OpenClaw 搭的晨报助理每天自动推一份到手机:日程、天气、新闻、待办,靠的是整套工作流。

🦩 第 1 篇 · 2025 年 11 月 4 日
先说清楚:我这套"晨报助理",不是拿个大模型聊两句就完事。它是用 OpenClaw 搭起来的一个能每天自动跑的工作流——模型只是里面的引擎,真正干活的,是工具、调度、数据源、推送渠道这一整套。
一句话
每天早上一份聚合好的晨报(日程、天气、关注的新闻、未完成待办)自动推到手机——底层是用 OpenClaw 把"收集 → 整理 → 定时推送"这套跑稳了。模型负责"写得好",OpenClaw 负责"跑得起来、每天自己动"。
为什么聊这个
我这两年有个体会:很多 AI 教程让你觉得"只要会个模型就行",可真到用起来,卡住你的往往不是模型,是"谁在什么点、去哪个源取数、用什么规则整理、往哪推、失败了怎么办"这堆工程细节。晨报这么一个小东西,背后其实是 OpenClaw 这类框架在扛工程。
这篇不聊概念,讲我实际怎么搭的、踩了什么坑。
这套是怎么搭的(用 OpenClaw)
我的晨报工作流,拆成四块,OpenClaw 把它们串起来:
- 数据源接入
- 日历:授权 Google Calendar,取今天日程
- 天气:OpenWeatherMap / 和风天气,按城市区号拉
- 新闻:RSS 订阅 36kr、HN,或关键词(AI/创业)
- 调度(不用我手动跑)
- 一个定时任务:每天 7:00 触发,周末可以跳过(cron:工作日
0 8 * * 1-5) - OpenClaw 到点自己醒来跑,不用我起床去点
- 聚合 + 排序
- 不是把 20 条原样砸给我,而是按"日程优先级 / 天气建议 / 关注新闻"排好
- 紧急通知放最前,普通放后
- 推送渠道
- 选我最常看的:Telegram / 飞书 / 邮件
- 推的是一条"看一眼就知道今天干什么"的消息,不是技术流
这就是 OpenClaw 在干的事:它不是替你"想",是替你把"取数、定时、整理、推送"这四个确定动作跑稳。模型负责最后那句总结得像人话。
踩过的坑
- 数据源先配通,再谈优化——日历授权、天气 API key、RSS 源,这些不通,后面 prompt 写得再好也是空的
- “整理"不是罗列,要排优先级——最开始的晨报像流水账,后来才发现要按"今天最关键"排,而不是把能拿到的都塞进去
- 失败要能自愈,别一次失败就整个断了——某个源挂了,晨报别整体不发,要能降级(天气挂了,至少把日程发了)
- 要能改、能停——加个源、换个渠道、改个推送时间,都得配置得动,不能每次都要改代码
踩完我一句话总结:不是模型不够聪明,是 OpenClaw 这层"工程底座"没理顺之前,模型再强也在原地打转。
对真实场景的思考
搭晨报这件事,价值不在晨报本身,在于它训练了我对"哪些事该自动化"的判断:数据源、优先级规则、推送目标、调度时间——这四件事,是把任何 AI 落地成"能每天自己跑"的东西都要过的关。这套判断换到客服、销售、运营里,逻辑是通的:先分清"确定的事交给系统、要判断的事留给人”,AI 才有落地可言。
模型是越来越强,但真正让我觉得"AI 从玩具变成工具"的,是我开始用 OpenClaw 这种底座,把一件确定、重复、费时的活,交给一个能每天自己跑的系统。AI 晨报就是一个最小的例子。
一句话总结:这篇是实操。晨报工作流看着简单,把它用 OpenClaw 跑起来,背后是"数据源 / 调度 / 排序规则 / 推送渠道"四件事,模型只是最上层那张嘴。这也回答了一个问题:AI 落地,卡点的往往不是模型,是工程底座。
延伸阅读
- OpenClaw 把散装 Agent 拼成团队
- 办公 Agent 想落地,先啃会议和流程两座山
- 办公助手不只是聊天,它真能替你跑活
- 办公助手能自动化的场景,别再当翻译机
- 宝贝该复查了,宠物店怎么提醒不烦人
- 本地生活门店的 Agent 团队,一次真实复盘
- 本地生活上 Agent,最先补的三个场景不是客服
- 本地生活智能体团队,4 个行业实战案例
- 本体论:让 AI 理解业务而不是背答案
- 本体论加工作流,让 Agent 真懂业务
相关阅读
标签
双号关注
扫码关注「广说新零售」公众号 + 视频号
本地生活 AI 落地、Agent 实操、真实门店怎么跑起来。扫码关注公众号与视频号「广说新零售」,持续看可收藏的做法;有场景也可私信聊合作。

公众号

视频号
继续读
同栏目相关文章,方便对照着看。
AI落地这条路,我为什么一直走下去
不是因为它热。踩过的坑越多越确认:AI只有放进真实业务跑,才知道哪些是真需求,先看AI落地。
AI 落地和创业一样,都要算清 ROI
上项目时轰轰烈烈,上完算账发现是负的。AI 落地不是技术选型,是商业决策,先算 ROI。
AI落地效果怎么衡量:北极星加配套指标
没有指标,AI运营要么靠感觉,要么靠注水的汇报。一个北极星指标加六个配套,价值才可量化,先看AI落地。
不是急着做AI和人的分工不是谁,是先核对AI落地
员工最怕被取代。真实落地里,花时间最多的不是调模型,是处理人和AI的关系与信任,先看AI落地。
Agent 架构设计:几张卡片把系统搭清楚
系统越复杂越容易乱。每个角色先写一张卡片,职责、边界、入口、出口说清,再往代码里落。
