我用 OpenClaw 搭建了一套全自动 AI 行业简报系统，每天零干预推送至飞书

最近我一直在琢磨一件事：每天早晨打开手机，不再需要花费 20 分钟刷各种 AI 资讯来源——OpenAI 发布了什么、Anthropic 又推出了哪些新动态、GitHub 上有哪些值得关注的新项目。刷完之后还常常遗漏重要信息，或者看到的内容已经被转了好几手，夹杂着大量营销和夸大成分。

于是萌生了一个想法：能不能让 AI 自动帮我完成这件事？每天早晨生成一份客观、高质量的行业简报，我起床就能直接查看？

想法很直接，但真正动手去实现时，才发现坑一个接一个。

第一版：直接让 AI 搜索，然后呢？

最初的思路非常朴素——给 OpenClaw 一个 prompt，让它“搜索过去 24 小时最重要的 AI 进展，生成一份简报”。

结果翻车得非常彻底：

• 收录了一个月前的新闻，还标注着“最新发布”
• GitHub 项目只给了一个 awesome-list，没有具体项目
• Star 数写的是“1k+”——一个占位符，实际根本查不到这个数字
• 同一个事件连续两天重复出现
• 时间表述全是“近日”“近期”“本周”这类模糊词，完全不知道是哪天的事

核心问题并非 AI 不够聪明，而是要求不够具体。像“信息要准确”这种模糊指令，AI 根本无法落地。它需要的是可以机械判断的规则。

第二版：引入 7 条红线规则

痛定思痛之后，我为简报系统设计了一套严格的“红线规则”——任何一条违规，直接丢弃这条信息，没有商量余地：

0. 14 天时效：事件超过 14 天？丢弃。
1. 来源白名单：来源不在白名单内，或链接指向泛页面？丢弃。
2. GitHub 真实性：收录的是 awesome-list、论文合集、资源导航？丢弃。
3. Star 数真实：写的是“1k+”“数千”这种占位符？丢弃。
4. 四要素完整：Who（谁）、When（什么时候）、What（做了什么）、Impact（影响）缺一不可，When 禁止用“近日”“近期”？丢弃。
5. 日期可追溯：来源文章的时间表述模糊，且无法通过额外搜索确认具体日期？丢弃。
6. 跨天去重：过去 7 天已经出现过的？不再收录。

关键转变在于：把“写得准确”这个模糊要求，拆解成了 7 条可以机械执行的规则。AI 不需要理解什么是“准确”，它只需要逐条检查、通过或丢弃。

效果立竿见影。之前那种“1 月份的新闻出现在 4 月简报”的问题彻底消失。

架构设计：生成和审查必须分开

第一版还有一个致命问题：生成和审查混在同一个任务里。AI 一边搜索一边判断质量，经常搜到一半就开始“自言自语”地总结，结果后面该搜的没搜、该查的没查。

果断拆成两个独立的定时任务：

08:00 生成任务（独立会话）
├─ 读取最近 7 天历史简报（去重用）
├─ 逐一检查 8 个重点关注信息源（OpenAI、Anthropic、Google 等）
├─ 执行兜底搜索（学术、GitHub、行业新闻）
├─ 逐条红线过滤 + web_fetch 验证
├─ 最终自检
└─ 保存为文件

08:10 审查任务（独立会话）
├─ 读取今日简报 + 红线规则
├─ 逐条审查（7 条红线逐项核对）
├─ 发现问题直接修正
└─ 输出最终简报 → 推送飞书

为什么这样拆？

• 单一职责：生成负责“找得多”，审查负责“选得准”，目标不同就不该混在一起
• 质量保障：审查任务完全不受生成过程的上下文干扰，不会被“先入为主”影响判断
• 容错：生成失败不影响审查（审查发现没文件就安静退出），审查发现问题也能直接修正

搜索策略：重点关注 + 主流兜底

信息源分两层：

第一层：重点关注——国内外 8 家主要 AI 机构的官方渠道，每天逐一检测是否有新动态：

第二层：主流兜底——无论第一层是否命中，每天固定执行：

• 学术（1 轮）：arxiv.org + Hugging Face Papers
• GitHub（1 轮）：trending + 最近活跃项目
• 行业新闻（2 轮）：国际（TechCrunch/VentureBeat/The Verge）和中文（36kr/机器之心/量子位）各选至少 1 个，两轮不重复

这样既不担心漏掉大厂的重大发布，也能捕捉 GitHub 上的新开源项目。

技术实现

基于 OpenClaw Agent 平台搭建——这是一个开源 AI Agent 运行时，支持定时任务（Cron）、工具调用（web_search、web_fetch 等）和多会话隔离。

第一步：安装技能

openclaw skills install daily-ai-briefing

这个技能包包含了完整的红线规则、搜索策略、信息源白名单和输出模板。

第二步：创建简报存储目录

mkdir -p ~/Desktop/daily_ai_briefing

生成的简报会保存为 ~/Desktop/daily_ai_briefing/YYYY_MM_DD.md，用于去重审查和历史回溯。

第三步：配置生成定时任务

每天 08:00 运行，完整 cron 配置如下：

name: daily-ai-briefing-gen
schedule: "0 8 * * *"
timezone: Asia/Shanghai
sessionTarget: isolated  # 独立会话，不污染主会话上下文
model: zhipu/glm-5-turbo  # 工具调用链稳定（见踩坑 #1）
timeout: 600s  # 多轮搜索 + 多次 web_fetch 耗时较长
payload:
  kind: agentTurn
  message: "读取 ~/.openclaw/skills/daily-ai-briefing/SKILL.md，严格按其中定义的步骤执行。执行到步骤6时，只需将简报保存至文件（~/Desktop/daily_ai_briefing/YYYY_MM_DD.md），不要输出简报内容作为回复。你的回复只需一句话确认已完成生成和保存。"
delivery:
  mode: none  # 生成阶段不推送，由审查任务统一推送（见踩坑 #2）

关键配置说明：

第四步：配置审查定时任务

每天 08:10 运行，给生成任务留下 10 分钟缓冲。完整 cron 配置如下：

name: daily-ai-briefing-review
schedule: "10 8 * * *"
timezone: Asia/Shanghai
sessionTarget: isolated
model: zhipu/glm-5-turbo
timeout: 300s
payload:
  kind: agentTurn
  message: |
    你是早报审查员。请执行以下步骤：
    1. 读取今天的简报文件 ~/Desktop/daily_ai_briefing/YYYY_MM_DD.md（用今天的日期）
    2. 读取 ~/.openclaw/skills/daily-ai-briefing/SKILL.md 中的红线规则和自检清单
    3. 逐条严格审查简报中的每一个条目，重点检查：
       - ⛔ 红线第5条：When 是否为具体日期或明确相对时间？是否有“近日”“近期”“本周”“两周内”等模糊表述？
       - ⛔ 红线第6条：来源文章的时间表述是否模糊？如果是，是否有确认过具体日期？
       - ⛔ 红线第2条：来源是否在白名单内？链接是否指向具体页面？
       - ⛔ 红线第3条：GitHub项目是否为独立软件项目（非awesome-list/论文合集）？
       - ⛔ 红线第4条：Star数是否为真实数字（非占位符）？
       - ⛔ 红线第7条：是否与过去7天简报重复？
       - 字数是否≤200字？
       - 是否有营销词汇？
    4. 如发现问题，直接修正文件内容
    5. 修正完成后，读取最终版文件，将完整Markdown内容一字不差地作为你的最终回复输出（这是推送内容，不要添加任何额外说明）
delivery:
  mode: announce  # 审查通过后自动推送到飞书
  channel: feishu
  to: <你的飞书用户ID>  # 替换为你的飞书 open_id

第五步：配置飞书推送

确保 OpenClaw 已配置飞书 channel，且 to 字段填写你的飞书 open_id。如果不确定 open_id，可以通过飞书机器人发一条消息获取。

踩坑总结

坑 1：模型选错，工具调用链断裂

最初用 GLM-5.1，执行多步任务时频繁出现：不遵循指令、工具调用链断裂（搜到一半就停了）、不执行文件写入。换用 GLM-5-Turbo 后稳定下来。

教训：不是越强的模型越适合做 Agent 任务。Agent 需要的是“指令遵循能力”和“工具调用稳定性”，而不是“聊天能力”。

坑 2：推送全部失败，搞了半天是配置写错了

前 4 天简报全部推送失败（状态显示 not-delivered），还以为是飞书 API 的问题。查了半天才发现，原来生成任务的 delivery.mode 设成了 "none"。

虽然生成任务确实不需要推送（只存文件），但审查任务必须设为 "announce" 才能推送到飞书。两个任务的配置不同，一开始没注意到。

坑 3：模糊规则 = 没有规则

初期红线规则写的是“信息要准确”“来源要可靠”这类定性描述，AI 根本执行不了。后来逐条改成可机械判断的规则，比如“禁止使用‘近日’‘近期’‘本周’‘两周内’等模糊时间表述”，质量立刻稳定。

教训：给 AI 写规则，要像写正则表达式一样精确。模糊的要求等于没有要求。

坑 4：跨天重复

同一个事件（比如某个模型发布）连续两天出现在简报里。解决方法是：生成前强制读取最近 7 天历史简报，列出所有已出现的项目名/事件名，逐条比对去重。

坑 5：信息来源单一

有时候一天全是 TechCrunch 的新闻。解决方案是建立重点关注信息源列表 + 固定兜底搜索策略，确保国内外主流渠道都有覆盖。

最终效果

上线一个月后，简报系统每天早上 8:10 稳定推送到飞书。每份简报：

• 只收录过去 14 天内的真实事件，附具体日期
• 每条信息都有可追溯的来源链接
• 同一事件不会在不同天重复出现
• 任何一条目违反红线就直接丢弃，宁缺毋滥

整个过程零人工干预。

开源

这套系统的完整 Skill 已开源，可以直接复现：

• GitHub：github.com/tino-chen/o…
• 安装：openclaw skills install daily-ai-briefing

配合本文的配置步骤，完全能直接复现。