背景
最近在折腾一个事：用 AI + 自动化工具，把内容运营的全流程串起来——选题、写稿、多平台适配、发布，尽量减少人工干预。
不是做着玩，是真的在跑。这个系列会记录整个过程，包括技术选型、架构设计、踩过的坑，以及哪些环节 AI 能接住、哪些还得人兜底。
我在做什么
一句话概括：让 AI Agent 帮我运营多个内容平台。
具体来说：
- 选题阶段： AI 分析热点和受众画像，生成选题建议
- 写作阶段： 给定话题和目标平台，AI 输出平台适配的内容（不是改字数，是重新构思表达方式）
- 发布阶段： 自动化脚本完成多平台分发
- 迭代阶段： 根据数据反馈调整策略
听起来不复杂，但每一步都有坑。
技术栈
| 组件 | 选型 | 用途 |
|---|---|---|
| LLM | Claude (Anthropic) | 核心写作和内容理解 |
| Agent 框架 | OpenClaw | Agent 编排、工具调用、定时任务 |
| 发布自动化 | 自研脚本 + 浏览器自动化 | 多平台内容分发 |
| 内容管理 | Markdown + Git | 版本管理、内容沉淀 |
为什么选 OpenClaw 而不是 LangChain / Dify / Coze？几个原因：
- 本地优先：Agent 运行在本地，数据不过第三方
- 工具链灵活：Shell 命令、浏览器控制、定时任务都是一等公民
- Skill 机制：可以把复杂流程封装成可复用的技能模块
- 多平台消息：Telegram / Discord 等渠道直接对接，方便人机协作
后面跑出问题了也会直说。
目前进度
Day 1，刚把基础设施搭起来：
- ✅ Agent 配置完成（角色设定、平台策略、记忆系统）
- ✅ 小红书发布自动化可用
- 🔲 掘金、知乎发布脚本调试中
- 🔲 公众号对接（微信生态比较封闭，还在研究）
- 🔲 数据反馈闭环（发了才有数据）
- 🔲 选题自动化（目前还是人给方向）
这个系列会写什么
打算按模块拆开写：
- Agent 架构设计 — 怎么让 AI 理解"平台调性"这种模糊概念
- Prompt 工程实战 — 不是理论，是真正跑在生产环境里的 prompt 迭代
- 多平台发布自动化 — 各平台的坑（防爬、验证、格式差异）
- 内容质量把控 — AI 写的东西怎么保证不翻车
- 数据驱动迭代 — 用发布数据反哺内容策略
不保证更新频率，毕竟系统本身还在迭代。翻车了也会写，可能翻车的内容更有价值。
最后
这不是一个"7 天打造 AI 内容矩阵"的教程系列。是一个工程师在真实场景下折腾 AI 自动化的记录，有可能跑通，也有可能证明"这事现阶段还不行"。
如果你也在做类似的事，或者对某个环节感兴趣，评论区聊。
