如何用OpenClaw + OpenCLI搭建一个内容循环系统实现自动化运营

用 OpenClaw + OpenCLI 搭了一套内容循环系统，从选题到复盘全自动跑起来。每天只做一件事：看选题、选一个、审核内容、点发布，剩下的 AI 全干。

这套系统的核心就一句话：把内容运营拆成"执行"和"决策"，执行交给 AI，人只做决策。

每天下午 4 点，AI 自动扫全网热点，筛出 5-10 个选题推给我。我选一个，AI 去调研、写初稿、推到草稿箱。我审核完发布。发布后 AI 采集数据做复盘，复盘结论存下来影响下一次选题。

一个闭环，越跑越准。

怎么做到的

用两个 OpenClaw Agent 分工。

采集 Agent：廉价模型，只干体力活。每天定时扫热点、检测中英文社区的信息差，把数据存到本地文件。不需要它思考，按指令跑就行。

主 Agent：强模型，干脑力活。读采集数据、筛选题、调研、写文章、推草稿箱、做复盘。它有记忆，有策略文件，每次创作前会读历史规律，每次复盘后会把新结论写回去。

两个 Agent 通过本地文件协作——一个写，一个读。没有 API 对接，没有消息队列，就是一个 workspace 里的文件夹。

OpenCLI 在中间做执行层，负责采集热搜、搜索内容、下载数据、操作平台这些跟外部打交道的事。

数据怎么流转

所有数据都存在本地 workspace 里：

strategy.md 是整个系统的记忆。所有复盘结论都写在这里，每次创作前主 Agent 会读它，每次复盘后会更新它。你也可以随时手动改。

一天的时间线

• • 16:00 —— 采集 Agent 自动扫全网热点，存数据
• • 16:30 —— 主 Agent 读热点 + 策略文件，推 5-10 条选题到我手机
• • 我选一个 —— 说"就写这个"，主 Agent 并行搜多个平台出调研报告
• • 我确认 —— 主 Agent 写初稿，推草稿箱
• • 我审核发布
• • 发布后 —— 主 Agent 采集各平台数据做复盘，结论写入策略文件

热点采集

采集 Agent 按平台逐个采集，成功就存数据，失败就跳过，最后汇总到一个文件。

信息差检测

每天早上扫 Reddit、HN 等英文社区，主 Agent 拿着这些话题去搜中文平台，发现中文平台还没覆盖的话题就标记为机会。

选题筛选

主 Agent 读热点数据 + strategy.md，交叉分析后推送选题建议。分析维度包括：是否匹配账号定位、历史上类似内容表现如何、发布时机是否合适、有没有足够素材可调研。

深度调研

你说"就写这个，先调研一下"，主 Agent 并行搜索多个平台，整理出调研报告。

发布复盘

发布后 AI 自动采集各平台公开数据，分析表现，结论写入 strategy.md，影响下一次选题。

完整运转流程

搭建过程

1. 1. 装 OpenClaw + OpenCLI，一行命令，装扩展，跑 doctor 检查环境
2. 2. 建目录结构，data/ 放采集数据，content/ 放创作内容，strategy.md 放策略
3. 3. 配两个 Agent，采集 Agent 用廉价模型 + cron 定时任务，主 Agent 用强模型 + 完整配置
4. 4. 配 cron 定时任务，英文热点采集（09:00）、信息差检测（09:30）、全网热点采集（16:00）、选题筛选推送（16:30）
5. 5. 跑一天看效果，看采集质量、选题准不准、调研有没有用
6. 6. 根据结果调，改 prompt、改关键词、改策略

最后

OpenClaw + OpenCLI 的组合，核心就一件事：把能自动化的执行环节交给 AI，人只留决策权。