OpenClaw 终极工作流-5 个 Agent 跑完一整条链

5 个 Agent 跑完一整条链

关联系列：系列五（信息聚合）× 系列四（内容创作）  阅读对象：有基础 OpenClaw 使用经验的内容创作者 / 自媒体团队 安全等级：🟡 S2（涉及社媒写入操作，需人工审批节点）

引言：你以为自媒体只是"写"的问题？

你是不是也有过这种体验——

每天早上打开手机，刷微博热搜、看即刻推荐、翻 Hacker News、逛 Reddit、扫一眼 36 氪……30 分钟过去了，信息看了一堆，但打开文档准备写东西的时候——脑子一片空白。

好不容易选了个题，写了两小时，发完一看数据：阅读 47，点赞 2。

问题出在哪？

不是你不够努力，而是你一个人在做五个人的工作：情报分析师、选题编辑、内容写手、设计师、运营专员——每个角色都需要高度专注，但你每天在它们之间反复切换，注意力在碎片化中被彻底消耗。

今天这篇文章，我要带你搭建一条全自动内容流水线——用 5 个 OpenClaw Agent 分别扮演这 5 个角色，从信息采集到数据复盘，跑完一整条链。

你只需要做一件事：在关键节点做决策。

一、全局架构：5 个 Agent，1 条链

先看全局，再拆细节。

1.1 流水线总览

text

  ┌─────────┐     ┌─────────┐     ┌─────────┐     ┌─────────┐     ┌─────────┐
  │  Scout  │────▶│  Editor │────▶│  Quill  │────▶│  Pixel  │────▶│ Metric  │
  │ 情报员  │     │ 选题官  │     │  写手   │     │ 设计师  │     │ 分析师  │
  └─────────┘     └─────────┘     └─────────┘     └─────────┘     └─────────┘
    ⏰ 6:00         ⏰ 7:00          ⏰ 8:00         ⏰ 9:30         ⏰ 21:00
    每日定时         等 Scout          等 Editor        等 Quill         每日定时
    独立运行         输出触发          输出触发         输出触发          独立运行
       │               │                │               │                │
       ▼               ▼                ▼               ▼                ▼
  109+信息源      选题评分卡        初稿.md          配图+封面       多平台数据
  → 精选情报      → Top 3 推荐     → 终稿.md        → 发布就绪      → 日报推送

1.2 为什么是 5 个 Agent 而不是 1 个？

这不是故弄玄虚。Multi-agent starts being useful when you need real isolation, different tool policies or separate memories that should never mix.1

5 个 Agent 分开的三个核心原因：

原因一：记忆隔离。 Memory is useful but it also creates "bleed". If your work assistant learns one set of preferences and your personal assistant learns another, you will eventually get weird crossovers in tone, reminders or details. Separate agents prevent that.1 情报员 Scout 的记忆里应该是信息源质量和过滤规则，不应该被写手 Quill 的创作偏好污染。

原因二：成本控制。 Multi-agent makes this clean because each agent can have its own default model. Sub-agents can also use a separate model by default which is an easy cost win.1 Scout 做信息筛选用便宜的 Sonnet，Quill 写长文用 Opus——按需分配，成本降一半。

原因三：工具权限隔离。 Scout 需要浏览器访问权限去抓取信息，但 Metric 只需要读取 API 数据——you want your personal assistant to have exec and filesystem access. You do not want your public Discord bot to have exec. With separate agents you can enforce this with per-agent tool allow and deny lists.1

1.3 技术前提

在开始之前，你需要具备以下条件：

• OpenClaw 已安装并运行（推荐 VPS 部署以确保 24/7 在线）
• Telegram 或 Discord 已连接作为消息通道
• 至少一个 LLM API Key（推荐 Anthropic Claude，用 Sonnet 做日常任务，Opus 做重度写作）
• 基本了解 SOUL.md 写法（不了解的请先看系列一 S1-A03）

二、Agent #1：Scout（情报员）

使命：每天早上 6:00，自动扫描全网信息源，筛选出与你领域相关的高价值情报，生成结构化选题素材包。

2.1 Scout 能力定义

Scout 是整条链的起点。它的工作方式参考了社区中被广泛复现的"109 信息源聚合"案例——A marketing consultant configured their OpenClaw AI agent to monitor competitor blogs via RSS feeds. Consequently, the agent summarizes new posts, drafts Twitter threads, and schedules them via Buffer—all autonomously. This workflow saves 15 hours weekly, which compounds to 780 hours annually.3

Scout 需要安装的核心 Skills：

• blogwatcher：Monitor blogs and RSS/Atom feeds for updates using the blogwatcher.4
• airadar：Distill the signal around AI-native tools/apps and their GitHub home bases: fast-growing, hyped, well-funded.4
• 浏览器自动化 Skill：Web automation and browser control. Let OpenClaw fill out forms, scrape data, and navigate websites on your behalf using its built-in browser integration.5

2.2 Scout 的 SOUL.md

Markdown

# SOUL.md — Scout (情报员)
## 身份
你是 Scout，一个专注于 [你的领域] 的情报分析员。
你的唯一使命是：从海量信息中筛选出对内容创作有价值的情报。
## 性格
- 冷静、精确、极度克制
- 只汇报有价值的信息，绝不灌水
- 对信息质量有洁癖
## 能力
- RSS/Atom 订阅源监控
- 网页浏览与数据抓取
- 中英文信息源并行扫描
- 信息去重与相关性评分
## 信息源分类
### Tier 1（必扫·每日）
- 微博热搜 / 即刻精选 / 36氪快讯
- Hacker News Top 30 / Reddit r/[你的子版块]
- 竞品官网 / 竞品公众号
### Tier 2（辅助·每日）
- Twitter/X 关键词监控: [关键词1], [关键词2], [关键词3]
- Product Hunt 日榜
- GitHub Trending
### Tier 3（深度·每周）
- arXiv [相关分类] 新论文
- 行业研报 / 白皮书更新
## 输出规范
每日输出一份结构化情报简报，格式如下：
### 📊 Scout 每日情报 — [日期]
#### 🔥 热点事件（最多 3 条）
- [事件标题] | 来源: [来源名] | 热度: ⭐⭐⭐⭐⭐
  - 一句话摘要
  - 为什么值得关注
#### 📈 趋势信号（最多 5 条）
- [信号描述] | 来源: [来源名] | 信号强度: 强/中/弱
  - 数据支撑
  - 潜在选题角度
#### 🆕 新工具/新项目（最多 3 条）
- [项目名] | GitHub Stars / PH Upvotes
  - 做什么的
  - 目标用户
  - 选题潜力
#### 💬 社区声音（最多 5 条）
- "[原始评论摘要]" — 来源: Reddit/X/即刻
  - 代表的用户痛点
#### 📝 选题素材总结
基于以上情报，推荐 5 个潜在选题方向，每个用一句话描述。
## 规则
- 绝不编造信息，所有内容必须有明确来源
- 对中英文信息源统一用中文输出
- 重复出现的信息要合并去重
- 输出文件保存至 workspace/output/scout/[日期].md

2.3 Scout 的定时配置

Cron jobs run at precise times and can run in isolated sessions without affecting main context.6 Scout 使用独立 Cron 任务，每天早上 6:00 准时运行：

Bash

openclaw cron add \
  --name "Scout-daily-intel" \
  --cron "0 6 * * *" \
  --tz "Asia/Shanghai" \
  --session isolated \
  --message "执行每日情报扫描。按照 SOUL.md 中的信息源分类和输出规范，生成今日情报简报。保存至 workspace/output/scout/ 目录。" \
  --model sonnet \
  --announce \
  --channel telegram \
  --to "[你的Telegram ID]"

为什么用 Cron 而不是 Heartbeat？Exact timing required: "Send this at 9:00 AM every Monday" (not "sometime around 9").6 Scout 需要在固定时间产出情报，精确度比灵活性更重要。

2.4 成本估算

Scout 每日运行一次，处理 50-100 个信息源的抓取和分析，主要消耗在浏览器操作和 LLM 摘要生成上。使用 Sonnet 模型，Claude Sonnet is dramatically cheaper and handles 90% of tasks just fine. Casual conversations, calendar management, email drafts, web searches. Sonnet is great at all of this. You'll spend maybe $2-5/day on Sonnet for moderate use.7

Scout 每日成本：约 1.5

三、Agent #2：Editor（选题官）

使命：接收 Scout 的情报简报，结合你的品牌定位和历史数据，生成带评分的选题推荐卡。

3.1 Editor 为什么必须独立？

Editor 的核心价值不是"看信息"，而是"做判断"。它需要记住你过去 30 天写了什么、哪些选题效果好、哪些反复出现但你没写——这些记忆不应该和 Scout 的信息抓取混在一起。

3.2 Editor 的 SOUL.md

Markdown

# SOUL.md — Editor (选题官)
## 身份
你是 Editor，一个资深内容策划编辑。
你的使命是：从情报员 Scout 的素材中，挑选最具爆款潜力的选题。
## 性格
- 对爆款嗅觉极其敏锐
- 永远站在读者角度思考
- 用数据说话，不凭直觉
## 选题评分体系（满分 100 分）
对每个候选选题，从以下 5 个维度打分：
| 维度 | 权重 | 评分标准 |
|------|------|---------|
| 热度 | 25% | 当前全网讨论热度，是否在上升期 |
| 差异化 | 25% | 与竞品已有内容的差异度 |
| 受众匹配 | 20% | 与目标读者画像的契合度 |
| 时效性 | 15% | 话题的生命周期，是否需要快速产出 |
| 可操作性 | 15% | 能否在 4 小时内产出高质量内容 |
## 品牌定位约束
- 目标读者: [你的目标读者画像]
- 内容调性: [你的品牌调性]
- 禁区: [不写什么类型的内容]
- 历史高光: 参考 workspace/memory/ 中的历史数据
## 工作流程
1. 读取 workspace/output/scout/[今日日期].md
2. 结合品牌定位，对 Scout 推荐的 5 个选题进行评分
3. 如果 Scout 的素材不够好，可基于趋势信号自拟选题
4. 输出 Top 3 选题推荐卡
## 输出规范
### 📋 Editor 选题推荐 — [日期]
#### 🥇 推荐一：[选题标题]
- **综合评分**: 87/100
- **评分明细**: 热度 22 | 差异化 23 | 受众 18 | 时效 12 | 可操作 12
- **推荐角度**: [具体写作切入角度]
- **目标标题**: [3 个备选标题]
- **核心关键词**: [SEO 关键词]
- **预估长度**: [字数]
- **紧急度**: 🔴 今天必须发 / 🟡 本周内发 / 🟢 可以排期
- **素材来源**: [引用 Scout 报告中的具体条目]
[推荐二、推荐三格式同上]
#### 📊 本周选题回顾
- 已发布: [X] 篇
- 平均数据: 阅读 [X] / 点赞 [X]
- 空白领域: [最近没覆盖但应该写的方向]
## 规则
- 读取 Scout 输出时不要修改原文件
- 输出保存至 workspace/output/editor/[日期].md
- 同时将选题卡发送至 Telegram 供人工审批

3.3 Editor 的触发机制

Editor 不需要定时触发，而是在 Scout 产出后执行。使用 Cron 设置为每日 7:00（给 Scout 一小时缓冲）：

Bash

openclaw cron add \
  --name "Editor-topic-review" \
  --cron "0 7 * * *" \
  --tz "Asia/Shanghai" \
  --session isolated \
  --message "读取今日 Scout 情报（workspace/output/scout/），执行选题评估，生成选题推荐卡。保存至 workspace/output/editor/。" \
  --model sonnet \
  --announce \
  --channel telegram \
  --to "[你的Telegram ID]"

3.4 ⚡ 关键人工节点：选题审批

这是整条链中第一个必须人工介入的环节。

Editor 会通过 Telegram 向你推送 3 个选题推荐卡。你只需要回复一个数字（1、2 或 3），表示今天写哪个选题。或者你也可以回复"都不行"并补充思路。

为什么不让 Agent 自己决定？因为选题决定了你的品牌调性和商业方向——这是创作者最不应该放手的环节。

四、Agent #3：Quill（写手）

使命：接收 Editor 的选题推荐卡，产出完整的内容初稿，经过自检后输出终稿。

4.1 Quill 的核心挑战

写作是整条链中对 LLM 能力要求最高的环节。For complex tasks, OpenClaw can spawn sub-agents — specialized agents that handle specific parts of a workflow: Research Agent — searches web, collects sources, creates outline; Writing Agent — drafts the article from the outline; SEO Agent — optimizes title, meta description, headers; Publishing Agent — formats HTML, publishes to CMS via API. Each sub-agent runs independently, reports back to the main agent, and can use different models optimized for their specific task.8

我们的 Quill 将这个思路内化为一个 Agent 的多步骤工作流——大纲 → 初稿 → 自检 → 终稿。

4.2 Quill 的 SOUL.md

Markdown

# SOUL.md — Quill (写手)
## 身份
你是 Quill，一个专业的内容写手。
你的使命是：把选题变成读者愿意读完、愿意转发的好文章。
## 性格
- 写作风格: [你的真实写作风格描述]
- 开头必须在 3 秒内抓住注意力
- 善用具体数字和真实案例
- 拒绝空洞的概念堆砌
## 写作风格指南
参考 workspace/style-guide.md 中的风格约束。
（这个文件存放你的写作范例、常用句式、禁忌用语等）
## 工作流程（严格按顺序执行）
### Step 1: 读取选题
- 读取 workspace/output/editor/[日期].md
- 确认今日选定的选题编号
- 如有人工批注，优先遵循
### Step 2: 补充调研
- 基于选题卡的素材来源，做 10-15 分钟深度补充调研
- 搜索最新的数据、案例、引用
- 将调研笔记保存至 workspace/output/quill/research-[日期].md
### Step 3: 生成大纲
- 输出结构化大纲（标题 + 各节小标题 + 每节核心论点）
- 保存至 workspace/output/quill/outline-[日期].md
### Step 4: 撰写初稿
- 按大纲逐节撰写
- 字数: [你的目标字数范围]
- 每个核心观点必须有数据/案例/引用支撑
- 保存至 workspace/output/quill/draft-[日期].md
### Step 5: 自检清单
完成初稿后，逐项检查以下内容：
- [ ] 标题是否包含数字/冲突/好奇心钩子
- [ ] 前 100 字是否制造了阅读欲望
- [ ] 每个小标题是否能独立成为"值得读"的理由
- [ ] 是否有至少 3 个具体数据/案例
- [ ] 是否有 CTA（关注/收藏/转发引导）
- [ ] 是否存在事实性错误风险
- [ ] 是否触碰敏感词/平台禁区
- [ ] SEO 核心关键词是否自然出现 3-5 次
### Step 6: 输出终稿
- 将自检后的修改版保存为 workspace/output/quill/final-[日期].md
- 生成一份 200 字内的内容摘要（用于社交媒体分发）
- 推送至 Telegram 供人工最终审阅
## 规则
- 绝不抄袭，所有引用必须标注来源
- 绝不编造数据和案例
- 输出中文内容时，英文专有名词保留原文
- 不确定的事实用"据报道"等限定词

4.3 Quill 的模型选择策略

Quill 是唯一推荐使用高端模型的 Agent。Claude Opus and Sonnet for complex reasoning, GPT-4o for general tasks, and faster models for simple cron jobs. OpenClaw lets you specify different models per task.8

Bash

openclaw cron add \
  --name "Quill-content-creation" \
  --cron "0 8 * * *" \
  --tz "Asia/Shanghai" \
  --session isolated \
  --message "读取今日选题（workspace/output/editor/），执行完整写作流程（调研→大纲→初稿→自检→终稿）。" \
  --model opus \
  --thinking high \
  --announce \
  --channel telegram \
  --to "[你的Telegram ID]"

注意 --thinking high 参数——这让 Opus 在写作前进行深度推理，文章质量会明显提升，但成本也会相应增加。

4.4 ⚡ 关键人工节点：终稿审阅

Quill 完成终稿后会通过 Telegram 推送全文。你需要：

1. 快速通读（10 分钟）
2. 标注修改意见（直接回复 Telegram）
3. 确认发布（回��"OK"或"修改后发布"）

记住：Have your agent draft something: an email, a post, a message. Then give it feedback (just like you would an employee). "Too formal." "I wouldn't say it that way." "More concise." It updates its internal model of your voice7. 每一次反馈都在训练 Quill 更懂你的风格。

五、Agent #4：Pixel（设计师）

使命：为终稿生成配图、封面、社交媒体卡片，确保视觉一致性。

5.1 Pixel 的能力配置

There's no reliable "free, no-key" image generation that's worth building around. With an API, OpenClaw can generate images and send them to Telegram/Discord easily via a skill9.

Pixel 需要连接图片生成后端。推荐方案：

Batch-generate multiple variations for A/B testing or selection, produce consistent image libraries when automating content pipelines10. 这正是 Pixel 的核心用途。

5.2 Pixel 的 SOUL.md

Markdown

# SOUL.md — Pixel (设计师)
## 身份
你是 Pixel，一个专注于内容视觉设计的 AI 设计师。
你的使命是：让每篇内容在视觉上也能"停住"读者的手指。
## 品牌视觉规范
- 主色调: [你的品牌色 Hex 值]
- 辅助色: [辅助色]
- 字体风格: [风格描述]
- 图片风格: [如：扁平插画 / 科技感 / 极简主义]
- 禁忌: [如：不使用低质量素材 / 不使用暴力血腥元素]
## 工作流程
### Step 1: 读取终稿
- 读取 workspace/output/quill/final-[日期].md
- 提取文章主题、核心关键词、情绪基调
### Step 2: 生成封面图
- 基于文章标题和主题生成 3 个封面图方案
- 尺寸: 公众号封面 900×383 / B站封面 1146×717
- 保存至 workspace/output/pixel/covers/
### Step 3: 生成文内配图
- 根据文章小标题，生成 2-3 张辅助配图
- 保存至 workspace/output/pixel/inline/
### Step 4: 生成社交媒体卡片
- 小红书封面卡片 (1080×1440)
- Twitter/X 预览图 (1200×675)
- 保存至 workspace/output/pixel/social/
### Step 5: 输出资产清单
生成一份 pixel-assets-[日期].md 文件，包含：
- 所有图片文件路径
- 每张图的用途说明
- 推荐使用平台
## 规则
- 所有生成的图片必须符合品牌视觉规范
- 不使用版权受限的图片素材
- 封面图中文字必须清晰可读
- 保存至 workspace/output/pixel/

5.3 Pixel 的触发配置

Bash

openclaw cron add \
  --name "Pixel-visual-design" \
  --cron "30 9 * * *" \
  --tz "Asia/Shanghai" \
  --session isolated \
  --message "读取今日终稿（workspace/output/quill/final-），生成封面、配图和社交媒体卡片。保存至 workspace/output/pixel/。" \
  --model sonnet \
  --announce \
  --channel telegram \
  --to "[你的Telegram ID]"

六、Agent #5：Metric（数据分析师）

使命：每晚自动采集今日发布内容的数据表现，生成日报和趋势分析，反哺 Editor 的选题决策。

6.1 Metric 为什么重要？

大多数创作者在"发布"那一步就停了。但数据复盘才是让整条链越转越好的关键——它把终点变成了新的起点。

6.2 Metric 的 SOUL.md

Markdown

# SOUL.md — Metric (数据分析师)
## 身份
你是 Metric，一个冷静的数据分析师。
你的使命是：用数据说话，帮助团队持续优化内容策略。
## 性格
- 极度理性，只看数据
- 善于发现数据背后的规律
- 每个建议都有数据支撑
## 数据源配置
### 需要追踪的平台
- 微信公众号: [接入方式]
- 知乎: [接入方式]
- B 站: [接入方式]
- 小红书: [接入方式]
- Twitter/X: [接入方式]
### 追踪指标
| 平台 | 核心指标 |
|------|---------|
| 公众号 | 阅读数 / 在看 / 转发 / 新增关注 |
| 知乎 | 阅读 / 赞同 / 收藏 / 评论 |
| B 站 | 播放 / 弹幕 / 点赞 / 投币 / 收藏 |
| 小红书 | 阅读 / 点赞 / 收藏 / 评论 |
| Twitter | 展示 / 互动 / 转推 / 链接点击 |
## 输���规范
### 📊 Metric 每日数据报告 — [日期]
#### 今日发布内容
- 标题: [今日文章标题]
- 发布平台: [平台列表]
- 发布时间: [时间]
#### 各平台数据
[按平台列出各项指标]
#### 同期对比
- vs 上周同类型文章: +/- X%
- vs 月均表现: +/- X%
#### 关键发现
- [数据异常或亮点，如"知乎收藏率比平均高 150%，说明..."]
#### 给 Editor 的建议
基于数据，为下一期选题提供 1-2 条可操作建议。
#### 给 Quill 的建议
基于读者行为数据，为写作优化提供 1-2 条建议。
## 规则
- 数据必须真实，拉不到就标注"数据未获取"
- 不做过度解读，样本量不足时明确说明
- 每日报告保存至 workspace/output/metric/[日期].md
- 每周生成一份周报，保存至 workspace/output/metric/weekly/

6.3 Metric 的定时配置

Bash

openclaw cron add \
  --name "Metric-daily-report" \
  --cron "0 21 * * *" \
  --tz "Asia/Shanghai" \
  --session isolated \
  --message "采集今日发布内容的全平台数据，生成每日数据报告。保存至 workspace/output/metric/。如果是周日，同时生成周报。" \
  --model sonnet \
  --announce \
  --channel telegram \
  --to "[你的Telegram ID]"

七、把 5 个 Agent 串起来：Gateway 配置

7.1 多 Agent 配置文件

OpenClaw supports running multiple agents inside one Gateway process, and each one can behave like its own assistant with its own files, memory, auth and too1ls.

在 openclaw.json 中声明 5 个 Agent：

JSON

{
  "agents": {
    "list": [
      {
        "id": "scout",
        "workspace": "~/.openclaw/workspace-scout",
        "sandbox": { "mode": "all", "scope": "agent" },
        "tools": {
          "allow": ["read", "write", "exec"],
          "deny": []
        }
      },
      {
        "id": "editor",
        "workspace": "~/.openclaw/workspace-editor",
        "sandbox": { "mode": "all", "scope": "agent" },
        "tools": {
          "allow": ["read", "write"],
          "deny": ["exec"]
        }
      },
      {
        "id": "quill",
        "workspace": "~/.openclaw/workspace-quill",
        "sandbox": { "mode": "all", "scope": "agent" },
        "tools": {
          "allow": ["read", "write", "exec"],
          "deny": []
        }
      },
      {
        "id": "pixel",
        "workspace": "~/.openclaw/workspace-pixel",
        "sandbox": { "mode": "all", "scope": "agent" },
        "tools": {
          "allow": ["read", "write", "exec"],
          "deny": []
        }
      },
      {
        "id": "metric",
        "workspace": "~/.openclaw/workspace-metric",
        "sandbox": { "mode": "all", "scope": "agent" },
        "tools": {
          "allow": ["read"],
          "deny": ["exec", "write", "edit"]
        }
      }
    ]
  }
}

7.2 共享输出目录

5 个 Agent 之间通过共享文件目录进行数据传递。Separate auth + sessions (no cross-talk unless explicitly enable2d). 我们不让 Agent 之间直接通信，而是通过一个共享的 output/ 目录来传递成果物：

text

~/.openclaw/shared-output/
├── scout/          # Scout 的情报简报
│   └── 2026-03-02.md
├── editor/         # Editor 的选题卡
│   └── 2026-03-02.md
├── quill/          # Quill 的写作产出
│   ├── research-2026-03-02.md
│   ├── outline-2026-03-02.md
│   ├── draft-2026-03-02.md
│   └── final-2026-03-02.md
├── pixel/          # Pixel 的视觉资产
│   ├── covers/
│   ├── inline/
│   └── social/
└── metric/         # Metric 的数据报告
    ├── 2026-03-02.md
    └── weekly/

每个 Agent 的 Docker sandbox 都挂载这个共享目录为只读或读写（根据角色需要）。

7.3 文件目录结构总览

text

~/.openclaw/
├── openclaw.json                    # 主配置 (含 5 Agent 声明)
├── workspace-scout/
│   ├── SOUL.md
│   ├── AGENTS.md
│   └── skills/
│       ├── blogwatcher/
│       └── airadar/
├── workspace-editor/
│   ├── SOUL.md
│   ├── AGENTS.md
│   ├── style-guide.md
│   └── memory/                      # Editor 的选题记忆
├── workspace-quill/
│   ├── SOUL.md
│   ├── AGENTS.md
│   ├── style-guide.md               # 写作风格指南
│   └── memory/                      # Quill 的写作偏好记忆
├── workspace-pixel/
│   ├── SOUL.md
│   ├── AGENTS.md
│   ├── brand-assets/                # 品牌素材
│   └── skills/
│       └── openai-image-gen/
├── workspace-metric/
│   ├── SOUL.md
│   ├── AGENTS.md
│   └── memory/                      # 历史数据记忆
├── shared-output/                   # 共享输出目录
│   ├── scout/
│   ├── editor/
│   ├── quill/
│   ├── pixel/
│   └── metric/
└── cron/                            # 定时任务存储
    └── jobs.json

八、一天的真实运行时间线

让我们还原一个完整工作日，看看这 5 个 Agent 是怎么协作的：

text

05:55  🖥️  VPS 上的 OpenClaw Gateway 正在安静运行...
06:00  🕵️ Scout 被 Cron 唤醒
       → 开始扫描 50+ 信息源
       → 抓取 RSS、浏览 HN 和 Reddit、检查竞品动态
       → 20 分钟后完成，输出情报简报至 shared-output/scout/
       → Telegram 推送简报摘要给你
06:25  📱 你在地铁上收到 Telegram 消息，快速浏览今日情报
07:00  📋 Editor 被 Cron 唤醒
       → 读取 Scout 的情报简报
       → 结合历史数据，对 5 个候选选题打分
       → 输出 Top 3 选题推荐卡
       → Telegram 推送选题卡，等待你的审批
07:15  📱 你回复 Telegram："1"（选择第一个选题）
       → 审批信号被记录
08:00  ✍️ Quill 被 Cron 唤醒
       → 读取选题卡 + 你的审批结果
       → 执行：补充调研 → 生成大纲 → 撰写初稿 → 自检 → 终稿
       → 约 40-60 分钟完成
       → Telegram 推送终稿全文
09:00  📱 你快速审阅终稿
       → 回复 Telegram："第三段太长了，压缩一下。结尾加个互动问题。"
       → Quill 根据反馈修改，10 分钟后推送修订版
       → 你回复 "OK"
09:30  🎨 Pixel 被 Cron 唤醒
       → 读取终稿
       → 生成封面 × 3 + 配图 × 2 + 社交卡片 × 2
       → 约 10-15 分钟完成
       → Telegram 推送所有图片供你选择
10:00  📱 你选择封面方案 B，确认所有配图
       → 所有内容素材就绪
10:30  🚀 你手动发布内容
       （或者配置发布 Skill 半自动发布）
       → 公众号 / 知乎 / B 站 / 小红书 / Twitter 同步发布
       ...一天过去了...
21:00  📊 Metric 被 Cron 唤醒
       → 采集全平台数据
       → 生成今日数据报告
       → 与历史数据对比分析
       → 给 Editor 和 Quill 各生成 1-2 条优化建议
       → Telegram 推送日报
21:10  📱 你查看数据日报
       → "今天知乎收藏率是平均的 3 倍，说明这个角度可以做系列"
       → 这条洞察将影响 Editor 明天的选题评分
22:00  😴 你睡了。
       Agent 们也安静了。
       明天 6:00，新的一轮开始。

九、安全配置：不可跳过

OpenClaw's design has drawn scrutiny from cybersecurity researchers due to the broad permissions it requires to function effectively. Because the software can access email accounts, calendars, messaging platforms, and other sensitive services, misconfigured or exposed instances present security and privacy ris11ks.

5 个 Agent 同时运行，安全面更大。以下是必须落实的安全措施：

9.1 每个 Agent 的最小权限原则

9.2 安全检查清单

Markdown

# 五 Agent 系统安全 Checklist
## 基础安全
- [ ] Gateway 绑定 127.0.0.1，不暴露至公网
- [ ] Telegram Bot 已设置 allowlist，仅允许你的 ID
- [ ] API Key 已设置每日额度上限
- [ ] 每个 Agent 运行在独立 Docker 容器中
## 权限控制
- [ ] 每个 Agent 的 tools.allow/deny 已正确配置
- [ ] shared-output 目录权限已正确设置（谁可读、谁可写）
- [ ] 没有 Agent 拥有 sudo 权限
- [ ] 所有 exec 操作配置了 require_approval（如需要）
## 成本安全
- [ ] 每个 Agent 配置了 maxConcurrent 限制
- [ ] Heartbeat 模型使用最便宜的选项
- [ ] 配置了成本报警阈值
- [ ] Quill 的 Opus 调用设置了每日次数上限
## 数据安全
- [ ] 所有 API Key 存储在 ~/.openclaw/credentials/ 下
- [ ] credentials 目录权限 chmod 600
- [ ] 定期备份 shared-output 目录

maxConcurrent: 4, subagents: maxConcurrent: 8. Why this matters: Prevents one bad task from spawning 50 retries and burning your quota in minut12es. 确保每个 Agent 都有并发限制。

十、成本全透明

10.1 每日成本估算

10.2 省钱技巧

My stack runs Kimi K2.5 primary + MiniMax M2.5 fallback, via OpenRouter on two 200/month → $1315. 社区中已有成功案例将成本大幅压缩。你可以：

1. Scout/Editor/Metric 使用更便宜的模型：Kimi K2.5、MiniMax M2.5 或 DeepSeek V3 可以胜任信息处理任务
2. Quill 仅在最终写作步骤使用 Opus：调研和大纲阶段用 Sonnet
3. Pixel 使用免费额度的 Gemini 图片生成：nanobanana-pro-fallback - Nano Banana Pro with auto model fallback — generate/edit images via Gemini Image A14PI.
4. 限制 Heartbeat 频率：At 48 heartbeats/day, that's 0.24/d12ay. 内容流水线用 Cron 而不是 Heartbeat，本身就更省钱

优化后月度成本可以控制在 $50-150，相当于雇一个实习生的零头。

十一、进阶优化：让流水线越来越智能

11.1 反馈循环设计

这条链最强大的地方不是"自动化"——而是学习能力。

text

Metric 的建议 → 写入 Editor 的 memory/ 目录
                → 影响 Editor 的选题评分
                → 影响 Quill 的写作策略
                → 生成更好的内容
                → Metric 采集更好的数据
                → 循环优化

OpenClaw's persistent memory creates a compounding advantage. Over weeks, it learns your communication style, project priorities, and preferred workflows. Consequently, suggestions become eerily accurate—like collaborating with a long-time colleag3ue.

11.2 周报和月报自动化

在 5 个 Agent 之外，你可以给 Metric 追加周报和月报任务：

Bash

# 每周日 20:00 生成周报
openclaw cron add \
  --name "Metric-weekly-review" \
  --cron "0 20 * * 0" \
  --tz "Asia/Shanghai" \
  --session isolated \
  --message "生成本周内容数据周报。对比各平台表现，分析选题趋势，输出下周选题方向建议。" \
  --model opus \
  --thinking high \
  --announce

11.3 多语言扩展

如果你要做英文内容，只需要为 Quill 克隆一个 quill-en Agent，使用英文 style-guide.md。Multiple agents can be defined declaratively (for example, a sales agent, support agent, personal assistant, or family/friends agent), all within a single App Platform sp15ec.

十二、常见问题与踩坑记录

Q1：Scout 抓不到某些网站的内容怎么办？

OpenClaw has a built-in browser automation skill, so it can surf websites and scrape data for you. For instance, "Find me the top 5 cheapest 4K monitors on Amazon and put them in a list" is a task the agent can attempt by going to Amazon, searching, and extracting details. It can click links, fill search forms, scroll pages – essentially doing what you would do in a browser, but at machine spe16ed. 但部分网站有反爬机制。建议用 RSS 优先，浏览器抓取作为兜底。

Q2：Quill 写出来的内容太"AI 味"怎么办？

• 在 SOUL.md 中加入你的 3-5 篇代表作全文作为风格范例
• 每次给反馈时，明确指出"哪里像 AI"以及"你会怎么说"
• You can also create an explicit writing style guide (I have one as a markdown file) and point your agent to 7it.

Q3：5 个 Agent 同时跑会不会太吃资源？

不会。它们是错开运行的（6:00、7:00、8:00、9:30、21:00）。Most production systems comfortably handle 10-20 agents on standard cloud instanc17es. 一台 $10-15/月的 VPS 完全够用。

Q4：如果我不想一次搭 5 个 Agent 呢？

完全可以渐进式部署：

1. 第一周：只搭 Scout + Editor（情报 + 选题），自己写文章
2. 第二周：加入 Quill（写作辅助），自己做图
3. 第三周：加入 Pixel（配图生成）
4. 第四周：加入 Metric（数据复盘），闭环完成

Q5：多 Agent 之间如果"打架"了怎么办？

Multi-agent is not a checkbox you need to tick. It adds moving parts. The trick is to add agents for clear reaso1ns. 我们的设计中 Agent 之间没有直接通信，而是通过文件传递——这从根本上避免了冲突。如果某个 Agent 的输出不达标，下游 Agent 会在 Telegram 中标注问题，等你介入。

十三、这套系统的边界：什么不该让 Agent 做

写到最后，必须诚实地谈谈边界。

❌ 不该让 Agent 做的事情

1. 最终发布按钮：在你对 AI 创作质量有充分信心之前，发布操作应该由人工完成
2. 品牌调性的重大改变：Agent 可以优化，但不能替你做战略决策
3. 与用户的直接互���：回复评论、私信粉丝——这些需要你的真实人格
4. 财务相关操作：投放广告、付费合作——涉及钱的事不交给 Agent

✅ Agent 最擅长的事情

1. 重复性信息处理：每天扫描 100 个信息源并摘要
2. 结构化评估：对选题按固定维度打分
3. 初稿生成：在你的风格指南约束下产出 80% 完成度的内容
4. 格式适配：一篇内容改成 7 个平台的版本
5. 数据汇总：拉取和整理多平台数据

记住这个比例：Agent 做 80% 的重复性劳动，你做 20% 的创造性决策。

尾声：一个人的内容公司

回到开头的问题——自媒体不只是"写"的问题。

它是一个由信息采集 → 选题判断 → 内容生产 → 视觉设计 → 数据分析组成的完整价值链。以前，一个人做这五件事，要么累死，要么每个环节都做不到位。

现在，你有了 Scout、Editor、Quill、Pixel、Metric。

Steinberger describes OpenClaw as "[an] AI that actually does thi11ngs."

五个 Agent 替你做事，你只需要在每天两个关键节点做决策——选什么题、终稿是否发布。其余时间，你可以去思考更重要的事：你的内容要带读者去哪里？你的品牌要成为什么？

这些问题，AI 回答不了。但它们，恰恰是一个创作者最不可替代的价值。

📦 本文配套资源

下一篇预告：OpenClaw 实战联动系列X-02《晨报 + 情报站 + 内容工厂：三套系统联动后，我的自媒体上了一个台阶》—— 我们将把系列一的"每日晨报"和本文的"内容流水线"合并，打造一个从早到晚无缝衔接的个人 AI 操作系统。

OpenClaw 实战工作流

如果这篇文章让你觉得"我也想试试"，请收藏 + 转发。每一个行人，都在离"一人内容公司"更近一步。🦞