三个 Agent 一条龙：调研→脚本→缩略图，我用 OpenClaw 搭了一条 YouTube 内容流水线

一个人，三个 Agent，45 分钟日更。这不是概念验证，这是我过去 30 天真实跑通的内容生产系统。

写在最前面：为什么我要写这篇文章

2026 年开年，AI 圈发生了一件不可思议的事。

OpenClaw 已经突破了 250K+ star，超越 React 成为 GitHub 上 star 数最多的非聚合类软件项目——这个头衔 React 保持了很多年。1 从零到第一，不到四个月，而且没有减速的迹象。1

要知道，React 花了整整十三年，依靠无数的岗位需求、企业架构选型和培训课程的反复灌输，才积累了超过 240,000 个 star。2 OpenClaw 在短短一百天内就达到了同样的高度。2

但比数字更重要的是——它到底在解决什么问题？

创造者 Peter Steinberger 将 OpenClaw 描述为"真正能做事的 AI"，并将其定位为基于 AI 的虚拟助手。3 不同于提供另一个聊天机器人，OpenClaw 交付的是一个真正的个人 AI Agent——在本地运行，跨对话记住上下文，并且能够真正在你的机器上做事。4

我是一名独立 YouTube 创作者。过去一年，我每周最多更新 2 条视频，每条从选题到发布平均花 8 小时。这意味着每周 16 小时被锁死在内容生产上，剩下的时间几乎无法做任何创新。

在 OpenClaw 爆火之后，我花了 3 天搭建了一套三 Agent 协作的内容流水线。30 天后的今天，我实现了日更，每条视频的人工介入时间压缩到 45 分钟。

这篇文章，就是这 30 天的完整复盘。

第一章 痛点：一个 YouTube 创作者的 "不可能三角"

做 YouTube 的人都知道这个三角形：

text

        质量
       /    \
      /      \
   频率 ———— 成本

你只能选两个。高质量 + 高频率 = 烧钱请团队。高质量 + 低成本 = 慢到丢失算法推荐。高频率 + 低成本 = 垃圾内容，掉订阅。

我之前的成本结构是这样的：

请自由职业者？调研 200 + 缩略图 $30 = $280/条，日更一个月就是 $8,400。

对于一个 5 万订阅的频道来说，这个数字荒谬到可笑。

我需要的不是一个更好的工具，而是一整条流水线。

第二章 认识 OpenClaw：不只是聊天机器人

在展开技术方案之前，先用 30 秒理解 OpenClaw 的本质。

OpenClaw 是一个开源 AI Agent，通常在本地的 Mac Mini 或虚拟私有服务器上运行——它连接到 WhatsApp、Telegram、Slack 和 Discord 等平台。不同于仅仅响应查询的聊天机器人，OpenClaw 可以执行真实世界的任务，如阅读邮件、管理日历、运行终端命令、部署代码，以及在会话之间保持记忆。5

由 PSPDFKit 的创始人 Peter Steinberger 创建，OpenClaw 通过 API 与 Claude、GPT 和 DeepSeek 等大语言模型集成。它充当一个网关，将 AI 模型连接到你的工具和数据，可通过你首选消息应用中的对话式命令进行访问。5

关键差异在于——

大多数 AI 聊天机器人止步于生成文本。OpenClaw 专注于执行。6

而它的生态已经极其丰富。OpenClaw 的公共注册中心（ClawHub）截至 2026 年 2 月 28 日已托管了 13,729 个社区构建的技能。7 有了 ClawHub，安装技能现在就像安装应用一样简单。只需几条命令，你就可以将你的 Agent 扩展为邮件操作员、研究助手、工作流自动化引擎或长期知识伙伴。8

这意味着：你不需要从零开始写代码，社区已经帮你铺好了路。

第三章 架构全景：三个 Agent 是如何分工的

先看整体架构图——

text

┌─────────────────────────────────────────────────────────────┐
│                     Discord 服务器                            │
│                                                               │
│  #video-research    #scriptwriting    #visual-design          │
│  (Agent 1:调研猎手)  (Agent 2:编剧)    (Agent 3:设计师)        │
│       │                  │                  │                  │
│  ┌────▼────┐       ┌────▼────┐       ┌────▼────┐             │
│  │ Sonnet  │       │  Opus   │       │ Sonnet  │             │
│  │ 快速扫描 │       │ 深度创作 │       │ 视觉生成 │             │
│  └────┬────┘       └────┬────┘       └────┬────┘             │
│       │                  │                  │                  │
│       └────────┐    ┌───┘                  │                  │
│                ▼    ▼                      │                  │
│         Obsidian Vault                     │                  │
│     (MEMORY.md + 每日笔记)                  │                  │
│                                             │                  │
│  #monitoring          #briefing             │                  │
│  (Cron/健康/成本)      (每日总结)             │                  │
│                                              │                 │
│  ──────────── Telegram 告警推送 ──────────── │                 │
└─────────────────────────────────────────────────────────────┘

这个架构的核心灵感来自社区中一位高产创作者分享的 50 天使用方案。他的设置是：OpenClaw 运行在 VPS 上，Discord 作为主要交互界面（每个工作流一个独立频道），Obsidian 用于笔记（Markdown 优先），Coolify 用于自托管服务。9

我在他的基础上做了 YouTube 内容生产的深度定制。

为什么选择 Discord 多频道？

频道就像各自训练好的独立员工。无论你的注意力是否在它上面，每条通道内的活动都在持续。进度在复合增长，因为多条流同时在推进。10

一个常见的设置是一个主"编排者"Agent 处理你的主聊天，它会为并行任务生成子 Agent。同时你还可以保留其他持久 Agent 绑定到独立频道，让它们独立运行自己的事情。11

而 OpenClaw 原生就支持这种架构。OpenClaw 可以在一个 Gateway 进程内运行多个完全隔离的 Agent。这里的"隔离"不是营销用语。每个 Agent 可以拥有自己的工作区目录和本地文件（如 SOUL.md 和 AGENTS.md）。它们仍然共享同一个服务器进程和同一份主配置文件，所以你不用运行十个 Gateway——你运行一个 Gateway，里面装着多个"大脑"。11

第四章 Agent 1——调研猎手（#video-research 频道）

职责

24/7 不间断扫描全网热点，发现值得做的 YouTube 选题，输出结构化选题报告。

核心 Skill 组合

① youtube-summarizer（竞品视频分析）

youtube-summarizer 自动检测 YouTube URL，检索视频元数据（标题、频道、发布日期、时长），并获取可用的字幕来生成结构化摘要，包含分段关键洞察、时间戳和精简要点。它还可以将完整字幕或摘要转发到消息平台（如 Telegram）进行分享或归档。12

实际用法：我把竞品频道最新视频的 URL 丢到 #video-research 频道，Agent 自动返回：

Markdown

## 竞品视频分析：[频道名] - [视频标题]
- 📊 时长：12:34 | 发布：2 天前
- 🔑 核心论点：3 个关键洞察（含时间戳）
- 🎯 Hook 策略：开头 30 秒用了"反直觉数据"型 Hook
- 💡 内容空白：未覆盖 [X] 角度，可作为我们的差异化切入点
- 📈 预估表现：基于该频道历史数据，此类选题平均播放量 XX

② youtube-transcript（字幕抓取+分析）

使用场景包括内容研究、辅助功能（字幕生成）、本地化、将视频内容转化为文章或社交帖子、内容审核与合规审查，以及接入下游 NLP 管线。13

这个 Skill 让我的 Agent 能"看"完一条 30 分钟的视频只需要 15 秒。

③ 每日 Cron 扫描任务

灵感来源于社区中的经典方案——通过 Cron 定时任务在每天早上 7:00 在 Discord #briefing 频道运行，它会：1. 扫描我 Twitter/X 时间线上最近约 100 条推文；2. 基于我的兴趣（AI、开发者工具、独立开发、内容创作、技术商业）挑出最相关的 Top 10 推文；3. 将结构化摘要写入 Obsidian 金库；4. 如果有推文和潜在的 YouTube 视频创意相关，将其追加到视频创意积压表；5. 在频道中发送一份摘要。9

我的调研 Agent 配置框架

YAML

# Agent 1: 调研猎手 配置
Agent ID: researcher
Workspace: ~/.openclaw/workspace-researcher
Model: claude-sonnet  # 日常扫描用性价比最高的模型
Cron Jobs:
  - "0 7 * * *"   # 每天 7:00 早间扫描
  - "0 13 * * *"  # 每天 13:00 午间补扫
  - "0 20 * * *"  # 每天 20:00 晚间总结
Skills:
  - youtube-summarizer    # 竞品视频结构化分析
  - youtube-transcript    # 字幕抓取与 NLP
  - tavily                # 实时网页搜索
  - airadar               # AI 工具/应用趋势信号
Output:
  - Discord: #video-research (完整报告)
  - Discord: #briefing (精简日报)
  - Obsidian: /Projects/video-ideas.md (创意积压表)
  - Telegram: 紧急热点推送

真实产出示例

以下是某天 Agent 1 在 #video-research 频道输出的选题报告（摘要版）：

Markdown

📋 每日选题报告 | 2026-02-18
## 🔴 高优先级（热度+时效性双高）
1. OpenClaw 超越 Linux 登顶 GitHub Star 榜
   - 热度评分：9.5/10
   - 竞品覆盖：3/5 头部频道已出视频
   - 差异化角度：没人讲"为什么 Star 数不代表一切"
   - 建议 Hook："250K Star 的项目可能让你丢掉工作"
## 🟡 中优先级（有深度空间）
2. NanoClaw vs OpenClaw：安全优先的 Agent 架构
   - 差异化角度：容器化隔离 vs 全权限信任
   - 目标观众：有安全意识的开发者
## 🟢 长线选题（常青内容）
3. 从零搭建个人 AI Agent 的完整指南
   - 搜索量趋势：↑ 340% (30 天)
   - 竞品分析：现有视频平均质量 6/10，有空间

第五章 Agent 2——编剧（#scriptwriting 频道）

职责

从 Agent 1 的选题报告中接收 Top 选题，生成符合我个人风格的完整视频脚本。

为什么脚本 Agent 用 Opus

把便宜的任务（监控、摘要、链接处理）路由到 Haiku；用 Sonnet 处理均衡任务（日常助手、邮件分拣、书签）；将 Opus 保留给深度思考（研究、复杂分析、内容策略）。9

脚本创作是最需要"深度思考"的环节。Opus 的长推理链和创意输出是这条流水线里最值得投资的地方。

SOUL.md——人格设定文件

这是 OpenClaw 最让我兴奋的设计之一。每个 Agent 都有自己的 SOUL.md 文件来定义人格。

我为编剧 Agent 写的 SOUL.md 核心段落：

Markdown

# SOUL.md - 编剧 Agent
## 你是谁
你是一名顶级 YouTube 编剧，专注于科技/AI 领域的中文内容。
你的风格融合了"技术深度"和"故事感"——
不是干巴巴的教程，而是有起承转合的叙事。
## 写作原则
1. 前 30 秒必须有一个"反直觉"或"冲击性数据"的 Hook
2. 每 2-3 分钟一个节奏切换（数据→故事→操作→观点）
3. 结尾必须有"行动号召"——不是"点赞订阅"，而是给观众一个具体的下一步
4. 语气：像一个懂技术的老朋友在深夜跟你聊天，不是在讲课
## 禁止事项
- 不要用"震惊""难以置信"等廉价情绪词
- 不要超过 2000 字（8-12 分钟视频）
- 不要抄袭竞品的结构，找到自己的角度

MEMORY.md——长期记忆系统

OpenClaw 的记忆模型刻意走朴素路线。没有向量数据库。没有隐藏的嵌入。Markdown 文件是事实来源，记忆检索通过工具来中介。memory/YYYY-MM-DD.md 是仅追加的每日日志。今天和昨天的日志在会话开始时加载。MEMORY.md 是策展的长期记忆，仅在主/私人会话中加载。模型只"记住"写入磁盘的内容。14

我的 MEMORY.md 会记录：

• 哪些 Hook 类型表现好（反直觉数据 > 提问 > 争议观点）
• 哪些视频结构获得了更高的完播率
• 观众评论中反复出现的需求
• 我个人不喜欢的表达方式

这意味着 Agent 越用越懂我。 第 1 天的脚本质量可能 60 分，到第 30 天已经稳定在 85 分——因为它积累了我整整一个月的风格偏好和观众反馈数据。

工作流程

text

Agent 1 输出选题报告
        │
        ▼
Agent 2 在 #scriptwriting 频道接收
        │
        ├── Step 1: 用 youtube-summarizer 分析 Top 3 竞品视频的脚本结构
        │
        ├── Step 2: 用 tavily 搜索最新数据/案例/引用来源
        │
        ├── Step 3: 读取 SOUL.md（人格设定）+ MEMORY.md（历史偏好）
        │
        ├── Step 4: 生成脚本初稿（含时间戳标注）
        │
        ├── Step 5: 自我审阅一遍（检查 SOUL.md 中的禁止事项）
        │
        └── Step 6: 输出最终脚本到 Obsidian + 通知我审阅

真实脚本输出示例（节选）

Markdown

# 🎬 视频脚本：OpenClaw 250K Star 背后的真相
## [0:00-0:30] HOOK
"React 花了 13 年积累的 GitHub star 数，
一只龙虾用 100 天就超了。
但今天我要告诉你——
这 250,000 个 star 里，可能有一半人从来没真正用过它。
这才是最有意思的部分。"
## [0:30-2:30] 第一段：数据冲击
（呈现 star-history 图表）
"让我们先看几个数字..."
## [2:30-5:00] 第二段：为什么它能火
（叙事转换：从数据到故事）
"故事要从 2025 年 11 月说起..."
## [5:00-8:00] 第三段：我实际用了 30 天
（最有价值的部分：真实体验）
"理论都很美好，但真用起来..."
## [8:00-10:00] 第四段：冷水时刻
（平衡视角，建立信任）
"但我必须诚实地告诉你几个坑..."
## [10:00-11:00] 结尾：你现在该做什么
"如果你看到这里，说明你至少是认真的..."

第六章 Agent 3——视觉设计师（#visual-design 频道）

职责

为每条视频生成 3 版缩略图 + 3 版标题组合，供我进行 A/B 测试。

核心 Skill 组合

① Remotion 视频创建管线

Master orchestrator 将所有 Remotion 视频创建技能串联在一起，形成单一自动化管线。从创意简报开始，产出完整的、可投入生产的 Remotion 视频项目。12

② fal.ai 视觉资产生成

利用 fal.ai 图像生成来制作视觉资产（图标、logo、游戏精灵图、UI 元素）。12

③ 美学参考引擎

该技能将美学简报映射到文化参考：艺术运动、摄影、电影、建筑、音乐、时尚。输出带有视觉语言分析的参考列表，并将发现组织为 Brain 画布中的图像和备忘录节点。12

缩略图生成工作流

text

脚本核心论点（来自 Agent 2）
        │
        ▼
缩略图策略生成
├── 情绪基调：惊讶/好奇/紧迫
├── 视觉风格：对比色/人脸特写/数据图表
├── 文字策略：不超过 5 个字的标题文案
│
        ▼
3 版缩略图 × 3 版标题 = 9 个组合
        │
        ▼
输出到 #visual-design + Obsidian
├── thumbnail_v1_curiosity.png  （好奇型）
├── thumbnail_v2_contrast.png   （对比型）
├── thumbnail_v3_data.png       （数据冲击型）
│
        ▼
我选择最终版（唯一人工决策点）

第七章 Genviral：从 0 到 1 的社交分发

内容做好了，还需要分发。这里我发现了一个改变游戏规则的 Skill——

Genviral 推出了一个专用的 OpenClaw 技能，允许这个开源 AI Agent 自主地在 TikTok、Instagram、YouTube、Facebook、Pinterest 和 LinkedIn 六个平台上创建、排期和分析短视频内容，通过 42 个 API 命令完成。15

更关键的是它的闭环设计——该集成采用闭环架构：Agent 从文本提示或图片包生成幻灯片，将内容分发到已连接的社交账户，然后检索包括浏览量、点赞和粉丝增长在内的互动数据。该表现数据反馈回下一个内容周期，允许 Agent 基于实测结果而非假设来调整 Hook 公式和发布策略。15

效果如何？该公司报告称，其第一个由 OpenClaw 生成的幻灯片发布到 TikTok 后达到了 25,000 次观看，展示了这条自主管线的实际产出。15

我把它整合进了我的流水线尾端——Agent 3 生成的缩略图和 Agent 2 的脚本摘要，自动被打包成短视频片段分发到其他平台。主视频在 YouTube，碎片化内容自动铺到 6 个平台。

第八章 多 Agent 路由：一个 Gateway，多个大脑

技术细节时间。

OpenClaw 多 Agent 设置支持不同的人格（通过每个 Agent 工作区的 AGENTS.md 和 SOUL.md 文件），以及独立的认证和会话（除非明确启用，否则无交叉干扰）。16

不同的 Agent 可以使用不同的模型。你的编排 Agent 可能使用 Claude Opus 做复杂推理，而工作 Agent 使用更快、更便宜的模型处理日常任务。17

我的具体配置逻辑（简化版）：

jsonc

{
  "agents": {
    "list": [
      {
        "id": "researcher",
        "workspace": "~/.openclaw/workspace-researcher",
        // Model: Sonnet（快速、便宜、够用）
      },
      {
        "id": "scriptwriter",
        "workspace": "~/.openclaw/workspace-scriptwriter",
        // Model: Opus（深度创作需要最强模型）
      },
      {
        "id": "designer",
        "workspace": "~/.openclaw/workspace-designer",
        // Model: Sonnet + fal.ai（视觉生成）
      }
    ]
  },
  "bindings": [
    { "agentId": "researcher",   "match": { "channel": "discord", "channelId": "#video-research" }},
    { "agentId": "scriptwriter", "match": { "channel": "discord", "channelId": "#scriptwriting" }},
    { "agentId": "designer",     "match": { "channel": "discord", "channelId": "#visual-design" }}
  ]
}

会话存储跟踪正在进行的对话、待处理的任务和跨频道交互的上下文。这种隔离意味着 Agent A 在 Discord 上与用户的对话与 Agent B 在 Telegram 上与同一用户的对话是完全分离的，即使两个 Agent 运行在同一个 Gateway 上。17

这种隔离至关重要——调研 Agent 看到的数据不会污染编剧 Agent 的上下文窗口，每个 Agent 都只加载它需要的信息。

第九章 编排的艺术：不要让 LLM 做流程控制

这是我踩过的最大一个坑，也是社区里一位开发者用血泪验证的教训——

不要用 LLM 做编排。每次我试图把流程控制放进提示词（"当你完成后，发送给审阅者"），我就引入了一个失败模式。LLM 是不可靠的路由器。18

让 LLM 做 LLM 擅长的事：写代码、分析代码、运行测试。让 Lobster（OpenClaw 的工作流引擎）做代码擅长的事：排序、计数、路由、重试。18

我的三个 Agent 之间的流转是通过 Cron + Webhook + Discord 频道 来硬编排的，而不是让某个 Agent 去"决定"下一步该找谁：

text

Cron 7:00  → Agent 1 开始扫描 → 产出写入 Obsidian
Cron 9:00  → Agent 2 读取 Obsidian 选题文件 → 生成脚本
Cron 11:00 → Agent 3 读取 Obsidian 脚本文件 → 生成缩略图
Cron 11:30 → Telegram 通知我："今天的内容已就绪，等待审阅"

简单、可预测、不会出幺蛾子。

这比让一个"超级 Agent"统管一切可靠一万倍。

第十章 30 天真实数据复盘

产出数据

成本核算

对比之前外包的 2,240/月，节省 94.6%。

质量评估（诚实版）

我必须坦率地说：Agent 不会让你成为更好的创作者，它只是让你更快。

• 脚本初稿约 70% 可以直接用，但 30% 需要大幅修改——通常是因为 Agent 倾向于"安全"的表达，缺乏我个人的锐利观点
• 缩略图质量大约是专业设计师的 70-80%，但在速度上是 100 倍
• 选题调研是提升最大的环节——Agent 能看到我看不到的趋势交叉点
• 最大的惊喜：MEMORY.md 带来的个性化改善是渐进但持续的

第十一章 安全警示：你必须知道的风险

在兴奋之余，我有责任告诉你这个生态系统的另一面。

因为该软件可以访问邮件账户、日历、消息平台和其他敏感服务，配置不当或暴露的实例会带来安全和隐私风险。该 Agent 也容易受到提示注入攻击，即有害指令被嵌入数据中，意图让 LLM 将其解释为合法的用户指令。3

Cisco 的 AI 安全研究团队测试了一个第三方 OpenClaw 技能，发现它在用户不知情的情况下执行了数据外泄和提示注入，并指出该技能仓库缺乏足够的审查来防止恶意提交。3

OpenClaw 自家维护者 Shadow 的警告尤为震撼——他在 Discord 上说："如果你不理解如何运行命令行，这个项目对你来说太危险了，你无法安全使用。"3

我的安全实践 Checklist

Markdown

✅ 每个 Agent 最小权限原则：调研 Agent 没有文件系统写入权限
✅ 所有第三方 Skill 安装前人工审阅源码
✅ 使用 security-check Skill 定期审计已安装 Skill
✅ API Key 按 Agent 隔离，不共享凭证
✅ Gateway 不暴露公网，仅通过 Tailscale 私有网络访问
✅ 每日 4:00am 自动备份所有配置到私有 GitHub 仓库
✅ 严格审批模式：执行命令前需要人工确认

专家建议仅在隔离环境（如虚拟机）中使用 OpenClaw，并在部署前仔细审查权限和技能。19

第十二章 你现在就可以开始的三步行动计划

Step 1：最小可行设置（周末就能完成）

Bash

# 1. 安装 OpenClaw
npm install -g openclaw@latest
openclaw onboard --install-daemon
# 2. 连接 Discord
# 按照向导配置 Discord Bot Token
# 3. 安装核心 Skill
# 在聊天中发送链接，Agent 自动安装

推荐的设置方式：在终端中运行 onboarding 向导（openclaw onboard）。向导会逐步引导你完成 Gateway、工作区、频道和技能的配置。20

Step 2：先跑单 Agent，验证价值

如果你是 OpenClaw 或 AI Agent 的新手，先从一个配置良好的单 Agent 开始。17

不要一开始就搞三 Agent。先在一个 Discord 频道里跑调研 Agent，验证选题质量。确认它真的比你手动调研更高效后，再扩展。

Step 3：逐步扩展到完整流水线

text

Week 1: Agent 1（调研）→ 验证选题质量
Week 2: + Agent 2（脚本）→ 验证脚本可用率
Week 3: + Agent 3（缩略图）→ 完整流水线上线
Week 4: 接入 Genviral → 多平台分发

写在最后：一个创作者的真心话

30 天前，当我第一次在 Discord 里看到 Agent 自动返回选题报告时，说实话，我有一瞬间的恐惧——如果 AI 能做这些，我的价值在哪里？

30 天后，我的答案是：审美、判断力和真诚。

Agent 能找到热点，但不能判断哪个热点值得我投入真感情去讲。Agent 能写脚本，但写不出那种"我真的被这个东西打动了"的语气。Agent 能做缩略图，但不能决定今天这张图的情绪应该是"好奇"还是"愤怒"。

有人说 OpenClaw 是"开源社区用几年时间造出了一个苹果（3.6 万亿美元公司）沉睡多年的 Siri 替代品"。21

但它不是要取代创作者。它是让创作者从重复性劳动中解放出来，去做真正只有人类能做的事：讲有灵魂的故事。

我不是在用 AI 替代自己，我是用 AI 复制了三个不知疲倦的助手，然后把省下来的时间全部投入到了那 30% 需要灵魂的部分。

这是我做过最好的投资。

📌 下期预告： 《一个人的 DevOps 团队：OpenClaw 如何协调 5-20 个 Claude Code 实例》——一天 94 次 commit，三个客户电话，甚至没打开编辑器。

关注不迷路。🦞

声明：本文基于 OpenClaw 开源社区公开资料和个人实际使用经验撰写。所有涉及的工具和服务均为公开可获取的开源或免费资源。技术细节截至 2026 年 3 月初，OpenClaw 生态迭代极快，请以官方文档为准。安全风险部分引用了多方独立安全机构的公开报告，请在部署前自行评估。_