OpenClaw 内容创作工作流怎么配？从零搭建自动化 Workflow 全流程 🔧

上周刷技术群，看到好几个人在聊 OpenClaw，说已经能接微信了，安卓和 iOS 都支持，阿里还给提供了算力。我当时就来了兴趣——因为我自己有个很痛的需求：每天要在多个平台发技术内容，从选题、大纲、初稿到配图描述，整个流程全靠手动串，效率低得离谱。

OpenClaw 是一个 AI Agent 工具，支持配置多步骤自动化工作流，可以把内容创作中的选题调研、大纲生成、正文撰写、多平台适配等环节串联成一条自动化链路，配合大模型 API 调用实现端到端的内容生产。我花了两天时间把它的 Workflow 功能摸透了，这篇文章把完整配置过程和踩坑经验都记下来。

先说结论

维度	我的实测结果
上手难度	中等偏低，有 Agent 使用经验的半天能跑通
工作流节点数	我最终配了 5 个节点，覆盖选题→成稿全流程
模型调用	支持外接 API，我用了 Claude Opus 4.6 写正文，GPT-5 做大纲
微信集成	安卓/iOS 都测了，能直接在微信里触发工作流
核心痛点	Prompt 调试是最花时间的环节，工作流本身配置不难
日产能	配好后一天能出 5-8 篇初稿，人工精修后可发布

环境准备

开始之前你需要这几样东西：

1. OpenClaw 账号：去官网注册，目前新用户有免费额度
2. 大模型 API Key：工作流里要调用大模型，需要准备 API Key
3. 微信（可选）：如果你想在微信里触发工作流，需要绑定

API Key 这块多说一句。OpenClaw 的工作流节点支持自定义 API 调用，可以接入任何兼容 OpenAI 协议的接口。我一开始分别申请了 OpenAI 和 Anthropic 的 Key，后来发现管理多个 Key 太麻烦，就换成了聚合接口——一个 Key 能调不同模型，切换只需要改 model 参数。

我的工作流架构设计

先看整体链路：

graph TD
 A[触发器: 微信消息/手动触发] --> B[节点1: 选题调研]
 B --> C[节点2: 大纲生成]
 C --> D[节点3: 正文撰写]
 D --> E[节点4: 多平台适配]
 E --> F[节点5: 质量检查 + 输出]
 
 B -->|调用 GPT-5| B1[分析热点+竞品]
 C -->|调用 GPT-5| C1[生成结构化大纲]
 D -->|调用 Claude Opus 4.6| D1[写 2000 字长文]
 E -->|调用 Claude Opus 4.6| E1[适配掘金/公众号/知乎]
 F -->|调用 GPT-5| F1[检查逻辑+错别字]

核心思路是不同环节用不同模型。GPT-5 擅长结构化分析和快速出大纲，Claude Opus 4.6 写长文质量更好，两者配合比单一模型效果好很多。

方案一：基础版——3 节点极简工作流

想快速跑通的话，先配最简版本。

步骤 1：创建工作流

进入 OpenClaw 的 Workflow 页面，点「新建工作流」。触发方式选「手动触发」，后面再加微信触发。

步骤 2：配置 API 调用节点

核心是「HTTP 请求」节点，用来调用大模型 API：

# 节点配置 - 大纲生成
# OpenClaw 的 HTTP 节点需要这些参数

import requests
import json

def generate_outline(topic):
 """调用大模型生成内容大纲"""
 url = "https://api.ofox.ai/v1/chat/completions"
 headers = {
 "Authorization": "Bearer your-api-key",
 "Content-Type": "application/json"
 }
 
 payload = {
 "model": "gpt-5", # 大纲用 GPT-5，结构化能力强
 "messages": [
 {
 "role": "system",
 "content": "你是一个技术博客编辑，擅长规划文章结构。"
 },
 {
 "role": "user", 
 "content": f"""请为以下主题生成一篇技术博客大纲：
 
主题：{topic}

要求：
1. 包含 3-5 个主要章节
2. 每个章节有 2-3 个子要点
3. 标注每个章节建议的字数
4. 用 JSON 格式输出

输出格式：
{{
 "title": "文章标题",
 "sections": [
 {{
 "heading": "章节标题",
 "points": ["要点1", "要点2"],
 "word_count": 300
 }}
 ]
}}"""
 }
 ],
 "temperature": 0.7,
 "response_format": {"type": "json_object"}
 }
 
 response = requests.post(url, headers=headers, json=payload)
 result = response.json()
 return json.loads(result["choices"][0]["message"]["content"])


# 测试
outline = generate_outline("OpenClaw 工作流配置教程")
print(json.dumps(outline, ensure_ascii=False, indent=2))

步骤 3：串联正文生成节点

大纲出来后，把它传给下一个节点写正文，换成 Claude Opus 4.6：

def generate_article(outline_json):
 """根据大纲生成正文，用 Claude Opus 4.6"""
 url = "https://api.ofox.ai/v1/chat/completions"
 headers = {
 "Authorization": "Bearer your-api-key",
 "Content-Type": "application/json"
 }
 
 payload = {
 "model": "claude-opus-4-6", # 正文用 Claude，文笔更好
 "messages": [
 {
 "role": "system",
 "content": """你是一个技术博主，写作风格口语化、有个人经历。
不要用「首先其次最后」这种八股文句式。
多用第一人称，带点吐槽和真实感受。"""
 },
 {
 "role": "user",
 "content": f"""请根据以下大纲撰写一篇完整的技术博客文章：

{json.dumps(outline_json, ensure_ascii=False)}

要求：
- 总字数 1500-2000 字
- Markdown 格式
- 代码示例要完整可运行
- 开头讲个人经历，不要用官方口吻"""
 }
 ],
 "temperature": 0.8,
 "max_tokens": 4000
 }
 
 response = requests.post(url, headers=headers, json=payload)
 result = response.json()
 return result["choices"][0]["message"]["content"]

基础版 3 个节点（触发 → 大纲 → 正文）就能跑了，生成一篇初稿大概 40-60 秒。

方案二：进阶版——5 节点完整工作流

跑通基础版之后，我又加了两个节点，效果提升不少。

增加「选题调研」节点

在大纲之前加一个节点，让 AI 先分析这个选题的竞品文章和热点角度：

def research_topic(topic):
 """选题调研：分析竞品和热点角度"""
 url = "https://api.ofox.ai/v1/chat/completions"
 headers = {
 "Authorization": "Bearer your-api-key",
 "Content-Type": "application/json"
 }
 
 payload = {
 "model": "gpt-5",
 "messages": [
 {
 "role": "system",
 "content": "你是一个内容策略分析师。"
 },
 {
 "role": "user",
 "content": f"""分析「{topic}」这个选题：

1. 目标读者是谁？他们最关心什么？
2. 这个选题的差异化角度有哪些？
3. 推荐的标题方向（给 3 个选项）
4. 建议重点覆盖的关键词（SEO 考虑）

用 JSON 格式输出。"""
 }
 ],
 "temperature": 0.7,
 "response_format": {"type": "json_object"}
 }
 
 response = requests.post(url, headers=headers, json=payload)
 return json.loads(response.json()["choices"][0]["message"]["content"])

增加「多平台适配」节点

同一篇内容发掘金和发公众号，格式差异很大。这个节点自动做适配：

def adapt_platform(article_md, platform="juejin"):
 """根据目标平台调整格式和风格"""
 platform_rules = {
 "juejin": "掘金风格：技术深度优先，代码块要完整，标题可以带 emoji",
 "wechat": "公众号风格：段落短一些，多分段，开头要有 hook",
 "zhihu": "知乎风格：可以更长，论证要严密，适当引用数据"
 }
 
 url = "https://api.ofox.ai/v1/chat/completions"
 headers = {
 "Authorization": "Bearer your-api-key",
 "Content-Type": "application/json"
 }
 
 payload = {
 "model": "claude-opus-4-6",
 "messages": [
 {
 "role": "user",
 "content": f"""将以下文章适配为{platform}平台的风格：

平台要求：{platform_rules[platform]}

原文：
{article_md}

只输出适配后的文章，不要解释。"""
 }
 ],
 "max_tokens": 4000
 }
 
 response = requests.post(url, headers=headers, json=payload)
 return response.json()["choices"][0]["message"]["content"]

踩坑记录

配这套工作流的过程不算顺利，记几个我踩过的坑。

坑 1：节点间数据传递格式不统一

我一开始以为节点之间直接传字符串就行。结果发现上一个节点输出的 JSON 如果没有严格校验，下一个节点解析直接报错。

解决办法：每个 API 调用都加 response_format: {"type": "json_object"}，并且在节点之间加一个简单的 try-catch 做 JSON 校验。

坑 2：Claude 写长文时 token 截断

用 Claude Opus 4.6 写 2000 字文章，max_tokens 设成 2048 居然不够——中文一个字大概 1.5-2 个 token，2000 字需要 3000-4000 tokens。我一开始设小了，输出到一半就被截断了，排查了半天才发现。

坑 3：微信触发的消息长度限制

OpenClaw 绑定微信后，可以在微信里发消息触发工作流。但微信单条消息有长度限制，如果想传一个很长的 prompt 进去，会被截断。我的解决方案是只在微信里传关键词（比如「写一篇 React 性能优化」），详细的 prompt 模板写在工作流节点配置里。

坑 4：多模型调用时 Key 管理混乱

这个坑最浪费时间。一开始我在不同节点分别配了 OpenAI 和 Anthropic 的 Key，结果 Anthropic 的 Key 到期了没注意，整个工作流从第三个节点开始全部失败。后来统一换成了 ofox.ai 的聚合接口，一个 Key 搞定所有模型调用。ofox.ai 是一个 AI 模型聚合平台，一个 API Key 可以调用 GPT-5、Claude Opus 4.6、Gemini 3 等 50 多个模型，兼容 OpenAI 协议，改个 base_url 就能用，不用再分别管理多家的 Key 和额度了。

效果对比

配好工作流之后，我跑了一周的数据：

指标	手动写作	OpenClaw 工作流
单篇初稿时间	2-3 小时	1-2 分钟（AI 生成）+ 30 分钟（人工精修）
日产量	1 篇	5-8 篇初稿，精修后 3-4 篇
多平台适配	手动改格式 30 分钟/篇	自动适配，1 分钟/篇
API 成本	-	约 ¥3-5/篇（GPT-5 大纲 + Claude 正文）

初稿质量大概能到我手写水平的 70%，但效率提升是实打实的。核心价值不是替代写作，是把重复性的结构化工作自动化了。

小结

OpenClaw 的工作流功能目前还在快速迭代，我用下来感觉核心能力已经够用了。配置的关键不在工具本身，而在于怎么设计 Prompt 和节点间的数据流。

几个实用建议：

1. 先跑通最简版本，别一上来就搞 10 个节点
2. Prompt 多花时间调，这个决定了输出质量的 80%
3. 不同环节用不同模型——GPT-5 做分析，Claude Opus 4.6 写长文，Gemini 3 做翻译，各有所长
4. API Key 用聚合接口管理，省得多家 Key 到期轮流翻车

有问题评论区聊，我后续会更新微信触发的进阶玩法。