OpenClaw Docs CN

行业方案 / 微信内容平台

微信公众号 / 朋友圈 / 视频号自动化

这一页先聚焦“微信公众号”主线。你给的这个仓库本质上不是单一脚本,而是一整套微信公众号文章工作流:AI 写作、Markdown 转公众号 HTML、排版美化、推送到草稿箱。它比单纯封面生成或单点发布更适合收录到行业方案里。

本页完成标准

你能在 1 天内完成“写作 - 排版 - 草稿箱”闭环,并形成可复用的公众号发布流程。

推荐起步顺序

  1. 先用 wechat_article_skills 跑通主线流程。
  2. 再补 md2wechat-skill,提高发布链路的产品化体验。
  3. 最后按需接入 baoyu-skills 扩展多平台内容能力。

步骤一:先跑通写作与排版

  1. 先用一个固定栏目模板起稿,保证结构稳定。
  2. 通过 Formatter 输出公众号可用 HTML。
  3. 在公众号后台预览排版效果后再进入发布。

步骤二:接入草稿箱发布

  1. 配置 AppID / AppSecret 等必要参数。
  2. 将内容先推送草稿箱,不直接自动发布。
  3. 保留人工校对环节,重点检查标题、封面与链接。

步骤三:扩展到内容矩阵

  • 把一篇主稿拆成公众号长文、社媒短文和图文素材。
  • 建立统一素材库,减少重复创作成本。
  • 每周复盘阅读与转化数据,迭代模板和提示词。

常见坑

  • 跳过草稿审校直接发布,容易出现格式或内容错误。
  • 把公众号、朋友圈、视频号混成一条流程,维护成本会很高。
  • 发布权限和账号配置不规范,后期迁移会非常痛苦。

页内导航

1. 项目定位

BND-1/wechat_article_skills 是一套面向微信公众号内容生产的工具集。它把公众号运营里最常见的几个环节拆成了独立模块:选题与起稿、文章格式化、封面与结构图、推送到公众号草稿箱。

这类仓库很适合放在“微信公众号 / 朋友圈 / 视频号自动化”栏目里作为第一批核心方案,因为它解决的是最真实、最稳定的工作流需求:先把内容生产跑顺,再考虑半自动发布,而不是一开始就做激进自动化。

2. wechat_article_skills 里的 4 个核心 Skill

Skill / 模块 地址 功能介绍
WeChat Product Manager Writer 本地 SKILL.md 从 AI 产品经理视角组织文章,适合做产品观察、工具评测、AI 应用拆解和结构化长文。
WeChat Tech Writer 本地 SKILL.md 偏技术写作,强调 SEO、移动端阅读体验和教程结构,适合开发者公众号和技术教程号。
WeChat Article Formatter 本地 README 把 Markdown 转成适合公众号粘贴或导入的 HTML,解决公众号排版和样式统一问题。
WeChat Draft Publisher 本地 README 把 HTML 推送到公众号草稿箱,处理 AppID、AppSecret、封面上传等发布动作,适合半自动发布。

3. 为什么值得放进行业方案

  • 它不是“只有提示词”的轻量 Skill,而是把写作层、格式化层、发布层都拆出来了。
  • 它把公众号最关键的三个环节连起来了:起稿、排版、草稿箱发布。
  • 对中文内容站尤其有价值,因为公众号排版和普通 Markdown 发布不是一回事。
  • 它给出了很清晰的拆分思路:内容生成能力和发布能力不要混成一个黑盒。

4. baoyu-skills:更像“内容创作市场”

JimLiu/baoyu-skills 不是只做公众号,它更像一整套面向内容创作者的 Skill 市场。里面既有小红书信息图、封面图、漫画、幻灯片,也有 baoyu-post-to-wechatbaoyu-markdown-to-html 这样的公众号相关能力。

放到这个页面里,它的价值不在于“替代微信公众号主流程”,而在于补齐更多视觉内容和多平台分发能力。如果你想做的不只是公众号长文,而是公众号 + 小红书 + 微博 + X 的内容矩阵,这个仓库很值得单独研究。

Skill / 模块 地址 功能介绍
baoyu-post-to-wechat 本地 README.zh.md 支持公众号贴图模式和文章模式,可走 API 或浏览器发布,适合把发布动作接进工作流。
baoyu-markdown-to-html 本地 README.zh.md 把 Markdown 转成微信公众号兼容 HTML,带主题和引用处理,适合保留 Markdown 写作主线。
baoyu-cover-image / baoyu-infographic / baoyu-slide-deck 本地 README.zh.md 覆盖封面图、信息图、插图和幻灯片等视觉内容生成,适合内容矩阵和图文并重团队。

5. md2wechat-skill:更像“公众号发布产品”

geekjourneyx/md2wechat-skill 的定位比前两个仓库更聚焦。它核心就是把 Markdown 写作、微信公众号排版、草稿箱投递和 OpenClaw / Claude Code 集成做成一个比较完整的产品化工具。

wechat_article_skills 相比,md2wechat-skill 更强调“安装即用”和命令行体验;和 baoyu-skills 相比,它又没有那么重的内容市场属性,而是更像一个专门服务公众号写作者的工作台。

Skill / 命令 地址 功能介绍
convert 本地 README 把 Markdown 转公众号格式,可预览、导出 HTML,也可推送草稿箱,适合已有内容资产的团队。
write / humanize 本地 README 增加 AI 写作和去 AI 味处理,适合从观点或草稿起稿,再进入公众号排版流程。
md2wechat Skill / OpenClaw 支持 本地 SKILL.md 仓库里直接提供了 OpenClaw 技能目录结构和接入说明,适合把公众号发布接进 OpenClaw。
CLI / Release 安装链路 GitHub Releases 提供二进制、安装脚本和 Go 工具链安装方式,更像成熟产品,适合不想自己拼脚本的普通用户。

6. ClawHub 上的公众号相关 Skill

这三条我已经从 ClawHub 页面源码里核到了真实摘要和版本信息,所以这里不再用“猜测描述”。不过我也顺手试了本地安装,当前 `clawhub install` 会被注册表限流拦住,所以这一部分先保留为已核对的安装入口和功能说明。

Skill 地址 功能介绍
wechat-mp-cn ClawHub 页面 微信公众号监控能力,重点覆盖文章监控、阅读量追踪和舆情分析,适合做账号内容监测和竞品观察。
wechat-toolkit ClawHub 页面 微信公众号一站式工具包,集成文章搜索、文章下载、AI 洗稿改写和公众号发布四类动作,适合做编辑工作台。
wechat-article-reader ClawHub 页面 把微信公众号文章导出为 Markdown,适合做资料归档、知识库整理和二次研究,默认保存到工作空间 `source` 目录。

7. 适合哪些场景

  • 技术公众号:先用 Tech Writer 起稿,再用 Formatter 产出公众号版式。
  • 产品观察号:先用 Product Manager Writer 组织结构,再补封面和图示。
  • 内容团队:统一用 Markdown 写稿,再交给 Formatter 和 Draft Publisher 进入后台。
  • 个人创作者:如果暂时不想全自动发布,可以先只用“写作 + 排版”两段。
  • 如果你想做“更产品化的公众号工具”,优先看 md2wechat-skill。
  • 如果你想做“公众号 + 多平台内容矩阵”,再补看 baoyu-skills。
  • 如果你想快速试装几个轻量微信 Skill,再看上面这组三个 ClawHub 入口。

8. 我帮你先做的边界判断

  • 这个仓库当前主线明确是“微信公众号文章工作流”,不是朋友圈群发工具,也不是视频号自动发布工具。
  • 所以这一页虽然保留了“微信公众号 / 朋友圈 / 视频号自动化”这个栏目名,但正文先把公众号路线单独讲清楚,不把三者混在一起。
  • 和小红书项目相比,它的风控边界更稳一些,因为它主要落点是公众号草稿箱和内容生产,而不是直接做平台互动自动化。
  • 真要进生产前,还是要单独确认公众号 API 权限、账号认证状态和 IP 白名单等问题。
  • baoyu-skillsmd2wechat-skill 都值得收录,但它们更像“补充路线”,不是直接替代本页主线项目。
  • 这三条 ClawHub Skill 的名称、版本和摘要已经核对过,但本地直接安装目前会遇到 ClawHub 限流,后面可以等你登录后再继续实装。

9. 使用建议

  • 先把 Draft Publisher 当“草稿工具”,不要一开始就把它当全自动发布器。
  • 如果团队里已经有成熟写手,可以单独把 Formatter 拆出来作为排版层使用。
  • 如果你是 AI 内容型账号,Product Manager Writer 和 Tech Writer 更像“选题 + 起稿助手”。
  • 朋友圈和视频号部分,建议等你给到更合适的仓库后再单独并入这一页。
  • 如果你想优先落地,建议顺序是:wechat_article_skills 打主线,md2wechat-skill 补产品化发布,baoyu-skills 再补矩阵内容能力。

10. 原始项目参考