夜雨聆风
前两天刷公众号的时候，看到阿真 Irene发了一篇文章，讲她自己从零搭建了一个 AI 全文配图工具，还开源到了 GitHub 上。
我一看，这不就是我一直想要的东西吗？之前我写好文章，还得让 openclaw 给我生成提示词，然后我再把提示词分别发给豆包或者 gemini，逐一生成图片，很不方便。如果能打通文章生成到配图生图的环节，效率会大大提升。
但我不想手动部署，我想让 OpenClaw 自己去干这个活。
整个过程，我只做了（复制 + 粘贴），剩下的全是 AI 自己干的。
今天就把这套流程完整分享给你，这篇文章的配图的，也是这个新程序自己生成的。
核心洞察：AI 协作的真正价值不是替代，是放大
之前老想着全自动化，很多人对 AI 的想象也是"全自动"，但真正用起来你会发现：
完全无脑全自动 = 灾难现场
文章没审核就配图 → 配完发现稿子要改 → 白花钱 PPT 没确认就生成 → 做完发现方向错了 → 全白费 内容没把关就发布 → 发完发现有错误 → 删都来不及
我自己踩了好多坑，觉得正确的工作流应该是：
AI 先搜集资料、写个初稿 → AI 审核 + 人工审核，确认没问题 → 再去叫 AI 配图、做 PPT → 最后我再来一遍终审 → 才能发布少任何一步，都可能翻车。
这也是为什么我给 OpenClaw 的设计里，一定要有人工确认环节。
实战：一条指令让 AI 自己部署项目
第 1 步：看到好项目，决定集成
阿真的项目地址：
https://github.com/irenerachel/ai-article-illustrator.git功能：粘贴文章内容，自动分段并生成配图提示词和图片。
我的需求：
不要全自动配图（稿子需要审核） 要按需调用（我确认没问题后再说） 要集成到 OpenClaw 工作流里（统一调度）
第 2 步：跟 Gemini 对话让它写指令，专业的提示词还是得 AI 生成
在本地部署开源项目时，99% 的新手都会在第一步 git clone 时遇到网络超时报错（比如著名的 Connection reset by peer 或 Operation timed out）。这是因为 Mac 的终端命令行默认是不走系统代理的。
面对这种情况，我们千万不要去改什么复杂的系统底层配置，最极客、最优雅的做法是：在终端里进行一次"阅后即焚"的临时代理注入。
请打开你的终端（Terminal），直接复制运行以下命令（假设你的本地代理软件端口是 7897，具体端口可以在电脑的设置 - 网络 - 代理中查看，如果是其他端口请自行替换）：
# 1. 给当前终端强行戴上"代理眼镜"
export http_proxy=http://127.0.0.1:7897 https_proxy=http://127.0.0.1:7897 all_proxy=socks5://127.0.0.1:7897
# 2. 验证代理是否通畅（如果有正常的网页代码返回说明成功）
curl -I https://github.com
# 3. 此时再执行 git clone，速度直接起飞！
git clone https://github.com/xxxx/ai-article-illustrator.git（注：这种环境变量的设置是纯临时的，只要你关掉当前终端窗口，代理就会自动失效，绝对不会污染你电脑的全局网络环境。这就是所谓的"过河拆桥"战术。）
第3步：全自动建站 —— OpenClaw 的一键部署与固化指令
网络彻底打通后，最繁琐的依赖安装、环境配置和 API 密钥写入，我们完全不需要自己动手。直接把这些脏活累活丢给 OpenClaw 的 4 号工具手（程序员角色）。
在你的飞书对话框中，直接向 1 号总监发送以下【系统级部署与工作流固化 SOP】指令。AI 就会全自动帮你把项目拉起，并极度聪明地定义好触发关键词：
@1 号总监【架构级 SOP 升级：本地自动配图流水线部署】
我们需要在本地部署 ai-article-illustrator 项目，以实现文章的自动化高质量配图。请 4 号工具手立刻接管终端，严格执行以下部署流程：
**一、环境基建**
1. 在 ~/AI_Projects 目录下执行 git clone 拉取 ai-article-illustrator 项目源码。
2. 使用 uv 或 pip 为该项目创建独立的 Python 虚拟环境，并安装所有必须的依赖包。
3. 配置核心大脑与画笔：将我们准备好的【阿里云千问 API Key】和【火山引擎豆包生图 API Key】安全地写入该项目的环境配置文件中。
**二、工作流固化与触发机制**
请全员记录并覆写全新的【按需配图 SOP】：
平时你们只专注文章的大纲与正文逻辑创作，绝对不准擅自调用生图代码。只有当主理人在飞书中明确下达 **#生成插图 + [文章本地路径或文本段落]** 的特定指令时，工作流才解除阻塞。
收到该指令后，4 号工具手需立刻唤醒刚刚部署好的 ai-article-illustrator 本地脚本，将文章同步过去，精准分析文章内容并自动生成插图，或者由主理人手动生成。
部署完毕后，请 1 号总监向我汇报项目环境是否就绪，并确认上述 #生成插图 的截断点流程已永久入库！大概等了 10 来分钟，OpenClaw 自动部署完，自动本地打开 ai-article-illustrator 程序，并发送报告：
🫡【一期工程】全部完成！
✅ 完成清单:
- Git Clone: ~/AI_Projects/ai-article-illustrator
- 依赖安装：npm install (452 个包)
- API 配置：.env.local 已创建
- 服务启动：http://localhost:3000
- Web UI 测试：页面正常加载
- SOP 文档：插图生成工作流-SOP-v1.0.md
- Git 存档：Commit eaf235d
🚀 本地启动命令:
cd ~/AI_Projects/ai-article-illustrator
npm run dev
访问地址：http://localhost:3000整个过程，我就只做了复制粘贴。
内容生成后可以让 OpenClaw 把文字直接同步过去
在打开的界面也可以手动进行 API 配置，可以选择不同的语言模型和配图模型，然后就可以选择不同的配图方式，这里图片模型我选的是：Seedream 4.5（稳定高清）
配图模式:
全文配图（每 1-2 句话切一个场景） 分段配图：指定配图数量 手动选段：选中文字添加配图 
风格预设: 有很多选项，可以根据你要生成的图片类型进行选择，并且因为是本地部署的，可以让 OpenClaw 添加风格，增加配图风格都可以，比如信息图、漫画风，提示词也可以让 AI 写好。
点击开始生成后，AI 会自动分析段落内容，然后生成配图提示词。
然后你可以点击一次性全部生成，或者根据下面的生图提示词分别生成配图。
典型场景（3000 字文章，5 张插图）：成本估算：一篇 3000 字文章约 1 元。
当然如果不想花钱，完全可以把提示词复制过来直接发给豆包或者其他免费的生图模型。文章分析和生成提示词的流程比之前要丝滑了。
本地部署有什么好处？
灵活。代码在自己手上，想怎么改就怎么改。比如我想跟 OpenClaw 集成更多功能，直接发命令给 OpenClaw 让它增加就行。
用多少花多少，没有月费年费。今天不写文章就不花钱，今天写 10 篇就多花点，很灵活。
实战技巧：如何写好"AI 协作指令"
AI 的指令还是要由 AI 来写，我现在遇到问题会先发给 Gemini，让它分析总结写出更专业的提示词，然后把提示词再发给 OpenClaw，比我完全用大白话跟 OpenClaw 对话效果要好的多。
好好利用 GitHub 上的项目，比自己重复造轮子要高效很多，不少博主也分享过 GitHub 上的项目部署到本地的教程，大家也可以多搜索实操一下，还是很有趣的。
核心结论：AI 不是替代你，是放大你
写到这，我想说点真心话。
这篇文章的核心，不是教你怎么部署一个工具，而是想告诉你：
真正的 AI 协作，不是让 AI 全自动，而是让 AI 成为你的"数字员工"。
你有判断力，AI 有执行力 - 它不会判断什么稿子能发，但它能帮你干所有执行的活。
你有创造力，AI 有生产力 - 你能想出好点子，它能帮你快速实现。
你有审美，AI 有速度 - 你知道什么是好的，它能帮你快速做出来。
最好的工作流，是人机协同，不是机器自动。
互动话题
你在集成 GitHub 开源项目时踩过最大的坑是什么？
或者你有什么想自动化的工作流，也可以告诉我，我来帮你试试能不能用 OpenClaw 实现。
如果觉得这篇文章对你有帮助，欢迎点赞 + 在看 + 转发，让更多普通人也能用上 AI。
资源链接
项目源码：
阿真的 AI Article Illustrator：https://github.com/irenerachel/ai-article-illustrator
相关文章：
