用 OpenClaw 帮我整理三年的微信文章，分享一套实际跑通的工作流

我做公众号三年多，攒了 400 多篇文章想整理成一本电子书，但人工归类实在没时间。最后用 OpenClaw 接 Kimi K2.6（128k 上下文），配合一个简单的 Python 脚本做批处理，跑通了。 核心流程：① 先用脚本把所有 markdown 文章按发文时间排序、按 5 篇一组打包；② 给 Kimi 一个固定的归纳模板，让它输出每篇的核心论点 + 适合放在哪个章节；③ 跑完一轮后人工微调章节大纲；④ 第二轮让它按章节重新整理，输出过渡段和承接句；⑤ 最后用 DeepSeek 做一次文字润色，因为 Kimi 写长文偶尔会用力过猛。 踩的坑：一开始想一次性喂 50 篇文章，结果 Kimi 后面几篇明显敷衍。改成 5 篇一组以后稳了很多。另外让模型自动归类章节是个坑，它特别喜欢凑整数，宁可硬塞也不肯告诉你"这篇不适合放进任何章节"。