背景

用 AI 写文章不难，难的是让它真正把文件写进你的内容库。大多数 AI 工具只能给你一段文字，你再手动复制粘贴。如果每天要更新博客，这个手动环节就会成为瓶颈。

今天介绍一套真实跑通的方案：本地 Qwen2.5-3B 模型 + 小鱼 subagent → 直接写文件到 Hugo 内容目录 → 一键构建上线。

整套流程不需要任何 API key，不花一分钱_tokens。

架构设计

核心思路是主 agent 做决策，小鱼执行细节：

  • 主 Agent（虾哥）：负责任务分解、质量把控、最终发布
  • 小鱼 subagent：用本地 Qwen2.5-3B 模型，在本地文件系统写入 Markdown 文章

为什么用本地模型？因为写文章是一个高频率、低复杂度的任务——每天可能跑几十次。如果每次都调 OpenAI/Claude API，成本很快会上去。本地模型免费、速度快、够用。

关键技术组件

oMLX：本地模型服务

oMLX 是在 Mac 上跑本地大模型的工具，支持 Qwen2.5-3B 等主流开源模型，安装一次即可长期使用。模型文件约 1.7GB，加载后占用内存约 1.7GB。

模型：Qwen2.5-3B-Instruct-4bit
内存占用：1.7GB
Token 生成速度：约 30 tokens/s（Mac M系列芯片）

OpenClaw subagent：任务执行层

OpenClaw 支持通过 sessions_spawn 派发 subagent，每个 subagent 有独立 session，可以调用工具读写文件、执行命令。

关键配置：

{
  "model": "omlx-local/Qwen2.5-3B-Instruct-4bit",
  "timeoutSeconds": 120
}

完整工作流

Step 1：派发小鱼任务

sessions_spawn(
  task="帮虾哥写一篇关于 OpenClaw 自动化工作流的文章，
        保存到 /Users/t/openclaw-news-blog/src/content/posts/",
  runtime="subagent",
  runTimeoutSeconds=180
)

Step 2：小鱼撰写文章

小鱼根据选题，用 Qwen2.5-3B 生成文章内容，然后调用 write 工具直接保存为 .md 文件。Front matter（title, date, tags, description）由小鱼自动生成。

Step 3：Hugo 构建

cd /Users/t/openclaw-news-blog/src
hugo
# 99ms 完成 213 页构建

Step 4：同步上线

tar czf - public | ssh -p 24278 root@45.145.229.17 \
  "cd /var/www/openclaw-blog && rm -rf public && tar xzf - && nginx -s reload"

从写完到上线，全流程约 30 秒。

实际效果

实测数据：

  • 小鱼写一篇 800 字文章：约 40 秒（含模型推理 + 文件写入）
  • Hugo 构建：99ms
  • VPS 同步：约 5 秒（取决于 public 目录大小）
  • 全流程人工介入：0 次

每天更新 3-5 篇文章，总耗时不超过 5 分钟。

适用场景

这套方案最适合：

  1. 技术博客：定期发教程、案例、工具介绍
  2. 产品更新日志：结合 CI/CD 自动触发
  3. 多语言内容：一个选题生成中英文版本
  4. SEO 内容农场：批量生产长尾关键词文章

局限与注意事项

  • 本地模型质量不如 GPT-4/Claude，需要人工审核文章质量
  • 图片处理目前需要手动上传（未来可接入 Playwright 自动抓取）
  • 小鱼的文件写入权限需要正确配置（workspace 路径映射）

总结

本地模型 + subagent 的组合，让内容生产完全自动化。不再需要手动复制粘贴，不再需要打开编辑器。只要一条指令，小鱼就能把文章写好、存好、构建好。

下一步计划：给小鱼接入搜索工具，让它能主动搜索 x.com 热点话题，自动推荐选题并撰写。