我用OpenClaw + 釘釘AI表格，搭了一套自媒體內容工廠

最近養龍蝦這事有多火，我就不贅述了，我都已經寫過相當多文章了。

不過，以我收到的評論區反饋看，還有不少人處在觀望，或者「玩」的狀態，并不知道究竟該怎么用，怎么接近平時最常用的工具。

確實，OpenClaw裝完如果只是在本地網頁或者終端里聊天，那跟ChatGPT沒什么區別。它真正好用的地方是能嵌進你已有的工作流里，你們公司常用的IM軟件中，幫你干那些重復但不得不干的活。

我發現很多我的讀者里很多人都是釘釘用戶，而且釘釘最近剛開放了AI表格的MCP接口，時機剛好。

我最近花了些時間把OpenClaw和釘釘的兩個核心能力都接通了：一個是AI表格（用來結構化地存數據），一個是釘釘機器人（直接在聊天窗口對話）。然后跑了三個實際場景測了一下效果。

怎么接、能干什么、踩了什么坑，都記在下面了。

接入釘釘AI表格與聊天機器人

當然，一切的前提是你需要已經安裝了OpenClaw（這一步我就先不教了，你隨便一搜就有很多教程，以及最簡單的方式其實是你把OpenClaw的官網鏈接丟給Claude Code或任何你常用的AI編程工具，讓它引導你一步步完成安裝就好了）

在你安裝好OpenClaw的前提下，你接下來需要做兩步接入：一是讓OpenClaw能操作釘釘AI表格（MCP接入），二是讓釘釘聊天窗口能直接對話OpenClaw（機器人接入）。

第一層：MCP接入釘釘AI表格

這個最簡單，3步搞定。

第1步是去給OpenClaw裝上釘釘AI表格的Skill，你可以去寫命令安裝，或者你也可以像我一樣，把skill鏈接丟給OpenClaw，它作為一個成熟的龍蝦寶寶，自己知道怎么裝Skill的。你只需要說：

安裝這個skill：https://github.com/aliramw/dingtalk-ai-table

第2步則是去釘釘AI表格MCP頁面：https://mcp.dingtalk.com/#/detail?instanceId=42931

復制一個Streamable HTTP URL，這個URL包含了認證信息。

然后第3步，在OpenClaw的MCP配置文件里把URL貼進去，指定類型為 streamableHttp，測試連接通過就行了。你可以跟我一樣，直接把這個URL也都給龍蝦自己解決就好了。

零代碼，不用配服務器，一個URL搞定。

第二層：釘釘機器人接入OpenClaw

這一步稍微麻煩一點，但也不復雜。核心就是裝一個插件、填幾個憑證。

先在終端裝釘釘連接器插件：

openclaw plugins install @dingtalk-real-ai/dingtalk-connector

然后去釘釘開放平臺（open.dingtalk.com）創建一個應用，添加「機器人」能力，消息接收模式選Stream模式（這個很關鍵，選錯了要公網IP）。記下AppKey和AppSecret。

把憑證填進OpenClaw的配置文件 ~/.openclaw/openclaw.json：

"channels": {
  "dingtalk-connector": {
    "enabled": true,
    "clientId": "你的AppKey",
    "clientSecret": "你的AppSecret"
  }
}

最后重啟gateway，去釘釘開放平臺發布應用版本（這步容易忘，不發布就不生效），就能在釘釘聊天里找到你的機器人了。

openclaw gateway restart

說實話，第二層接入我折騰了一會兒。主要是釘釘開放平臺的權限配置和版本發布容易漏，不是技術難度的問題，是流程步驟多。好在釘釘有一份保姆級文檔：https://open.dingtalk.com/document/dingstart/install-openclaw-locally

我自己的做法是把這個文檔鏈接丟給Claude Code，讓它幫我排查哪些步驟沒做對。AI輔助配置AI，效率確實高。

兩層都接好之后，OpenClaw就同時擁有了「操作釘釘AI表格」和「在釘釘聊天里直接對話」兩個能力。接下來我用三個實際場景測試了一下這套組合能做什么。

場景一：一稿多吃的內容分發工廠

這是最讓我期待的場景。

我讓OpenClaw幫我創建了一張叫「內容分發工廠」的表格，字段包括：文章標題、原文內容、小紅書版本、X推文版本、視頻腳本大綱、封面圖提示詞、狀態。

創建表格本身沒什么特別的。有意思的是往里面灌數據的過程。

我說：

我有一篇公眾號文章叫「GPT-5.4發布：AI的最強之爭已經結束了」，請幫我基于這篇文章的小紅書版本和X推文版本，在「內容分發工廠」表格中把這條記錄的狀態更新為「已生成」。
然后再幫我添加第二條記錄，文章標題是「龍蝦紀元」，內容是關于OpenClaw開源項目如何在3個月內成為GitHub最火項目的分析。請幫我自動生成：
小紅書版本（200字以內，口語化，帶emoji）
X推文版本（280字符以內，英文為主）
視頻腳本大綱（5段結構）
封面圖提示詞（英文）
狀態設為「已生成」

它瞬間生成了所有內容，直接寫進了表格的對應字段里。

小紅書版本帶emoji，口語化。X推文用英文為主，控制在280字符以內。視頻腳本大綱有5段結構。封面圖提示詞是英文的，可以直接丟給AI生圖工具。

當然，自動生成的內容質量和接入OpenClaw的模型有關，我一般也不會完全直接用，肯定要改。但它把從0到0.7的部分解決了，剩下的微調遠比從頭寫輕松。

以前一篇文章的多平臺分發要一兩個小時，現在核心工作變成了審核和微調，大概十幾分鐘。

場景二：AI模型軍備競賽追蹤表

我寫AI評測文章，需要持續追蹤各家模型的動態。以前這些信息散落在我的筆記、文章、調研報告里，我希望有一個表格能更直觀地進行追蹤。

這次我讓OpenClaw創建了一張「AI模型追蹤」表格，字段包括：模型名稱、公司、發布日期、關鍵亮點、Benchmark表現、價格信息、花叔點評、是否值得寫文章。

建表和填基礎數據都很常規。下一步的操作才是更有趣的。

我跟我的龍蝦說OpenClaw說：

幫我在本地文件中搜索關于GPT-5.4、Claude Opus 4.6、Gemini 3.1 Pro這三個模型的相關內容。找到后提煉成一段話，更新到表格的花叔點評字段。同時判斷是否值得寫文章：已經寫過的標跳過，有新角度的標可寫。

它真的去翻了我寫作目錄下的所有md文件，找到了我之前的文章和調研筆記，然后提煉出了每個模型的點評，回填到表格里。

GPT-5.4：「AI的最強之爭已經結束了」，已寫過→跳過。Claude Opus 4.6：編程能力世界第一，已有大量使用心得→跳過。Gemini 3.1 Pro：性價比最高，有新角度還沒寫→可寫。

這個場景的價值除了幫我解決無聊的復制黏貼工作外，它把我散落在各處的知識碎片串起來了。

不過要說一個坑。OpenClaw在預填數據的時候出現了幻覺，編造了一個不存在的模型「Codex Next」。這和它接入的底層模型有關，不是釘釘AI表格的問題。所以AI往表格里填的事實性信息，一定要自己過一遍。

場景三：自媒體運營數據Dashboard

這個場景給我的驚喜最大。

我讓OpenClaw幫我創建了一張「自媒體數據Dashboard」表格，用來匯總我在各個平臺的內容表現數據。

哦對了，這個場景里，我試了試直接用OpenClaw的網頁界面：http://127.0.0.1:18789/ 去做操作，而不是通過釘釘的助手。OpenClaw的特點就是你可以通過任何端口發起對話，它始終擁有一致的記憶和表現。

然后我做了兩件事。

第一件，我直接從公眾號后臺復制了最近10篇文章的數據，粘貼給OpenClaw。這些數據的格式非常混亂，標題、時間、閱讀量、點贊數全揉在一起，中間還夾著「已發表」「原創」這些狀態標簽。

它居然全解析出來了。10篇文章的標題、日期、閱讀量、點贊數，準確地寫進了表格。而且自動幫我做了數據評級：2萬閱讀以上標「爆款」，1萬以上標「優秀」，1萬以下標「一般」。

還自動給了洞察：爆款率30%，10篇里有3篇破2萬。

第二件更省事。我把B站主頁鏈接丟給它，說「幫我收集最近10條視頻的數據」。

它直接打開瀏覽器，自己去B站頁面抓取了10條視頻的標題、播放量、點贊數、發布日期，全寫進了表格。

最終，一張表里有了公眾號和B站共20條內容記錄，每條都有平臺標簽、內容類型分類、數據評級。

說說不足：B站的收藏數和評論數沒抓到，這些數據在頁面里不容易直接拿到。但即便如此，這整個過程省了我至少80%的枯燥工作。以前手動一條條填這些數據，光是復制粘貼就能搞半個小時。

數據灌進去之后，我又做了兩件事。

第一件，讓OpenClaw讀取表格里的數據做交叉分析。我說：

幫我洞察下，公眾號和B站哪個平臺的內容表現更穩定更好，兩邊爆款內容的特點有什么差異，我有什么方式能更好做到兩邊內容的聯動？

它從表格里讀出20條記錄，跑了一遍分析，給了個挺完整的結論。

幾個讓我印象深刻的數據點：

公眾號平均閱讀1.3萬，B站平均播放14萬，量級差10倍。但反過來，公眾號點贊率2.4%，B站只有0.13%。

更有意思的是波動幅度。公眾號最高2.5萬、最低2千，差12倍。B站最高63萬、最低1.5萬，差42倍。

翻譯成人話：公眾號是穩定型流量池，有讀者保底，不會涼透。B站是爆發型流量池，爆了就是幾十萬，沒爆就吃灰。

它甚至給了內容分流建議：熱點時效類內容B站首發、公眾號做深度follow-up，教程類內容公眾號首發、B站做精華版。

說實話，這些洞察我自己也能分析出來。但問題是我從來沒做過——因為光是把兩個平臺的數據整理到一起就夠煩的了。現在數據已經在表格里了，問一句話就行，這個門檻的降低才是關鍵。

第二件更有意思。我發現釘釘AI表格自帶一個自動化功能，而且支持用自然語言配置。我在表格的「自動化」面板里輸入了一句話：「當閱讀量/播放量達到特定閾值時，自動更新數據評級。」

它的AI助手「表哥」直接幫我生成了一套工作流：當有新數據進來，自動判斷閱讀量/播放量是否≥20000，達標的更新評級，沒達標的標記為一般。參數都自動填好了，我只改了一下閾值數字就能用。

這意味著以后OpenClaw往表格里灌新數據的時候，評級這件事不用它管了，釘釘AI表格自己會處理。

這就形成了一個分工：OpenClaw跑外勤，去各個平臺抓數據、整理格式、寫進表格。釘釘AI表格守內勤，數據進來之后自動分類、評級、觸發通知。各干各的。

我的感受

折騰了一個早上，三張表都跑通了。說幾個真實體感。

速度確實快。創建表格、填數據、更新字段，整個過程都是秒級的。對OpenClaw說一句話，釘釘AI表格那邊幾乎同時就看到結果了。這比手動在網頁上一個個字段點擊填寫快了不知道多少倍。

最有價值的是「連接」。本地文件、瀏覽器、腦子里的模糊需求，OpenClaw幫我把這些零散的東西灌進了一張云端表格。信息終于有地方沉淀了。

兩個AI各司其職，比一個AI全包更靠譜。OpenClaw擅長跑腿，釘釘AI表格擅長看家。讓它們各做各的強項，用MCP連起來，比指望一個AI什么都干要穩得多。

不完美但夠用。有幻覺、有數據抓不到、有格式識別錯誤。但整體的省力效果是實實在在的。8分靠AI自動化，2分靠人工復核，這個比例我可以接受。

真正讓我煩的其實是平臺的壁壘。公眾號的數據，想通過API拿自己的數據，難度依然很大。最后只能從后臺手動復制粘貼一坨混亂格式的文字給AI。B站的數據也一樣，OpenClaw要幫我抓取就得用瀏覽器登錄我的B站賬號，一登錄就把我日常在用的設備擠掉了。

OpenClaw是一個需要「養」的東西。安裝skill、配置MCP、給它權限、教它你的工作習慣。這個過程本身不復雜，但你會不斷遇到各種平臺為了安全和商業考慮設置的圍墻。每一面墻都不高，但加在一起就夠讓人煩的。

我期待的未來是：agent有自己的賬號體系，平臺給agent開放結構化的數據接口，而不是讓它假裝成人類去瀏覽器里點來點去。這一天還沒到，但所有產品都值得為agent重新做一遍設計。

如果說以前的AI表格就是更聰明的Excel的話。在和OpenClaw等Agent深度融合后，這個概念可能需要發生一些根本的轉變了。他們將分化為完全不同的物種。

Excel你得自己填數據、自己拉公式。AI表格你只要說一句話，數據就進去了。再加上OpenClaw當中間人，整個東西就變成了一個輕量級的業務系統。你不需要學公式，不需要寫腳本，只需要用自然語言說清楚你要什么。

對于做內容的人來說，這可能是目前最輕量的內容基建方案之一。不完美，但方向對。是時候開始養了

釘釘AI表格：https://table.dingtalk.com/

釘釘AI表格MCP頁面：https://mcp.dingtalk.com/#/detail?instanceId=42931

OpenClaw接入釘釘的教程：https://open.dingtalk.com/document/dingstart/install-openclaw-locally