OpenClaw多Agent实战：小红书数据收集笔记编写自动发布

各位好，今天分享的是一个关于 OpenClaw 多 Agent 的实战案例：如何从数据收集到自动发布，实现小红书运营的全链路自动化。整个系统能够做到——你在飞书发一句话，剩下的所有事情都由 OpenClaw 搞定，包括热榜获取、竞品分析、AI 创作内容，再到生成精美图文并自动发布。

1. 前言

在 OpenClaw 的实际应用中，单 Agent 常常会陷入所谓的“全能困境”：既要理解需求，又要执行任务，还得处理异常。结果就是提示词越来越臃肿，响应速度变慢，容错性也随之下降。这里用一个表格从多维度对比一下单 Agent 和多 Agent 的差异，差距一目了然。

对比维度	单 Agent	多 Agent
提示词复杂度	臃肿，包含所有功能说明	精简，每个 Agent 专注单一职责
执行效率	串行处理，耗时长	并行协作，整体更快
容错能力	一处出错全盘崩溃	故障隔离，便于定位修复
扩展性	新增功能需改动全局	新增 Agent 即可，互不影响
维护成本	牵一发动全身	模块化管理，低耦合

这次的实战场景，我们就以小红书内容生产为例，搭建一套三层多 Agent 系统，实现从“素材收集”到“自动发布”的全自动化闭环。所有数据都会沉淀在飞书多维表格里，方便后续分析和复用。用户只需一句话指令，比如搜索openclaw，总结一下什么笔记会上热门，创作3篇笔记，系统就会自动启动素材收集环节。 素材收集完毕，紧接着进入笔记创作： 这里需要说明的是，为什么不直接在小红书发布。我这边用 skill 直接走发布流程本身没问题，但后来发现笔记违规被删了，仔细排查，是笔记内容出了问题。于是改成了写入文件夹，人工审核后再发布。后期计划把相关规则的知识库建好，再改回全自动发布。 小红书笔记展示： 图文展示： 接下来，我们从架构设计、技能集成、配置实现三个维度，一步步带大家搭建这套系统。

2. 多Agent架构设计

这套 Agent 架构通过清晰的三层解耦，实现了从极简指令到精美物料产出的全自动化闭环： **交互层**：用户通过飞书会话界面，用自然语言（如搜索openclaw，总结一下什么笔记会上热门，创作3篇笔记）向飞书机器人下达指令。 **调度层**：中枢大脑“总监 (Director)”，全盘接管需求，负责意图拆解、任务串联与最终的交付汇总。总监直接与用户交互，并负责调度下属的两个 Agent。 **执行层**：两大专业 Sub-Agent 各司其职，不与用户直接交互。 - “采集员 (Collector)”集成xhs-collector，定向获取热点数据或领域优秀笔记，结构化后沉淀至飞书多维表格。 - “创作者 (Creator)”集成Auto-Redbook-Skills，基于沉淀的数据进行合规创作与渲染，最终将排版精美的笔记素材打包输出到指定文件路径。

3. 项目搭建前置准备

本文的多 Agent 应用涵盖两个场景。 **热点追踪场景**：用户发送指令获取热榜数据，创作 3 个笔记，系统将自动执行以下闭环流程。 1. **数据获取**：Director 唤醒 Collector 执行底层脚本，获取 50 条最新热点，结构化写入飞书多维表格。 2. **筛选调度**：Director 读取飞书数据，精准筛选 3 个高潜话题，向 Creator 批量下发独立创作任务。 3. **内容生成**：Creator 严格按合规规范撰写文案并执行渲染脚本生成图文，将图文物料分类输出至本地文件夹。 4. **汇总汇报**：Director 完成最终验收，向用户反馈飞书数据链接及各话题的具体产出明细（如：话题A产出4张图），实现流水线闭环。 **竞品分析场景**：用户发送指令搜索openclaw，创作类似笔记后，系统将自动执行以下闭环流程。 1. **定向获取**：Director 下发关键词搜索任务，Collector 执行底层脚本获取相关竞品笔记，结构化写入飞书多维表格。 2. **对标创作**：Director 引导 Creator 介入。Creator 读取飞书数据，分析竞品行文风格，在合规前提下撰写高质量笔记，并渲染输出最终图文。 3. **汇总汇报**：Director 完成全链路验收，向用户反馈包含搜索数据的飞书查阅链接及笔记素材的本地路径，实现从对标到产出的闭环。

3.1. 集成小红书Skills到Openclaw

3.1.1 Auto-Redbook-Skills简介

Auto-Redbook-Skills（github.com/comeonzhj/A…）是一款专为小红书打造的开源内容自动化工具。它的核心能力是将大模型生成的 Markdown 文本，自动排版渲染为符合平台审美的高清多图卡片（内置8套精美主题与4种智能分页），并支持基于 Cookie 的全自动发布。

3.1.2 集成Auto-Redbook-Skills至Openclaw

打开 Auto-Redbook-Skills 仓库页面，点击【Code】按钮，在下拉菜单中点击【Download】，浏览器会开启下载进程。 找个磁盘存放下载好的 ZIP 包并解压，建议存放在 skill 项目文件夹下。 这个 skill 下载后需要配置 cookie 路径才能正常使用。新建.env文件，配置小红书 cookie 信息，直接参考env.example.txt配置即可。 小红书的 cookie 获取不难。登录网页版小红书，按 F12 打开开发者工具，选择 Network 选项卡，点击 Headers 查看请求头信息，找到任意异步请求就能获取 Cookie 值。 skill 配置完成后，用 FTP 工具传到小龙虾所在服务器的/root/.openclaw/workspace/skills/目录下。

3.2 集成xhs-collector到Openclaw

xhs-collector 是我们自研的 skill，主要用来整理平台热门选题与优质笔记思路，汇总到飞书多维表格，方便后续进行笔记创作。 对标笔记的多维表格展示： xhs-collector 的目录结构设计如下： xhs-collector/ ├── SKILL.md # 必填：使用说明 + 元数据 ├── scripts/ # 必填：可执行代码 └── config.json # 必填：配置文件，配置第三方平台key └── output/ # 必填：输出小红书图文的目录 基于目录设计，在 .claude 目录下新建项目文件夹。比如我们在 F:skill-project.claudeskills 目录下新建了 xhs-collector 目录。

3.2.1 SKILL.md编写

SKILL.md 的编写思路大致如下（这个思路可以直接投喂给 AI 来实现）： 1. 找到靠谱的可以获取小红书信息的第三方平台网站。 2. 定义两个工作流： - 第一个工作流用于获取小红书热榜信息，为笔记选题提供方向。 - 第二个工作流按关键词检索特定领域优秀笔记，并将其信息整理至飞书表格，为笔记编写提供思路。

3.2.2 scripts/ 代码编写

进入 scripts/ 目录，编写 fetch_hot_list.py 和 fetch_search_notes.py，分别用于收集整理热榜数据和领域优秀笔记内容。 fetch_hot_list.py 的大致流程是： 1. 调用第三方 API 获取热榜数据。 2. 解析返回的数据，保留需要的字段（排名、标题等）。 3. 将数据转换为 JSON 格式返回。 代码结构如下： def fetch_hot_list(): # 1. 调用第三方 API url = "https://api.xxx.com/xhs/hotlist" headers = {"Authorization": "your_api_key"} response = requests.get(url, headers=headers) # 2. 解析返回数据 data = response.json() hot_list = [] for item in data['items'][:50]: # 取前50条 hot_list.append({ "rank": item['rank'], "topic": item['title'], "heat": item['heat_value'], "link": item['url'] }) # 3. 输出 JSON print(json.dumps(hot_list, ensure_ascii=False)) if __name__ == "__main__": fetch_hot_list() fetch_search_notes.py 的大致流程是： 1. 调用第三方 API 搜索领域优秀笔记数据。 2. 解析返回的数据，保留需要的字段（标题、作者、互动数据等）。 3. 将数据转换为 JSON 格式返回。 代码结构如下： def search_notes(keyword): # 1. 调用搜索 API url = "https://api.xxx.com/xhs/search" params = {"keyword": keyword, "limit": 20} headers = {"Authorization": "your_api_key"} response = requests.get(url, params=params, headers=headers) # 2. 解析笔记数据 data = response.json() notes = [] for item in data['notes']: notes.append({ "title": item['title'], "author": item['author_name'], "likes": item['like_count'], "comments": item['comment_count'], "cover": item['cover_url'], "link": item['note_url'] }) # 3. 输出 JSON print(json.dumps(notes, ensure_ascii=False)) if __name__ == "__main__": keyword = sys.argv[1] if len(sys.argv) > 1 else "openclaw" search_notes(keyword) 代码编写完成后，用 FTP 工具将 skill 文件夹传到小龙虾所在服务器的 /root/.openclaw/workspace/skills/ 目录下即可。

4. OpenClaw多Agent实现

4.1. 飞书应用集成OpenClaw

为了适配多 Agent，我们新建了一个飞书应用——小红书运营。飞书应用集成 OpenClaw 在之前的文章中已经做了详细讲解（喂饭级教程！免费部署云端 OpenClaw + 打通飞书，自动抓取 ClawHub 技能并写入飞书表格），这里不再赘述。

4.2 多Agent配置文件编写

第2节中已经设计了多 Agent 架构，这一节就来落地实现。核心是配置文件的编写。 **步骤 1**：配置 Agent 工作空间。来到 root/.openclaw/workspace/agents/ 路径，创建如下结构的文件和文件夹（带 / 后缀的是文件夹）。 ├── director/ # 总监Agent │ ├── SOUL.md # 身份定义 │ ├── AGENTS.md # 工作空间说明 │ └── CONFIG.md # 飞书表格配置 ├── collector/ # collector采集者Agent │ ├── SOUL.md # 身份定义 │ ├── AGENTS.md │ └── .openclaw/ │ └── skills.json # 技能关联 └── creator/ # creator笔记创建者Agent ├── SOUL.md # 身份定义 ├── AGENTS.md └── .openclaw/ └── skills.json # 技能关联 **步骤 2**：编写 director/SOUL.md 你是总监，负责协调 Collector 和 Creator 完成小红书内容生产。 ## 职责 - 理解用户指令，拆解任务 - 调用 Collector 采集数据 - 调用 Creator 创作内容 - 汇总结果向用户汇报 ## 工作流 - 热点追踪：调用 Collector 获取热榜 → 筛选话题 → 调用 Creator 批量创作 → 汇报结果 - 竞品分析：调用 Collector 搜索关键词 → 调用 Creator 对标创作 → 汇报结果 ## 调用方式 { "runtime": "subagent", "agentId": "collector", // 或 "creator" "task": "任务描述", "mode": "run" } **步骤 3**：编写 creator/SOUL.md 你负责根据飞书表格数据创作小红书笔记。 ## 流程 1. 读取飞书表格数据 2. 撰写 Markdown 文案（标题吸睛、多用 emoji、避免敏感词） 3. 保存为 README.md 4. 执行渲染：`cd /root/.openclaw/workspace/skills/Auto-Redbook-Skills && node render.js` 5. 汇报：话题 + 图片数 + 路径 creator/.openclaw/skills.json： { "skills": [ { "path": "/root/.openclaw/workspace/skills/Auto-Redbook-Skills", "enabled": true } ] } **步骤 4**：编写 collector/SOUL.md # Collector - 采集员 你负责获取小红书数据并写入飞书表格。 ## 两种模式 - **热榜**：`node scripts/fetch-hotlist.js` → 获取前 50 条热榜 - **搜索**：`node scripts/search-notes.js "关键词"` → 搜索相关笔记 ## 流程 1. 执行采集脚本 2. 解析 JSON 数据 3. 写入飞书表格 4. 汇报：数据条数 + 表格链接 collector/.openclaw/skills.json： { "skills": [ { "path": "/root/.openclaw/workspace/skills/xhs-collector", "enabled": true } ] } **步骤 5**：配置 openclaw.json。在 /root/.openclaw/openclaw.json 中添加如下代码。 { "agents": { "list": [ { "id": "director", "name": "总监", "workspace": "/root/.openclaw/workspace/agents/director" }, { "id": "collector", "name": "采集员", "workspace": "/root/.openclaw/workspace/agents/collector" }, { "id": "creator", "name": "创作者", "workspace": "/root/.openclaw/workspace/agents/creator" } ] }, "channels": { "feishu": { "accounts": { "xhs": { "appId": "cli_xxx", "appSecret": "xxx", "defaultAgent": "director" } } } }, "bindings": [ { "match": { "channel": "feishu", "accountId": "xhs" }, "agentId": "director" } ] } 配置完成后，重启 OpenClaw（进入服务器命令面板输入 openclaw gateway restart）或直接重启云服务器即可。