为什么直接转发链接是“知识偷懒”作为知识工作者我们每天都会在微信群、朋友圈或 RSS 阅读器里收到大量高价值的行业文章。最本能的处理方式是什么随手转发到“文件传输助手”或者丢进某个收藏夹心里默念“稍后阅读”。但现实往往是这些链接一旦进入收藏夹就再也没有被打开过。更深层的问题在于单纯的链接存储并不等于知识内化。当你三个月后想回顾某篇关于AI Agent 架构演进”的文章时你面对的只是一个冰冷的 URL。你忘记了当时的触动点也丢失了文章与你现有知识体系的连接。此外直接转发还缺乏“个人印记”——你的读者或是未来的你自己无法从一篇纯转载的内容中看出你的观点、筛选逻辑以及独特的表达风格。在 OpenClaw 的实操系列中我们已经解决了信息的自动收集实操 32、多模态输入实操 33以及初稿生成实操 34和排版发布实操 35。今天这篇实操 36将聚焦于信息处理链条中最具创造性的一环链接改写与风格迁移。我们要做的不是简单的摘要总结而是让 AI 充当你的“特约编辑”在保留原文核心事实信息保真的前提下将其重构为符合你个人 IP 调性的内容个人表达。构建“阅读 - 改写”双阶段 Skill要实现高质量的改写不能指望一个通用的 Prompt 解决所有问题。我们需要在 OpenClaw 中编写一个自定义 Skill将任务拆解为两个明确的阶段深度阅读与事实提取、风格化重写。这种分工能有效避免大模型在长文本生成中常见的“幻觉”问题确保核心数据不丢失。首先我们在 OpenClaw 的skills目录下创建一个名为link-rewriter的新技能文件夹。核心逻辑封装在一个 JavaScript 文件中利用 OpenClaw 原生的agent-browser能力抓取网页内容。// skills/link-rewriter/index.jsconst{z}require(zod);module.exports{name:link-rewriter,description:抓取链接内容提取核心事实并按指定风格进行改写,inputSchema:z.object({url:z.string().url().describe(待处理的文章链接),style:z.enum([professional,humorous,concise,storytelling]).describe(目标写作风格),temperature:z.number().min(0).max(1.5).default(0.7).describe(控制创作自由度)}),asyncrun({url,style,temperature},context){// 第一阶段浏览器抓取与事实清洗constbrowserResultawaitcontext.skills[agent-browser].run({url});constrawContentbrowserResult.content;// 调用 LLM 进行结构化提取强制要求输出 JSON 格式的事实清单constextractionPrompt请阅读以下文章内容提取不可变更的“核心事实清单”。 要求 1. 仅提取数据、人名、时间、具体结论忽略形容词和修辞。 2. 输出为 JSON 数组格式。 文章内容${rawContent};constfactsawaitcontext.llm.chat(extractionPrompt,{responseFormat:json_object});// 第二阶段风格化重写conststyleGuidegetStyleGuide(style);constrewritePrompt基于以下【核心事实清单】撰写一篇新的文章。 【核心事实清单】必须严格遵循不得篡改数据${facts}【风格指令】${styleGuide}【约束】 1. 所有数据必须与事实清单一致。 2. 语气、句式、开头结尾需完全符合风格指令。 3. 温度参数已设定为${temperature}请据此调整用词的创造性。;returnawaitcontext.llm.chat(rewritePrompt,{temperature});}};functiongetStyleGuide(style){constguides{professional:采用严肃研报风格。使用专业术语句式严谨多用被动语态。结构上采用‘背景 - 数据 - 分析 - 结论’的逻辑链。禁止使用网络流行语和情绪化表达。,humorous:采用幽默段子手风格。多用反问、夸张和比喻。可以将枯燥的数据转化为生活化的类比。语气轻松活泼适当加入 emoji像在和老朋友聊天。,concise:采用极简资讯风格。只保留干货去除所有铺垫和过渡句。使用短句每段不超过两行。重点内容加粗显示。,storytelling:采用故事叙述风格。以第一人称或特定人物视角切入设置悬念通过冲突和解决过程来串联事实数据。注重情感共鸣。};returnguides[style]||guides.professional;}这段代码的关键在于中间层的显式存在。我们并没有直接把网页内容丢给 LLM 让它“看着办”而是先强制它输出一份结构化的facts事实清单。这一步相当于给 AI 戴上了“紧箍咒”无论后续的风格迁移多么天马行空底层的骨架数据、时间、人物是被锁死的。风格迁移的核心温度与提示词的协同很多人误以为调整temperature温度参数就能实现风格切换。其实不然温度主要控制的是输出的随机性和多样性而风格的本质是由 System Prompt系统提示词中的角色定义和语料特征决定的。在上述代码中我们设计了一个getStyleGuide函数针对不同场景预设了差异巨大的指令集严肃研报模式我们限制了形容词的使用强调了逻辑链条。此时即使将temperature设得稍高如 0.8AI 也会倾向于在专业术语的组合上进行微调而不会突然讲个笑话。幽默段子模式我们明确授权 AI 使用“夸张”、“比喻”和“情绪化表达”。这时候配合较高的temperature如 1.2AI 更容易跳出常规句式产生令人意想不到的金句。如何控制改写幅度在实际操作中我们发现如果完全依赖 AI 自由发挥有时候会为了迎合风格而过度解读原文。为了解决这个问题我们在 Prompt 中引入了**“负向约束”**。例如在专业模式下我们会追加一条指令“严禁添加原文未提及的推测性结论”而在幽默模式下则允许“在不扭曲数据前提下对现象进行主观吐槽”。你可以通过修改 Skill 的输入参数来动态调整这种平衡。比如当你需要一篇用于内部汇报的材料时可以将temperature降至 0.3并选择professional风格而当你需要为公众号写一篇吸引眼球的推文时则将temperature提升至 1.1选择humorous风格。这种参数化的控制让你能用同一套源材料快速生产出适配不同渠道的分发内容。实战演练十分钟搞定一周行业周报理论讲得再多不如看一次真实的工作流。假设你是一名科技领域的创作者每周五需要发布一篇“行业快讯周报”。过去你需要花费两小时阅读十几篇文章再花一小时逐字撰写。现在利用我们刚编写的link-rewriterSkill这个过程可以压缩到十分钟以内。步骤一批量投喂链接你在飞书或微信中建立一个专属的“周报素材群”。周一到周四看到有价值的文章直接丢进群里不需要做任何标记。周五下午你只需发送一条指令OpenClaw 读取本周群内所有链接提取核心信息统一用“幽默段子”风格改写成一篇周报标题要吸睛最后生成 Markdown 格式。步骤二Agent 的自动化协作接收到指令后OpenClaw 背后的多 Agent 机制开始运转Collector Agent遍历群聊历史提取出所有 URL 链接。Router Agent识别到任务类型为“周报生成”自动调用link-rewriterSkill。Execution阶段Skill 并行抓取这十篇链接的内容。为了防止上下文过长导致遗忘它会先为每篇文章生成一个 200 字的“风格化摘要”。Synthesis阶段主 Agent 将这十个摘要作为素材再次调用 LLM按照“周报”的整体结构本周热点、避坑指南、下周预测进行统筹写作。步骤三结果验收与微调几分钟后一份草稿出现在你的对话框中 本周科技圈大厂又在“重新发明轮子”了各位老铁这周科技圈热闹得像过年。首先某大厂发布了新款芯片号称算力提升 50%事实来源链接 A。但我仔细一看这功耗也涨了 40% 啊这哪是升级这是给电费单升级吧再看 AI 领域那个传说中的开源模型终于落地了事实来源链接 B。社区大佬测试后发现跑图速度确实快但显存占用简直是个“吞金兽”没个 4090 都不敢轻易尝试。…中间段落省略… 下周看点据说某巨头要搞发布会咱们拭目以待看看是“黑科技”还是PPT 造车”。你看原本枯燥的技术参数算力、功耗、显存被保留了下来但叙述方式完全变成了你个人的口吻。既有信息增量又有情绪价值。你只需要花两分钟检查一下是否有事实性偏差然后直接复制到排版工具中即可发布。结语让工具服务于表达而非替代思考通过 OpenClaw 实现链接改写与风格迁移其核心价值不在于“省去了阅读的麻烦”而在于解放了表达的精力。它将我们从机械的信息搬运工作中解脱出来让我们能更专注于观点的提炼和风格的打磨。在这个信息过载的时代能够高效地将外部信息内化为具有个人特色的内容是一种稀缺的竞争力。OpenClaw 提供的不仅仅是一个自动化工具更是一套可定制的“认知增强外挂”。当你掌握了这套工作流你会发现无论是严肃的行业分析还是轻松的日常分享都能信手拈来真正实现“信息保真”与“个人表达”的完美统一。
OpenClaw 实操指南 36｜链接改写与风格迁移：信息保真加个人表达
为什么直接转发链接是“知识偷懒”作为知识工作者我们每天都会在微信群、朋友圈或 RSS 阅读器里收到大量高价值的行业文章。最本能的处理方式是什么随手转发到“文件传输助手”或者丢进某个收藏夹心里默念“稍后阅读”。但现实往往是这些链接一旦进入收藏夹就再也没有被打开过。更深层的问题在于单纯的链接存储并不等于知识内化。当你三个月后想回顾某篇关于AI Agent 架构演进”的文章时你面对的只是一个冰冷的 URL。你忘记了当时的触动点也丢失了文章与你现有知识体系的连接。此外直接转发还缺乏“个人印记”——你的读者或是未来的你自己无法从一篇纯转载的内容中看出你的观点、筛选逻辑以及独特的表达风格。在 OpenClaw 的实操系列中我们已经解决了信息的自动收集实操 32、多模态输入实操 33以及初稿生成实操 34和排版发布实操 35。今天这篇实操 36将聚焦于信息处理链条中最具创造性的一环链接改写与风格迁移。我们要做的不是简单的摘要总结而是让 AI 充当你的“特约编辑”在保留原文核心事实信息保真的前提下将其重构为符合你个人 IP 调性的内容个人表达。构建“阅读 - 改写”双阶段 Skill要实现高质量的改写不能指望一个通用的 Prompt 解决所有问题。我们需要在 OpenClaw 中编写一个自定义 Skill将任务拆解为两个明确的阶段深度阅读与事实提取、风格化重写。这种分工能有效避免大模型在长文本生成中常见的“幻觉”问题确保核心数据不丢失。首先我们在 OpenClaw 的skills目录下创建一个名为link-rewriter的新技能文件夹。核心逻辑封装在一个 JavaScript 文件中利用 OpenClaw 原生的agent-browser能力抓取网页内容。// skills/link-rewriter/index.jsconst{z}require(zod);module.exports{name:link-rewriter,description:抓取链接内容提取核心事实并按指定风格进行改写,inputSchema:z.object({url:z.string().url().describe(待处理的文章链接),style:z.enum([professional,humorous,concise,storytelling]).describe(目标写作风格),temperature:z.number().min(0).max(1.5).default(0.7).describe(控制创作自由度)}),asyncrun({url,style,temperature},context){// 第一阶段浏览器抓取与事实清洗constbrowserResultawaitcontext.skills[agent-browser].run({url});constrawContentbrowserResult.content;// 调用 LLM 进行结构化提取强制要求输出 JSON 格式的事实清单constextractionPrompt请阅读以下文章内容提取不可变更的“核心事实清单”。 要求 1. 仅提取数据、人名、时间、具体结论忽略形容词和修辞。 2. 输出为 JSON 数组格式。 文章内容${rawContent};constfactsawaitcontext.llm.chat(extractionPrompt,{responseFormat:json_object});// 第二阶段风格化重写conststyleGuidegetStyleGuide(style);constrewritePrompt基于以下【核心事实清单】撰写一篇新的文章。 【核心事实清单】必须严格遵循不得篡改数据${facts}【风格指令】${styleGuide}【约束】 1. 所有数据必须与事实清单一致。 2. 语气、句式、开头结尾需完全符合风格指令。 3. 温度参数已设定为${temperature}请据此调整用词的创造性。;returnawaitcontext.llm.chat(rewritePrompt,{temperature});}};functiongetStyleGuide(style){constguides{professional:采用严肃研报风格。使用专业术语句式严谨多用被动语态。结构上采用‘背景 - 数据 - 分析 - 结论’的逻辑链。禁止使用网络流行语和情绪化表达。,humorous:采用幽默段子手风格。多用反问、夸张和比喻。可以将枯燥的数据转化为生活化的类比。语气轻松活泼适当加入 emoji像在和老朋友聊天。,concise:采用极简资讯风格。只保留干货去除所有铺垫和过渡句。使用短句每段不超过两行。重点内容加粗显示。,storytelling:采用故事叙述风格。以第一人称或特定人物视角切入设置悬念通过冲突和解决过程来串联事实数据。注重情感共鸣。};returnguides[style]||guides.professional;}这段代码的关键在于中间层的显式存在。我们并没有直接把网页内容丢给 LLM 让它“看着办”而是先强制它输出一份结构化的facts事实清单。这一步相当于给 AI 戴上了“紧箍咒”无论后续的风格迁移多么天马行空底层的骨架数据、时间、人物是被锁死的。风格迁移的核心温度与提示词的协同很多人误以为调整temperature温度参数就能实现风格切换。其实不然温度主要控制的是输出的随机性和多样性而风格的本质是由 System Prompt系统提示词中的角色定义和语料特征决定的。在上述代码中我们设计了一个getStyleGuide函数针对不同场景预设了差异巨大的指令集严肃研报模式我们限制了形容词的使用强调了逻辑链条。此时即使将temperature设得稍高如 0.8AI 也会倾向于在专业术语的组合上进行微调而不会突然讲个笑话。幽默段子模式我们明确授权 AI 使用“夸张”、“比喻”和“情绪化表达”。这时候配合较高的temperature如 1.2AI 更容易跳出常规句式产生令人意想不到的金句。如何控制改写幅度在实际操作中我们发现如果完全依赖 AI 自由发挥有时候会为了迎合风格而过度解读原文。为了解决这个问题我们在 Prompt 中引入了**“负向约束”**。例如在专业模式下我们会追加一条指令“严禁添加原文未提及的推测性结论”而在幽默模式下则允许“在不扭曲数据前提下对现象进行主观吐槽”。你可以通过修改 Skill 的输入参数来动态调整这种平衡。比如当你需要一篇用于内部汇报的材料时可以将temperature降至 0.3并选择professional风格而当你需要为公众号写一篇吸引眼球的推文时则将temperature提升至 1.1选择humorous风格。这种参数化的控制让你能用同一套源材料快速生产出适配不同渠道的分发内容。实战演练十分钟搞定一周行业周报理论讲得再多不如看一次真实的工作流。假设你是一名科技领域的创作者每周五需要发布一篇“行业快讯周报”。过去你需要花费两小时阅读十几篇文章再花一小时逐字撰写。现在利用我们刚编写的link-rewriterSkill这个过程可以压缩到十分钟以内。步骤一批量投喂链接你在飞书或微信中建立一个专属的“周报素材群”。周一到周四看到有价值的文章直接丢进群里不需要做任何标记。周五下午你只需发送一条指令OpenClaw 读取本周群内所有链接提取核心信息统一用“幽默段子”风格改写成一篇周报标题要吸睛最后生成 Markdown 格式。步骤二Agent 的自动化协作接收到指令后OpenClaw 背后的多 Agent 机制开始运转Collector Agent遍历群聊历史提取出所有 URL 链接。Router Agent识别到任务类型为“周报生成”自动调用link-rewriterSkill。Execution阶段Skill 并行抓取这十篇链接的内容。为了防止上下文过长导致遗忘它会先为每篇文章生成一个 200 字的“风格化摘要”。Synthesis阶段主 Agent 将这十个摘要作为素材再次调用 LLM按照“周报”的整体结构本周热点、避坑指南、下周预测进行统筹写作。步骤三结果验收与微调几分钟后一份草稿出现在你的对话框中 本周科技圈大厂又在“重新发明轮子”了各位老铁这周科技圈热闹得像过年。首先某大厂发布了新款芯片号称算力提升 50%事实来源链接 A。但我仔细一看这功耗也涨了 40% 啊这哪是升级这是给电费单升级吧再看 AI 领域那个传说中的开源模型终于落地了事实来源链接 B。社区大佬测试后发现跑图速度确实快但显存占用简直是个“吞金兽”没个 4090 都不敢轻易尝试。…中间段落省略… 下周看点据说某巨头要搞发布会咱们拭目以待看看是“黑科技”还是PPT 造车”。你看原本枯燥的技术参数算力、功耗、显存被保留了下来但叙述方式完全变成了你个人的口吻。既有信息增量又有情绪价值。你只需要花两分钟检查一下是否有事实性偏差然后直接复制到排版工具中即可发布。结语让工具服务于表达而非替代思考通过 OpenClaw 实现链接改写与风格迁移其核心价值不在于“省去了阅读的麻烦”而在于解放了表达的精力。它将我们从机械的信息搬运工作中解脱出来让我们能更专注于观点的提炼和风格的打磨。在这个信息过载的时代能够高效地将外部信息内化为具有个人特色的内容是一种稀缺的竞争力。OpenClaw 提供的不仅仅是一个自动化工具更是一套可定制的“认知增强外挂”。当你掌握了这套工作流你会发现无论是严肃的行业分析还是轻松的日常分享都能信手拈来真正实现“信息保真”与“个人表达”的完美统一。
