��OpenClaw 按下了微信发布键:从写完到发出去,它只用了 2 分钟

本文是"养虾记"系列第 3 篇（完结）。第一篇：教它看养了一只小龙虾之后，426 条科技资讯自己找上门了第二篇：教它写我给🦞虾OpenClaw 招了 4 个同事，它们 4 天写了 27 篇深度长文| 第三篇：教它发

一、最后一公里，最烦人的一公里

前两篇讲了小龙虾怎么"看"新闻、怎么"写"文章，到这里，流水线已经跑通了大半：426 条资讯自动采集，27 篇深度文章自动产出，全部推送到了 GitHub Pages 博客。

但我的公众号读者看不到这些。

因为从"一篇写好的 Markdown 文章"到"一篇发布在微信公众号上的文章"，中间还隔着一堆琐碎的事：

把 Markdown 转成微信公众号支持的富文本格式
文中的图片要上传到微信 CDN（微信不允许外链图片）
做一张封面图
写一段 100 字以内的摘要
推荐几篇相关的历史文章作为"扩展阅读"
最后点"发布"

每次手动做这些，大概要 30-60 分钟，写文章本身可能只要 3 小时，但"发出去"这个动作又吃掉半小时到一小时。

这就是"最后一公里"问题：创作已经完成了，但分发的摩擦力让你不想动。

很多人写博客写着写着就断更了，不是因为没东西写，而是因为发布太麻烦。

所以，我决定教小龙虾最后一项技能：发微信公众号。

二、两阶段发布：先快后好

微信公众号的发布流程，我拆成了两个阶段。

Phase 1：快速出草稿（约 10 秒）

这个阶段只做最核心的事：

读取 Markdown 文章
转换成微信公众号的 inline style HTML 格式（微信不支持外部 CSS）
文中图片自动上传到微信 CDN，替换原始 URL
调用微信 API 创建草稿

10 秒左右，一篇草稿就出现在公众号后台了，你可以立即预览，确认格式没问题。

Phase 2：AI 增强（约 2 分钟）

草稿有了，但还缺几样东西：封面图、摘要、扩展阅读，这些都交给 AI 来做。

AI 封面生成：Kiro CLI 根据文章内容生成一段文生图 prompt，然后调用 Bedrock SD3.5 Large 模型出图
AI 引言：自动生成 100 字以内的吸引读者摘要，用于公众号的"摘要"字段
扩展阅读推荐：从已发布的公众号历史文章中，语义匹配最相关的 2-3 篇，自动插入文末

整个 Phase 2 大约 2 分钟，其中封面图生成占了大头。

两个阶段加起来，从"一篇写好的 Markdown"到"一篇可以发布的公众号文章"，总共约 2 分钟。

三、5 种封面风格：小龙虾还学会了画画

封面图是公众号文章的门面，以前我要么用豆包花 10 分钟做一张，要么随便找张配图凑合。

现在小龙虾能自己画。

流程是这样的：Kiro CLI 先读文章内容，提取核心主题，生成一段英文的文生图 prompt，然后调用 Amazon Bedrock 的 Stable Diffusion 3.5 Large 模型，生成一张 1024×576 的封面图。

我预设了 5 种视觉风格，每次可以指定或随机选择：

风格	适合什么文章
🌆 赛博朋克	AI 技术、前沿科技
🚀 科幻	未来趋势、行业预测
👾 像素	开发者工具、编程相关
🎨 漫画	轻松话题、案例故事
🌊 浮世绘	文化、管理、哲学思考

5 种风格让公众号的视觉不会千篇一律，读者刷到封面图，就能大概猜到这篇文章的调性。

四、那些藏在细节里的工程

两阶段发布听起来简单，但实际落地时有不少细节要处理。

图片防盗链

微信公众号有严格的图片策略：文章里的图片必须托管在微信自己的 CDN 上，外链图片会被拦截显示不出来，所以 Phase 1 要做的不只是格式转换，还要把文章里所有图片下载下来，上传到微信 CDN，再把 URL 替换掉。

Markdown → inline style HTML

微信公众号的富文本编辑器不支持外部 CSS，所有样式必须写成 inline style。这意味着每个 <h2> 标签都要带上 style="font-size:20px;font-weight:bold;..." 这样的内联样式。

这个转换逻辑不复杂，但很琐碎，好在只需要写一次，之后所有文章都复用同一套转换规则。

资源去重

如果同一篇文章发布两次（比如第一次发现格式有问题，修改后重发），封面图和文中图片不需要重复上传，系统维护了一个 registry，记录已上传资源的 MD5 和微信 CDN URL 的映射关系，命中缓存就跳过上传，省时省流量。

SubAgent 委托执行

整个发布流程由一个 SubAgent 执行，不阻塞主 Agent，这意味着小龙虾可以一边发布文章，一边继续做其他事情，发布完成后，SubAgent 把结果写回文件，主 Agent 下次心跳时读取。

五、首篇发布实录：医疗 AI Agent 融资潮

3 月 22 日，F4-WeixinPublisher 安装完成，微信 API 凭证验证通过。

首篇发布任务启动：一篇关于"医疗 AI Agent 融资潮"的深度文章，这篇文章是虾群编辑部当天的产出之一，讲的是 2026 年 Q1 医疗领域 AI Agent 创业公司的融资趋势。

发布过程：

15:32:10  Phase 1 启动
15:32:12  Markdown 解析完成，检测到 2 张文中图片
15:32:15  图片上传微信 CDN 完成
15:32:18  草稿创建成功 → 预览链接生成
15:32:20  Phase 2 启动
15:32:25  AI 引言生成完成（87 字）
15:32:45  封面图 prompt 生成，调用 Bedrock SD3.5
15:34:10  封面图生成完成（赛博朋克风格）
15:34:15  扩展阅读匹配完成（推荐 2 篇历史文章）
15:34:18  草稿更新完成
15:34:18  ✅ 发布就绪，等待人工确认

从启动到就绪，总共 2 分 8 秒。

六、一周时间线：从零到完整流水线

回顾整个三部曲，这条内容生产流水线是在一周内从零搭建起来的：

3/17（周一）  F1 安装 → 首次采集 40 条
3/18（周二）  OOM 事故 → 串行化修复 → 增量模式上线
3/19（周三）  F2 安装 → 虾群编辑部开张 → 首次手动试运行
3/20（周四）  首次自动化 → 13 篇产出 → 僵尸 Orchestrator 事件
3/21（周五）  三层防护上线 → 7 篇正常产出 → 日采集峰值 103 条
3/22（周六）  质量标准升级 v1.2 → F4 安装 → 首篇公众号发布
              ↓
              426 条资讯 → 27 篇文章 → 微信公众号打通
              从零到完整流水线：7 天

7 天里经历了 3 次重大事故：OOM、僵尸 Orchestrator、Exa 额度耗尽，每次事故都催生了一次系统加固。

从"每天花 4 小时刷新闻 + 写文章 + 排版发布"，到"每天花 15 分钟审核确认"，人类的角色从"内容生产者"变成了"内容策展人"。

七、"养小龙虾"的三个层次

三篇文章写完，回头看"养小龙虾"这件事，我觉得它有三个层次：

第一层：能做。

把人类工作流拆解成 Agent 可执行的步骤，"刷新闻→分类→记笔记"变成 tech-updates-collector Skill，"选题→写作→审稿"变成 tech-updates-writer Skill，"排版→封面→发布"变成 weixin-publisher Skill。

这一层的关键词是拆解，你得想清楚自己每天在电脑上做的事情，哪些是重复的、有规律的、可以标准化的，这些就是可以 Skill 化的候选。

第二层：做好。

光能做不够，还得做好；质量门禁（4 维度 ≥ 85 分）、修正循环（最多 3 轮）、瞄准标杆文章的事实密度——这些机制确保产出不是"能看"，而是"值得看"。

这一层的关键词是标准，没有标准，AI 的产出就是随机的，有了标准，它的产出才是可预期的。

第三层：进化。

OOM → 串行化，僵尸 Orchestrator → 三层防护篇；额度耗尽 → 告警机制；质量不够 → 标准升级；Orchestrator 从 v1.0 到 v1.2，4 天迭代 2 次。

这一层的关键词是反馈循环，系统出了问题不可怕，可怕的是出了问题不改，每次翻车都是进化的燃料。

这三个层次不只适用于写公众号，报销自动化、代码审查、竞品分析、客户报告……任何你在电脑上重复做的知识工作，都可以用同样的思路：拆解 → 设标准 → 持续进化。

八、不只是写公众号

这条流水线目前覆盖的是"AI 资讯采集 → 深度文章写作 → 微信公众号发布"，但它的架构是通用的。

换一个采集源（比如从 AI 资讯换成竞品动态），换一套写作标准（比如从公众号文章换成内部周报），换一个发布渠道（比如从微信换成知乎或飞书文档）——流水线的骨架不变，只需要调整每个 Skill 的配置。

这也是 OpenClaw Skill 化思路的核心价值：Skill 是可组合的， F1 的输出是 F2 的输入，F2 的输出是 F4 的输入，你可以替换其中任何一个环节，也可以在中间插入新的环节（比如加一个 F3 做费用报销下载，或者加一个 F5 做文章索引归档）。

九、养小龙虾的终极目标

一周前，我还在每天花 4 小时刷新闻、写文章、排版发布。

现在，426 条资讯自动采集，27 篇文章自动产出，公众号 2 分钟发布就绪，我只需要做一件事：选择今天发哪一篇。

但这不是终点。

采集系统还需要接入更多信息源（Twitter/X 的直接采集、中文科技媒体的覆盖），写作系统还需要读者反馈闭环（公众号阅读数据回流影响选题），发布系统还需要批量发布和定时发布能力。

更远的目标是端到端一键触发：采集 → 写作 → 审核 → 发布，全自动，目前写作和发布环节还需要人工确认，这是有意为之——我还没准备好完全放手。

养小龙虾的终极目标，不是让它替代你，而是让你有更多时间做真正重要的事。

刷新闻、写初稿、排版发布——这些事情重要吗？重要，但它们不是只有你能做的事，选题方向、质量标准、最终把关——这些才是人类不可替代的判断。

把重复的交给小龙虾，把判断留给自己。

这就是"养虾记"中写作部分的全部故事。

📊 本篇数据卡片

指标	数值
F4 安装日期	2026-03-22
Phase 1 耗时	~10 秒（快速草稿）
Phase 2 耗时	~2 分钟（AI 封面 + 引言 + 扩展阅读）
AI 封面风格	5 种（赛博朋克/科幻/像素/漫画/浮世绘）
封面生成引擎	Bedrock SD3.5 Large
首篇发布文章	医疗 AI Agent 融资潮

三部曲总数据（收官汇总）：

系统	运行天数	核心产出	重大事故 → 加固
F1 采集	7 天	426 条资讯，8 份日报	OOM → 串行化；额度耗尽 → 告警
F2 写作	4 天	27 篇文章，avg 6,432 字	僵尸 Orchestrator → 三层防护；Jekyll bug → 日期修复
F4 发布	Day 1	首篇发布就绪（2 分 8 秒）	刚上线，故事待续
合计	7 天	从零到完整流水线	3 次事故 → 3 次进化