OpenClaw 与 Claude Code：每天自动检索、整理并推送资讯日报

AI Auto Push 是一个基于 Astro 的静态资讯聚合站。Claude Code 技能并行检索 AI 技术、跨境电商、产品创业和 GitHub 热门四个领域的当日资讯，筛选去重并写成摘要，生成 Markdown 日报后自动发布到 GitHub Pages；OpenClaw 每晚定时触发这条流水线，每天早上由飞书机器人推送日报摘要。本文从 OpenClaw 的来历与能力讲起，介绍内容管道的六个步骤、网站结构、定时任务配置，以及新增资讯领域的方法。

2026 年 1 月底，一只龙虾刷屏了。

它原名 Clawdbot，是奥地利开发者 Peter Steinberger 做的开源 AI 助手。据至顶科技 2 月 2 日的报道，因为名字和 Claude 太像，Anthropic 发来邮件，要求出于商标考虑改名。项目先在 1 月 27 日改成 Moltbot，1 月 30 日又定名 OpenClaw。Open 代表开源，Claw 延续龙虾的传统。前后五天，换了两次名字。

热度也是实打实的。同一篇报道提到，项目启动约三周后，曾在 24 小时内拿到 9000 颗 GitHub 星，到 1 月下旬已经超过 6 万。

官网首页只有一句主标语：The AI that really does things，真正能做事的 AI。

OpenClaw 自己不是模型。飞书官网 2 月 3 日的介绍文章把它叫作「AI 网关」：核心组件运行在用户自己控制的 Mac Mini、Linux 服务器或树莓派上，推理交给云端或本地的大模型；它原生支持飞书、Telegram、Discord、iMessage、Slack 等即时通讯工具，能通过心跳机制、Cron 定时任务和 Webhook 从被动响应变成主动执行，能力再靠技能系统往外扩。

这次真正用上的，是其中两样：Cron 定时任务，和飞书渠道。一个负责按点干活，一个负责把结果送到手上。

这是我写 OpenClaw 的第一篇，拿它接的是一件每天都要发生的小事，看资讯。

这些资讯，散在好几个站点里。

AI 技术在机器之心，跨境电商在雨果跨境，创投消息在 36氪，GitHub 上又冒出了什么新项目，还得单独翻一遍 Trending。要是挨个打开，标签页很快就排成一排。

我想把这件事整个交出去：让 AI 每天自己去读，读完写成摘要，发到网站上，第二天早上再推到我的飞书里。

于是有了 AI Auto Push。Claude Code 负责检索和整理，OpenClaw 负责按点触发，日报最后落进飞书。

零人工干预，主动送达

整条链路的设想，用一行就能说完：

定时触发 → 专业站点爬取 → AI 智能筛选与摘要 → Markdown 生成 → Git 自动发布 → 飞书机器人主动推送日报

每晚抓取、整理并发布到 GitHub Pages，每早把精选摘要推送到飞书。中间不用我打开任何一个网站，也不用我敲任何一条命令。

内容覆盖四个领域，每个领域有自己的信源：

这套方案最让我想试的一点，是它几乎不需要额外的零件。不用申请外部 API Key，不用搭爬虫框架，也不用另接 NLP 服务。Claude Code 自带的 WebFetch、WebSearch 和写文件能力，就把抓取、整理和落盘都包了。

内容管道：一条命令跑完全程

内容管道写成了一个 Claude Code 技能，定义在 .claude/skills/ai-auto-push/SKILL.md。在 Claude Code CLI 里执行一条命令就能启动：

/ai-auto-push

技能把一天的工作拆成六步：

用户执行 /ai-auto-push
        │
        ▼
Step 0: 初始化（获取日期、创建目录、生成任务清单）
        │
        ▼
Step 1: 并行启动 4 个子 Agent，每个负责一个领域
        ├── WebFetch 爬取专业站点（优先）
        ├── WebSearch 搜索补充
        └── 严格日期过滤（只保留当日内容）
        │
        ▼
Step 2: AI 筛选摘要（去重、质量排序、生成 150-200 字摘要）
        │
        ▼
Step 3: 生成 Markdown 文件（frontmatter + 摘要 + 双链接）
        │
        ▼
Step 4: Git 自动发布（add → commit → push，全程无确认）
        │
        ▼
Step 5: 汇总报告（领域状态、条目数、数据来源）

几处设计是专门为「每天无人值守」准备的。

四个领域并行跑。 每个领域交给一个子 Agent，互不等待，整轮执行时间短了不少。

专业站点优先，搜索只做补充。 子 Agent 先用 WebFetch 读上表里的站点，内容不够再用 WebSearch 补。

只收当天的内容。 严格按日期过滤，历史旧闻不会混进今天的日报。

每个领域只留 3 到 5 条。 去重、按质量排序后，每条写 150 到 200 字的中文摘要。

来源和原文都留着。 每条资讯同时保留聚合站点和原文两个链接，摘要读完想深究，可以直接追到出处。

某个领域当天没内容，也不影响别的领域。 管道会生成一份 itemCount: 0 的空文件，并在汇总报告里标出这个领域的状态。

最后一步的 Git 发布也留了退路。push 失败时自动重试，最多 2 次；还不行，就要回头检查网络、仓库权限和有没有未解决的合并冲突。

每天每个领域生成一个 Markdown 文件，路径是 src/content/daily/{date}/{slug}.md，格式长这样：

---
title: "AI技术日报"
domain: "ai-tech"
date: "2026-02-27"
itemCount: 5
generatedAt: "2026-02-27T15:40:00+08:00"
---

## 资讯标题

150-200 字中文摘要，专业客观，信息密度高...

**来源：** [聚合站点](聚合站点链接) | **原文：** [阅读原文](原文链接)

想换信源，改 SKILL.md 里对应领域的「专业站点爬取」和「WebSearch 补充搜索」两部分，替换站点 URL 和搜索关键词就行。

网站：把 Markdown 变成每天一页

管道产出的是 Markdown，展示交给 Astro。用到的技术栈如下：

前端的结构不复杂，每天的 Markdown 进内容集合，经过 Schema 校验，再渲染成按日期组织的页面：

Astro SSG (静态生成)
├── 内容集合 (Content Collections)
│   └── daily/*.md → Zod Schema 校验 → 类型安全的数据层
├── 页面路由
│   ├── / (首页 → 重定向到最新日期)
│   ├── /daily/[date] (动态日期页)
│   └── /search (Pagefind 搜索页)
├── 组件层
│   ├── BaseLayout → Header + Footer + SEO Meta
│   ├── DateNavigation → 日历弹窗 + 日期切换
│   ├── DomainSection → Tab 筛选 + 领域卡片
│   └── NewsCard → 资讯摘要 + 来源链接
└── 构建产物
    └── dist/ → 纯静态 HTML/CSS/JS → GitHub Pages

读者打开首页，会被带到最新一天的日报。日历弹窗和前后日切换用来翻历史，领域 Tab 一键切换四个领域，Pagefind 提供支持中文分词的全文搜索。

AI 写的文件，格式未必次次规矩，所以内容集合用 Zod 做了严格校验，定义在 src/content.config.ts：

// domain 字段只接受以下枚举值
domain: z.enum([
  "ai-tech",
  "cross-border-ecom",
  "product-startup",
  "github-trending"
])

不符合 Schema 的 Markdown 会在构建时直接报错，坏数据上不了线。

部署交给 GitHub Actions。每次 push 到 main 分支自动触发：

# .github/workflows/deploy.yml 核心流程
触发条件: push to main / 手动触发
    ↓
Checkout → Setup pnpm → Setup Node.js 20
    ↓
pnpm install --frozen-lockfile
    ↓
pnpm build  (Astro 构建 + Pagefind 中文索引)
    ↓
Upload Artifact → Deploy to GitHub Pages

这里有个小坑。pnpm build 里已经包含 pagefind --site dist --force-language zh-cn，如果搜索还是不工作，去看 CSP 策略有没有允许 wasm-unsafe-eval，Pagefind 依赖 WASM。

OpenClaw：让管道按点上班

命令写好了，还得有人每天去敲。这件事交给了 OpenClaw。

ai-auto-push 技能迁移到 OpenClaw 工作区以后，我在飞书里把要求发给它，它创建了两个定时任务：

两个任务一晚一早，分工明确：

在 OpenClaw 的定时任务页面里，晚上那条任务的配置一目了然：Cron 表达式 50 21 * * *，时区 Asia/Shanghai，结果投递到飞书。

任务卡片上的 isolated 和投递方式 announce，正好对应无人值守的需求。按 OpenClaw 官方文档的说明，isolated 任务在专用的 cron:<jobId> 中运行，每次都开一个全新的会话，不读取创建任务那段对话的历史，适合报告和后台杂务。文档还特别写明，这类运行是明确的无人值守，没有人在场澄清或审批，所以最终回复应该就是交付物本身。announce 则是先把结果发出去，渠道确认送达后，再记录这次投递。

部署一共四步：

1. 把 ai-auto-push 技能迁移到 OpenClaw 工作区。
2. 在 OpenClaw 控制台创建两个定时任务。
3. 配置飞书机器人 Webhook 地址。
4. 测试运行，确认两个任务都能正常触发和推送。

晚上那条负责干活，跑完先汇报一声；早上那条负责送报，把昨晚的成果整理成几句话。一个采集发布，一个摘要推送，信息从网站一路送到手机上。

让流水线替我上班，这就是那张排班表。

想多盯一个领域

四个领域不是写死的。领域配置在 src/config/domains.ts，每个领域带着自己的视觉和数据配置：

{
  slug: "ai-tech",
  name: "AI技术",
  icon: "🤖",
  color: "#3B82F6",
  bgColor: "#EFF6FF",
  pillBg: "#DBEAFE",
  pillText: "#1E40AF"
}

加一个新领域，要动三处：

1. 在 src/config/domains.ts 中添加领域配置。
2. 在 src/content.config.ts 的 domain 枚举中添加新 slug。
3. 在 .claude/skills/ai-auto-push/SKILL.md 中添加对应的抓取规则。

改完运行 /ai-auto-push，新领域的日报就会跟着生成。

2026 年 10 月补记

以上是当时的完整做法。下面这段，是今天回头补上的。

AI Auto Push 上线后实际运行过一段时间，后来被我关停了，仓库和在线预览也已经下线。前面那些设计，单看每一条都说得通，放进每天的运行里，问题才慢慢露出来。

为什么关掉它

第一，技能执行不够稳定。 只收当天、每个领域 3 到 5 条、保留双链接、没内容就生成空文件，这些规则都写在 SKILL.md 里，标准模板也定好了。可技能终究是一份写给模型的说明，照不照做，由执行它的模型决定。大多数时候它照着走，偶尔就会偏出去一步。一个每天都要跑的系统，偶尔偏一步，就等于隔一阵子要人去看一眼，这和「零人工干预」的初衷正好拧着。

第二，抓回来的内容重复。 信源之间本来就有交叉，36氪 一家就出现在三个领域里；一条大新闻发出来，好几个站都会转。去重只发生在一次运行里，靠模型自己比对，抓回来的内容一多，重复的条目还是会混进日报。

第三，选不出真正的精选。 「每个领域留 3 到 5 条」限得住数量，限不住质量。某天值得看的只有一条，也会凑出几条；某天重要的消息很多，也只能挑五条。我想要的是「值得看才出现」，实际做到的只是「最多出现几条」。

第四，信源不稳定。 网页改版、访问失败、搜索结果飘忽，都会让某个领域当天抓不到东西，或者抓到的不对。流程能做的只有用搜索补一补，再不行就生成空文件。哪个信源最近总出问题、该换还是该修、漏掉的内容能不能补回来，整套流程里既没有地方记，也没有地方处理。

第五，Token 费用太高。 每天 4 个子 Agent 各自读网页、搜结果、比对、写摘要，读进去的每一段网页内容都要算 Token。资讯天天有，这笔钱也天天花，模型费用一路算下来，实在太高。

五个问题叠在一起，我把网站关了。

现在回头看，问题不在某一句提示词写得不够好。抓取、去重、筛选、记录失败、控制花销，几乎每一步都压在了模型身上。每天一模一样、一步不差地重复同一件事，恰恰是代码比模型更擅长的活。

龙虾退潮以后

我的小站关了，开头那只刷屏的龙虾，后来热闹得比我想的还要夸张。

3 月 6 日，近千名开发者和 AI 爱好者来到深圳腾讯大厦，在腾讯云工程师的协助下完成了 OpenClaw 的云端安装。这是 21 世纪经济报道记下的一幕。那段时间，几乎每家厂商都端出了自己的虾。腾讯有 WorkBuddy 和内测中的 QClaw，字节在火山引擎上线了云端 SaaS 版的 ArkClaw，阿里有 CoPaw，百度办了免费安装活动，又在北京开了一场「龙虾市集」，京东云、小米、360 也各自跟进。上门安装一次，报价能到 500 元到上千元。

一时间，好像不养一只虾，就要被这一轮 AI 落下。

热得快，凉得也快。3 月 11 日，《商学院》杂志的报道标题已经是「第一批养虾人已经开始卸载了」，代卸载服务报价从 29.9 元到 299 元。到了 5 月，投中网一篇采访写道，OpenClaw 的微信搜索热度已经跌到高峰期的 3% 左右。

受访的养虾人说得很直白。有人说「本来20分钟做完的事，用龙虾反而要折腾半小时去核实和纠错」，有人说「大家逐渐意识到并不是每个人都需要它」。同一篇文章也没把话说死，多数受访者认为这股热潮里有泡沫，也承认方向是对的，这一波折腾让更多人对 Agent 能做什么、边界在哪，有了真实的感知。

浪潮过去，据我观察，真正留下来天天用的人寥寥无几。

更有意思的是这些人后来去了哪儿。当初追着养虾的人，不少又回去用豆包了。

豆包不用部署，不用配渠道，也不用操心 Token 账单，打开就能问，问完就有答案。从龙虾绕一圈回到豆包，又回到了「有问题，就问 AI」这一步。

龙虾的门槛，从来不只是安装。 真正难的是装好以后，第一句话该对它说什么。

个人智能体能定时，能联网，能读写文件，能替你发消息。可它要接住的，得是你身上一件具体、重复、说得清楚的事。说不出这件事，它就只是一只摆在电脑里的虾，偶尔被叫起来聊几句天。聊天这件事，豆包做得更省心。

所以在我看来，很多人卡住的地方不在不会装，而在没想清楚要用 AI 提什么效率。再往下问一层，就算效率真的提上来了，省下来的时间又打算拿去做什么？这个问题没有答案，「提效」就只剩一个好听的说法。热闹过去，工具自然就闲下来了。

我算是运气好的那一类。AI Auto Push 从第一天起就有一件明确的事，每天替我看资讯。可就算问题这么清楚，它还是倒在了稳定性、重复内容和 Token 账单上。把问题说清楚只是第一步，接下来还得把流程交给更可靠的东西。

对个人智能体，我现在的想法是先别急着养虾。拿出一张纸，写下一件你每周都在重复、做完也不会更开心的事，再写下这件事被接走以后，你想把省下来的时间花在哪儿。两行都写得出来，再去挑工具。到那时候，用龙虾、用豆包，还是写几十行脚本，都只是选法不同。

后来换了一条路

关站以后，我刷到了 AIHOT。它由「数字生命卡兹克」开发，2026 年 4 月上线，把分散的 AI 资讯整理成精选、热点和日报。之后我一直关注着它。

有个巧合挺有意思。AI 工具集 ai-bot.cn，也就是当年 AI Auto Push 在 AI 技术领域的信源之一，后来也收录了 AIHOT，介绍它是数字生命卡兹克推出的中文 AI 资讯网站，提供全球行业资讯精选，以及日报、周报、月报。

AIHOT 自己的关于页，第一句话写着：「AI 圈每天都有新动静，值得看的，只有几条。」我当年第三个问题想要、却没做到的「值得看才出现」，就是这句话。

2026 年 9 月 29 日，卡兹克发文宣布开源 AIHOT，标题是《开源百万月活级产品AIHOT，愿每个行业也都有自己的「AIHOT」》。按他文中的说法，这个网站起初是他们公司内部用来监控热点、帮忙找选题的工具，后来发展到了百万月活。至于为什么开源，他写的是「既然我没有办法满足所有人，那不如就把火种交到大家自己的手上」。

开源的范围，文中也说得很清楚。采集流程、精选评分流程、聚簇机制，以及生产环境里用到的 Prompt 都放出来了；具体信源因为这类网站的特殊性，没有公开。代码以 MIT 许可发布在 GitHub 上，仓库是一个公开模板，把信源和精选标准换成自己的，就能搭一个行业热点站。

我在这套框架上搭了 EmbHot，做的是嵌入式与具身智能这个行业的版本，地址是 embhot.zhcmqtt.top。

先把分工说清楚。采集、精选、事件归组、热度、成刊和后台这些能力，来自 AIHOT 的开源引擎，不是我写的。我做的是这个行业自己的部分：信源名单、分类和公司名录、主题、提示词和入选门槛。信源没有随框架开源，EmbHot 首次启动导入的 95 个信源是按这个行业重新整理的，覆盖芯片原厂的 SDK 发布、官网新闻、嵌入式社区公众号和每日论文。

拿当年那五个问题去对照，能看到它们在这套框架里各自有了去处：

几处细节，正好对着当年最头疼的地方。

精选不再按条数卡，改按分数卡。两次评分取平均，官方一手的门槛是 56，官方账号与准官方是 58，媒体与个人是 60。一件事被 10 家以上不同信源报道时，相关报道自动进入精选，共识本身就是信号。

重复也换了思路。不再追求把重复的报道删干净，而是把它们聚到一起。官网发一篇、媒体转十篇，读者只需要看到一次；热度也按事件算，同一个来源发十篇只算一次。

出刊有了兜底。日报按规则编排，不调用模型。系统每半小时检查一次，到点的刊期出一次，已经出过的不重写；停机错过的、失败的，会在之后的检查里补上。归组时模型调用失败或者回答不合格式，这条资料就停在原处，等待超过 10 分钟会告警，不会带着错误往下走。

当然，它也不是万能的。筛选可能漏掉你关心的消息，事件归组和 AI 摘要也可能出现偏差，模型调用照样要花钱。区别在于，这些问题现在有地方记录、有地方告警、有地方设上限，出了问题能找到是哪一步。做选型或技术判断时，还是要回原文核对。

模型负责判断，流程交给代码。 这是 AI Auto Push 关掉以后，我最想记下来的一句话。

巧的是，EmbHot 的日报也在北京时间早上 8 点出刊。还是那个时间，只是这一回，排班表背后多了考勤记录和报销上限。

鸿尘客 Honchic · 把脑洞焊到电路板上