我如何用 OpenClaw 搭建自动化工作流:踩坑实录与实战经验

这不是一篇安装教程。这是一篇用真金白银的时间换来的踩坑总结——连续跑了 20 多天，中间崩溃过无数次，现在终于稳定了。

先说结果：我在做什么

每天早上 8 点，我会在飞书收到一份 AI 资讯日报，10 条新闻 + 深度洞察。

每天早上 9 点，我会在飞书收到 3 个思维模型，每个包含核心洞察、定义、实践方法和经典案例，推送飞书多维表格管理内容素材库，所有数据自动同步更新。

每周，我会自动生成一份家服务行业的深度研究报告，发送到邮箱。

…

所有这些，都是自动运行的。我只负责确认质量，不需要手动操作任何一步。

踩坑实录：7 个让我浪费两天的真实问题

坑1：Python 环境不一致，脚本集体罢工

症状：所有定时任务突然全部失败，日志里只有一行：

env: node: No such file or directory


原因：系统默认的 Python 3.9 有 SSL/LibreSSL 握手问题，Cron 环境下 PATH 变量不完整，Node 和 Python 都找不到。
解决：在脚本里用绝对路径指定 Python 3.13：
# 错误写法：依赖系统 PATHsubprocess.run(["python3", "script.py"])# 正确写法：绝对路径subprocess.run(["/usr/local/bin/python3.13", "script.py"])


教训：Cron 任务一定要用绝对路径，永远不要依赖 which python 或环境变量 PATH。

坑2：飞书 API “Invalid request URL” —— 查了半天是 JSON 编码问题
症状：Invalid request URL 错误，但 API 地址明明是对的。
原因：Python 把中文内容转成 JSON 时，中文字符被 Unicode 转义成了 \uXXXX 格式，某些 HTTP 客户端处理异常导致 URL 构建失败。
解决：用 bash + curl 代替 Python 调用 API：
curl -X POST "https://api.notion.com/v1/databases/..." \  -H "Authorization: Bearer $NOTION_KEY" \  -H "Content-Type: application/json" \  -d "$(cat << 'JSONEOF'  {    "properties": {      "名称": {"title": [{"text": {"content": "系统思维"}}]}    }  }JSONEOF)"


教训：API 调试优先用 curl 直接测，能拿到原始错误信息再写 Python。Python 的 JSON 编码问题很难排查。

坑3：Notion 推送失败 4 小时，根因是字段类型不匹配
症状：Notion 数据库 schema 里有一个 链接 字段，类型是 URL，但传空字符串 "" 时报错：
body.properties.链接.title should be defined
排查过程：


先怀疑数据库 ID 错了


又怀疑 API Key 有问题


最后才发现是空 URL 字符串导致 schema 校验失败——Notion 把空字符串当成 title 类型处理了


解决：空字段直接省略不传，不要传空字符串：
properties = {    "名称": {"title": [{"text": {"content": model_name}}]},}# 链接字段：空就不传，不要传 ""if link_url:    properties["链接"] = {"url": link_url}


教训：第三方 API 的 schema 校验很严格，null 和 "" 是两回事。

坑4：RSS 源有时效，但抓回来发现内容空了
症状：RSS feed 显示有更新，但抓回来只有几十个字。
原因：RSS 的 <description> 字段经常只是摘要，不是正文。有些 feed 干脆只有标题。
解决：建立双重验证机制——抓回来的内容少于 100 字就触发补充抓取：
[2026-04-21 08:46:03] ⚠️ 热力学第二定律.why 内容偏短(31字)，尝试补充...[2026-04-21 08:46:45] ✅ 热力学第二定律 - 创建成功
教训：内容质量不能只看「是否成功抓取」，要验证「是否抓到了实质内容」。

坑5：并发抓取被目标网站 rate limit
症状：连续几天大量超时，Wikipedia 返回 503。
原因：用 ThreadPoolExecutor 并发 10 个线程抓取，触发了网站的防爬机制。
解决：三招组合：


限制并发数（最多 3 个线程）


加上随机延迟（time.sleep(random.uniform(1, 3))）


设置单请求超时（15 秒）


with ThreadPoolExecutor(max_workers=3) as executor:    futures = {executor.submit(fetch_content, url): url for url in urls}    for future in as_completed(futures, timeout=15):        try:            result = future.result()        except TimeoutError:            print(f"⚠️ 超时: {futures[future]}")


教训：爬虫要讲武德，并发太高容易被封，礼貌比速度重要。

坑6：Cron 定时任务重复触发
症状：一天收到了两份思维模型日报，时间只差 10 分钟。
原因：手动触发了一次脚本，同时 Cron 定时任务也触发了，两个进程同时运行。
解决：加进程文件锁——同一时间只有一个实例能跑：
import fcntllock_file = open("/tmp/daily_task.lock", "w")try:    # macOS 需要 LOCK_NB，否则会阻塞导致死锁    fcntl.flock(lock_file.fileno(), fcntl.LOCK_EX | fcntl.LOCK_NB)except (IOError, OSError):    print("另一个实例正在运行，退出")    exit(0)


教训：Cron + 手动触发容易重叠，进程锁是最后一道防线。

坑7：模型池耗尽导致定时任务空转
症状：Cron 任务每天都触发，但模型越推越少，最后连续好几天推送的模型是重复的。
原因：模型池只有 16 个，每天 3 个，不到一周就用完了。脚本没有自动补充机制。
解决：设置池容量阈值，低于阈值时触发自动扩充：
POOL_LOW_THRESHOLD = 9def check_and_expand_pool():    available = get_unpushed_models(pool)    iflen(available) < POOL_LOW_THRESHOLD:        expand_pool_from_sources()


扩充来源：Farnam Street Mental Models 索引页，自动解析模型名并加入池中。
教训：自动化任务必须有自我维护机制，不能只消费不补充。

现在的稳定架构
每天 08:00（Cron）  → AI资讯日报（ai-news-daily.py）    → 抓取 8 个 RSS 源（36kr / TechCrunch / VentureBeat / MIT / 机器之心 / 虎嗅 / Reddit / Product Hunt）    → AI关键词双重过滤（AI / 大模型 / Agent / 算力 / 芯片）    → 生成 10 条新闻 + 2 条洞察    → 发送邮件到 **@yeah.net    → 上传飞书文档每天 09:00（Cron）  → 思维模型日报（daily-thinking-models-v2.py）    → 从模型池选 3 个未推送的（不同领域）    → 每个模型：飞书文档 + Notion页面 + 邮箱    → 合并成一封邮件发送    → 自动刷新飞书目录导航页每周  → 行业研究报告（home-appliance-research.py）    → 抓取 8+ 个 RSS 源（Field Service News / Intercom Blog / IT之家 / 雷锋网）    → 生成深度行业报告    → 发送邮件 + 上传飞书知识库




飞书多维表格：用数据库的思维管理内容
我用 lark-base Skill 操作飞书多维表格，作为结构化内容管理数据库：
思维模型库：模型字段包括名称 / 领域 / 来源 / WHY / WHAT / HOW / EXAMPLE / 飞书URL / NotionURL
内容素材库：选题方向 / 标题草稿 / 素材链接 / 状态（待写/撰写中/已完成）
每次 AI 生成内容后，自动写入表格，人只需要在表格里审核和标注。表格就是 CMS，AI 是写入端，人是审核端。

工作区结构决定 AI 的表现
~/.openclaw/workspace/├── MEMORY.md          # 长期记忆：用户偏好、项目状态、重要链接├── SOUL.md            # AI 人设：高效精准、偶尔幽默、不废话├── AGENTS.md          # 工作区规范：回复风格、禁止事项├── TOOLS.md           # 本地工具配置：API Keys、路径、SMTP 配置├── scripts/           # 全部定时脚本（绝对路径调用）├── logs/              # 所有日志（追踪问题、复盘必备）└── temp/              # 临时文件，自动清理


MEMORY.md 是最重要的文件。每次新会话，AI 先读这个。里面记录了飞书云盘重要文件夹、AI资讯日报的 RSS 来源、Notion 数据库 ID、当前出口 IP……
有了 MEMORY.md，AI 才能真正做到「认识你」，而不是每次都是从零开始。

如果重头来，我会怎么做
第一，先把工作区结构设计好
正确顺序：


设计工作区目录结构


写 MEMORY.md（记录用户信息）


写 SOUL.md（定人设）


写 AGENTS.md（定规范）


最后才安装 Skill


第二，先跑通最小闭环，再迭代
第一个版本只做一件事：每天早上给我发一条「今天有什么安排」。
跑通之后才逐步加：天气 → 日历 → 资讯日报 → 思维模型 → 行业报告。
第三，日志要有三级
我现在每个脚本都有三级日志：


✅：正常运行完成


⚠️：可恢复异常（内容偏短、超时）


❌：需要人工介入的失败




总结：OpenClaw 适合什么人
适合你，如果：


每天重复性信息收集/整理工作超过 30 分钟


使用多个 IM 工具（飞书 / 微信 / Telegram / Discord）


有一定技术动手能力，能写简单脚本


对数据隐私有要求，不想把所有东西交给第三方平台


不适合你，如果：


只需要一个 AI 对话工具（直接用 ChatGPT / Claude）


没有时间折腾，期望开箱即用


技术完全小白，改个配置都会出错


搭 OpenClaw 的成本：大约 3-5 小时初始配置 + 持续调优。
真正值钱的不是 AI 能做什么，而是你把它接进了多少自动化流程。