遵守各平台的内容规范

3. 系统稳定性

  • 设置错误监控和告警
  • 定期备份飞书表格数据
  • 关键流程添加重试机制

总结

回到那个周五晚上——现在同样的情况，我不会再坐在那里手动调格式了。那两个小时我用来写了这篇文章。

这套系统搭起来之后，我发现自己花在”怎么发”上的时间几乎归零了，但花在”写什么”上的时间反而增加了。这是我没预料到的副作用：当执行成本降低之后，选题质量的重要性被放大了。

如果你也在做自媒体，强烈建议尝试这套方案。不需要很强的技术背景，跟着教程一步步来，一个周末就能搭建起来。

我现在还在摸索的一个问题：AI 生成的初稿质量参差不齐，有时候需要大改，有时候几乎不用动。我还没找到一个稳定的方法来预判哪类选题 AI 能写好、哪类需要我自己来。如果你有经验，欢迎交流。

相关资源：