1. 从周更到三更一个B站UP主的真实卡点先说说这个案例里最值得关注的部分一个科技区的B站UP主原本每周只能稳定产出1期视频月收入在5000元上下浮动。用了OpenClaw搭了一套AI自动化工作流之后更新频率变成每周3期月收入到了18000元。这个数字不是重点重点是他把「选题策划→脚本生成→双平台适配」这三个最耗时的环节压缩到了20分钟以内。如果你也是做B站内容创作的应该能理解这个痛点。选题这件事看起来简单实际上要刷Twitter、Reddit、arXiv还要判断哪个热点跟自己频道调性匹配一圈下来两三个小时就没了。写脚本更痛苦1500字的稿子逐字敲四五个小时是常态。好不容易拍完了还要给B站和YouTube分别写描述、想标签、研究发布时间又是大半个小时。一周下来真正能用来拍摄和剪辑的时间被严重挤压更新频率自然上不去。OpenClaw在这里扮演的角色不是替你拍视频而是把那些重复性高、创造性低的环节自动化掉。它的核心机制是Agent加定时任务每周一早上9点自动触发一次「热点采集→三维评分→Top3选题生成→写入飞书文档」的完整流程你打开飞书就能看到本周三个选题的备选标题、封面文案方向、脚本大纲和关键词标签。拍摄完成后再手动触发一次「双平台描述生成发布时间建议」B站版和YouTube版的描述就都出来了。这套流程适合谁适合已经有稳定内容方向、但被生产效率卡住的UP主。如果你还在摸索频道定位建议先把定位跑通再上自动化否则AI生成的内容会放大定位模糊的问题。下面我把整套配置拆开讲包括openclaw.json的调度参数、SOUL.md的行为规则、以及运行日志里该看哪些检查点。2. TaoToken接入前置模型调用与API Key配置OpenClaw本身是一个Agent调度框架它需要调用大模型来完成选题评分、脚本生成、平台适配这些任务。案例里用的是DeepSeek-R1作为主模型fallback到Claude Sonnet和Moonshot。这里就涉及到一个关键问题模型API怎么接、Key怎么管、成本怎么控。我试过几种方案最后发现用TaoToken做统一接入比较省心。它的API地址是 https://taotoken.net/api 兼容OpenAI的接口格式OpenClaw里配置model provider的时候直接填这个Base URL就行。API Key在控制台创建地址是 https://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 创建完复制出来放到环境变量里。具体操作步骤登录TaoToken控制台在API Keys页面点「创建新Key」给它起个名字比如「openclaw-up-automation」权限选默认的模型调用权限就行。创建完成后Key只显示一次立刻复制保存。然后在你OpenClaw项目的根目录下建一个.env文件写入# .env 文件 TAOTOKEN_API_KEYsk-你的Key TAOTOKEN_BASE_URLhttps://taotoken.net/api DEEPSEEK_API_KEY${TAOTOKEN_API_KEY}注意这里我把DEEPSEEK_API_KEY也指向了同一个Key因为TaoToken支持多模型路由你可以在请求里指定model参数来切换底层模型。这样配置的好处是一个Key管所有模型调用不用在多个平台之间来回切换成本也统一在TaoToken的账单里看。模型选择上案例里topic_finder用DeepSeek-R1temperature设0.15因为选题评分需要稳定、可复现的结果。content_adapter用同样的模型但temperature设0.25让双平台描述有一点差异化。如果你想让脚本生成更有创意可以把temperature调到0.4左右但不要超过0.5否则生成的大纲会偏离频道定位。成本控制这块openclaw.json里设了maxCostPerDay为8美元、maxCostPerMonth为240美元alertThreshold为0.8。意思是每天花费到6.4美元8的80%时触发告警到8美元时停止调用。实测下来每周3期视频的选题适配任务月成本在150元人民币左右远低于预算上限。如果你还没创建Key现在可以去 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 建一个后面配置里会反复用到。接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 里面有各语言SDK的调用示例OpenClaw用的是Python SDK直接pip install就行。3. 可复制配置openclaw.json SOUL.md MEMORY.md这一节是整篇文章的核心我把案例里的三份配置文件完整拆开你可以直接复制修改。先看openclaw.json这是调度和成本控制的中枢{ agents: { defaults: { model: { primary: deepseek/deepseek-reasoner, fallbacks: [anthropic/claude-sonnet-4-6, moonshot/moonshot-v3], temperature: 0.2, maxTokens: 16384 }, budget: { maxCostPerDay: 8.00, maxCostPerMonth: 240.00, alertThreshold: 0.8 }, resources: { maxMemory: 4GB, maxCPU: 2 cores, timeout: 120s }, logging: { level: info, file: logs/up-automation-{date}.log, enableTelemetry: false } }, topic_finder: { inherit: defaults, model: { temperature: 0.15, maxTokens: 8192 }, budget: { maxCostPerDay: 5.00 } }, content_adapter: { inherit: defaults, model: { temperature: 0.25, maxTokens: 4096 }, budget: { maxCostPerDay: 3.00 } } }, schedules: [ { task: generate_weekly_topics, interval: 1w, time: 09:00, day: Monday, agent: topic_finder }, { task: adapt_content, interval: manual, agent: content_adapter } ], apiKeys: { twitter: ${TWITTER_API_KEY}, reddit: ${REDDIT_API_KEY}, arxiv: ${ARXIV_API_KEY}, feishu: ${FEISHU_WEBHOOK}, bilibili: ${BILIBILI_API_KEY}, youtube: ${YOUTUBE_API_KEY} } }几个关键点解释一下。primary模型写的是deepseek/deepseek-reasoner但实际请求会走TaoToken的Base URL所以你在环境变量里配好TAOTOKEN_BASE_URL之后OpenClaw会自动把请求路由过去。fallbacks里的Claude和Moonshot也是通过TaoToken调用的不需要单独配Key。schedules里定义了两个任务generate_weekly_topics是每周一09:00自动触发agent指定为topic_finderadapt_content是手动触发agent指定为content_adapter。interval设为manual表示不自动跑需要你在拍摄完成后手动执行命令。接下来是SOUL.md这是Agent的行为规则文件决定了它生成内容时的风格和边界# Soul 你是专业的B站科技类UP主内容生产AI Agent名叫「内容助手」。你的核心目标是自动化完成内容选题、脚本生成、平台适配全流程。 ## 核心能力 ### 1. 热点挖掘与筛选 - 每日自动搜索Twitter、Reddit、arXiv等平台获取本周AI领域热点事件 - 基于「新鲜度×相关性×话题性」三维评分筛选Top3最优选题 - 结合历史选题数据优先选择高播放、高互动的选题方向 ### 2. 内容生产 - 为每个选题生成5个备选标题符合B站搜索规则20-30字 - 生成2个封面文案方向痛点型/价值型 - 生成1500字结构化脚本大纲30秒开头→8分钟核心→2分钟总结 - 生成10个核心关键词标签 ### 3. 双平台适配 - 为同一视频内容生成B站/YouTube双平台差异化描述 - 结合粉丝活跃历史数据建议最佳发布时间 ## 触发规则 ### 自动触发 - 每周一09:00HEARTBEAT自动执行「热点搜索→选题生成→文档写入」流程 ### 手动触发 - 拍摄完成后手动指令「生成双平台描述」时执行「平台适配发布时间建议」流程 ## 内容生成规范 ### 标题规范 - 包含核心关键词热点标签疑问句式 - 长度控制在20-30字 - 避免夸张标题保持干货定位 ### 脚本结构规范 1. 开头30秒抛出核心问题 2. 核心内容8分钟分3-4个模块 3. 结尾2分钟给出行动建议引导互动 ### 封面文案规范 - 方向1痛点型 - 方向2价值型 - 风格简洁明了突出核心价值SOUL.md的核心作用是给Agent划边界。比如「避免夸张标题」这条就是防止AI生成那种「震惊OpenClaw竟然能…」的标题党内容保持频道的干货调性。再比如脚本结构规范里明确写了30秒开头、8分钟核心、2分钟总结Agent生成大纲时就会严格按这个比例来不会跑偏。最后是MEMORY.md这是频道设定和历史数据文件# 科技前沿解读 ## 频道设定 - 频道名科技前沿解读 - 目标观众25-35岁科技从业者关注AI与新技术 - 核心风格干货为主偶尔幽默不做过度娱乐化 - 固定结构30秒开头抛问题 → 8分钟核心内容 → 2分钟行动建议 - 内容领域AI大模型、自动化工具、OpenClaw生态、科技趋势 ## 禁止内容 1. 不做蹭热度的低质量内容 2. 不做未经验证的独家爆料 3. 不评价竞争对手频道 4. 不做过度娱乐化内容 ## 历史选题记录Agent自动维护 - 2026-03-01OpenClaw为什么爆火播放量45万点赞1.2万 - 2026-03-08用AI替代自己的10件事播放量32万点赞8500 - 2026-03-15AI Agent如何改变量化交易播放量28万点赞7200 ## 粉丝画像数据 - 年龄分布25-35岁占比78% - 地域分布一线城市占比65% - 活跃时段周一20:00、周三19:00、周五21:00 - 核心兴趣AI自动化、技术趋势、职场效率MEMORY.md里最重要的是「历史选题记录」和「粉丝画像数据」。Agent在评分时会参考历史播放量优先选择那些跟高播放选题相似的方向。粉丝活跃时段则用来生成发布时间建议比如你的粉丝集中在周一20:00活跃Agent就会建议你把重要选题安排在这个时段发布。三份文件配好之后目录结构应该是这样的openclaw-up-automation/ ├── openclaw.json ├── SOUL.md ├── MEMORY.md ├── .env ├── topic_finder.py ├── content_adapter.py └── logs/ └── up-automation-2026-03-20.log.env文件里除了TAOTOKEN_API_KEY还需要配Twitter、Reddit、arXiv、飞书、B站、YouTube的API Key。这些平台的Key申请方式各不相同但都是免费的你按各平台开发者文档申请就行。如果暂时没有某些平台的Key可以先注释掉对应的采集函数只跑arXiv和Reddit也能用。4. 验证请求跑通第一次选题生成配置写完之后先别急着设定时任务手动跑一次验证流程。打开终端进入项目目录激活虚拟环境cd openclaw-up-automation python -m venv venv source venv/bin/activate # Windows用 venv\Scripts\activate pip install python-dotenv requests pandas openclaw lark-sdk然后执行topic_finder.pypython topic_finder.py如果一切正常你会看到类似这样的输出[2026-03-20 09:00:01] INFO - 开始采集热点... [2026-03-20 09:00:03] INFO - Twitter采集到50条 [2026-03-20 09:00:05] INFO - Reddit采集到25条 [2026-03-20 09:00:07] INFO - arXiv采集到20条 [2026-03-20 09:00:08] INFO - 开始三维评分... [2026-03-20 09:00:12] INFO - Top3选题已筛选完成 [2026-03-20 09:00:15] INFO - 开始生成选题物料... [2026-03-20 09:00:45] INFO - 选题1物料生成完成 [2026-03-20 09:00:50] INFO - 选题2物料生成完成 [2026-03-20 09:00:55] INFO - 选题3物料生成完成 [2026-03-20 09:01:00] INFO - 写入飞书文档... [2026-03-20 09:01:02] INFO - 飞书提醒已发送 本周选题生成完成已同步至飞书文档整个过程大约1分钟其中模型调用占了大部分时间。你打开飞书文档应该能看到三个选题的完整物料包括5个备选标题、2个封面文案、1500字脚本大纲和10个标签。验证请求是否真正走通了TaoToken可以看日志里的模型调用记录。在logs/up-automation-2026-03-20.log里搜索「model call」应该能看到类似这样的条目[2026-03-20 09:00:15] DEBUG - model call: providertaotoken, modeldeepseek/deepseek-reasoner, tokens_in2048, tokens_out1536, cost0.012如果provider显示的是taotoken说明请求正确路由到了TaoToken。如果显示的是其他provider检查一下.env里的TAOTOKEN_BASE_URL是否配置正确以及openclaw.json里model.primary的写法是否匹配。手动触发content_adapter的验证python content_adapter.py --title OpenClaw为什么爆火 --outline 你的脚本大纲文件路径输出应该是B站版和YouTube版两段描述以及三个选题的建议发布时间。B站版描述会包含弹幕引导和互动问题YouTube版会更简洁带英文标题和时间轴标记。验证通过之后再把定时任务挂上。OpenClaw的定时调度是内置的你只要保证进程一直在运行就行。可以用nohup或者systemd来守护nohup python -m openclaw.scheduler --config openclaw.json scheduler.log 21 这样每周一09:00会自动触发选题生成你只需要在拍摄完成后手动跑一次content_adapter。5. 常见报错排查401、local proxy failed、reading choices这一节列几个我踩过的坑以及对应的排查方法。报错一401 Unauthorizedopenclaw.api.errors.AuthError: 401 Unauthorized - invalid api key这个最常见原因是TaoToken的API Key没配好。检查三个地方第一.env文件里的TAOTOKEN_API_KEY是否完整复制有没有多余空格第二openclaw.json里apiKeys字段是否引用了正确的环境变量名第三Key是否已经过期或被删除。去 https://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 确认Key的状态是「启用」。报错二local proxy failedopenclaw.network.errors.ProxyError: local proxy failed - connection refused这个报错通常是因为环境变量里配了HTTP_PROXY或HTTPS_PROXY但代理服务没运行。OpenClaw默认会读取系统代理设置如果你不需要代理在.env里显式关掉HTTP_PROXY HTTPS_PROXY NO_PROXYtaotoken.net,api.taotoken.net注意NO_PROXY里要把taotoken.net加进去确保API请求不走代理。报错三reading choicesopenclaw.model.errors.ResponseParseError: reading choices - response format unexpected这个报错说明模型返回的JSON格式跟OpenClaw预期的不一致。常见原因是模型返回了markdown代码块包裹的JSON而OpenClaw直接解析了原始文本。解决方法是在SOUL.md里明确要求「输出纯JSON不要用markdown代码块包裹」。如果已经写了但还是报错检查一下maxTokens是否设得太小导致JSON被截断。案例里topic_finder的maxTokens是8192content_adapter是4096一般够用。报错四OAuth token expiredopenclaw.auth.errors.OAuthError: token expired - please re-authorize这个通常出现在飞书或B站的API调用上。飞书的tenant_access_token有效期是2小时需要在代码里做自动刷新。案例里的write_to_feishu函数简化了这部分实际使用时建议用lark-sdk的自动刷新机制。B站的access_token有效期是30天到期前需要重新授权。报错五CC Switch配置不生效如果你用CC Switch来管理多个模型的切换可能会遇到配置不生效的问题。CC Switch的三件套是Base URL、Key、Model ID缺一不可。Base URL填 https://taotoken.net/api Key填TaoToken控制台创建的KeyModel ID填deepseek/deepseek-reasoner。三个都填对之后在CC Switch里点「测试连接」返回200才算配置成功。排查完这些报错之后建议在openclaw.json里把logging.level设为debug这样能看到更详细的请求和响应日志。定位到具体是哪个环节出问题之后再调回info级别避免日志文件过大。6. 更新频率与收益变化的对照验证配置跑通之后怎么验证这套流程真的有效案例里给了一组对照数据你可以按同样的方法在自己的账号上做验证。先记录基线数据。在启用自动化之前统计你过去4周的更新频率、平均播放量、月收入。比如案例里的基线是周更1次平均播放量8万月收入5000元。然后启用自动化跑满4周。这4周里你只需要做三件事周一打开飞书看选题、按大纲拍摄剪辑、拍完后手动触发双平台描述生成。选题、脚本、适配这三个环节全部交给Agent。4周后对比数据。案例里的变化是周更从1次变成3次平均播放量从8万降到6万因为更新频率高了单期播放量会摊薄但月总收入从5000涨到18000。拆开看创作激励从1200涨到4500商单从2000涨到8000其他收入从1800涨到5500。这里有个关键点更新频率提升3倍单期播放量下降25%但总收入涨了260%。原因是高频更新带来的粉丝增长和算法推荐权重提升让商单报价和创作激励都上了一个台阶。案例里粉丝数从2.3万涨到8.7万这是收入增长的核心驱动力。成本方面AI模型调用月成本约150元服务器50元API调用30元合计230元。月ROI是(18000-230)/230≈77倍。这个数字看起来夸张但考虑到内容创作本身的边际成本很低AI只是把生产效率提上去了ROI高是合理的。验证的时候注意控制变量。如果你同时改了内容方向或剪辑风格就很难判断收入变化是自动化带来的还是其他因素。建议在启用自动化之前先保持内容方向和风格稳定4周记录基线数据然后再上自动化。另外更新频率从1次到3次不是一蹴而就的。案例里是先用自动化跑选题和脚本适应了2周之后再把双平台适配也接进去。你可以按这个节奏来第一周只自动生成选题第二周加上脚本大纲第三周加上双平台描述逐步把流程跑顺。最后说一个长期优化的方向。案例里的Agent是基于历史播放数据来评分的你可以把这个闭环做得更细每周把新发布视频的播放量、点赞数、评论数写回MEMORY.md让Agent在下一轮评分时参考这些数据。跑上两三个月之后Agent的选题准确率会明显提升。如果你还没开始配建议先去 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 把Key建好然后按第3节的配置文件一步步来。接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 遇到接口问题可以先查文档。想先试试模型效果的话 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 可以直接对话验证。长期做编码和Agent任务的话Coding Plan在 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 按量计费比单独买模型划算。