Zeabur + OpenClaw 快速做一個 AI 新聞推播助手
前言
想用最簡單的方式,先快速理解並熟悉目前 OpenClaw 工具的實際使用方式
這次選的情境是「AI 新聞整理與推播」一方面可以完整練習 OpenClaw 的部署、模型、搜尋與排程設定;另一方面也能解決平常想快速掌握新聞趨勢的需求
背景
這個流程主要是用來快速整理一個簡單的 AI 自動化架構,讓我可以先看懂 OpenClaw 在實務上的完整運作方式
先用最低可行組合把流程跑起來,目標是固定整理 AI 新聞並推播到 Telegram,後續再逐步優化模型品質與成本控制
伺服器規格採用 2 CPU / 4 GB Memory,每月約 3 美元,以這個新聞整理與排程推播場景來說已經足夠
使用的核心組成如下:
Zeabur處理部署與運行OpenClaw負責任務編排與排程OpenRouter提供多模型 API 串接能力Tavily補上搜尋能力Telegram當通知出口
整體流程:Schedule Trigger -> Tavily Search -> LLM Summary -> Telegram Notification
這裡選 OpenRouter 的主要是因為:它可以用同一套串接方式測試多個模型,讓切換成本維持在很低的範圍,也方便快速比較速度、成本與輸出品質;如果某個模型效果不理想,也能直接替換,不需要重做整段整合流程
步驟流程
- 在 Zeabur 部署 OpenClaw
打開官方模板並直接部署:
https://zeabur.com/zh-TW/templates/VTZ4FX
部署後先確認兩件事:
- Service 狀態是
Running - 可以進入 OpenClaw 後台
- 建立 Telegram Bot
使用 @BotFather 建立機器人後,拿到 Bot Token
建議另外建立一個專用群組或頻道,讓通知不會和私人訊息混在一起
- 設定 OpenRouter 作為 LLM Provider
在 OpenRouter 建立 API Key,回到 OpenClaw 設定:
1 | { |
目前的模型策略:
- 日常新聞摘要任務,先用
openrouter/x-ai/grok-4.1-fast模型,體感上是便宜、速度快、品質也夠用 - 先把流程穩定跑起來,再依需求替換成更強的模型
- 實際測試下來,便宜模型比較容易出現不穩定或異常輸出;如果預算允許,改用高級模型通常可以減少不必要的問題,也能降低測試與調整成本
- 安裝 Tavily 搜尋工具
在 OpenClaw 的終端機執行:
1 | clawhub install tavily-search |
安裝後,用一次手動執行確認工具可被呼叫
在實際使用時遇到一個狀況:Agent 經常會自己切去 Brave API 做搜尋,導致出現問題
為了讓流程穩定,我在 AGENTS.md 補了一條偏好規則:當任務需要搜尋時,優先使用 Tavily
加入後,AGENTS.md 會出現以下設定:
1 | ## Search Policy |
- 建立每日新聞整理任務
直接與 OpenClaw 進行對話,請它每天早上 8 點執行、搜尋 AI 新聞並發送到 Telegram,OpenClaw 會再把需求轉成對應的排程與任務設定這種方式很適合快速建立自動化流程
實際使用的 Prompt 範例:
1 | 請幫我建立一個每日自動化任務: |
設定完成後可以到到 OpenClaw 後台的 CronJob 頁面再確認一次,檢查排程是否真的有被正確建立、觸發時間是否符合預期
完成後的預期結果:
- 每天早上 8:00 自動收到一則 AI 新聞摘要
- 摘要格式固定,包含標題、來源連結與重點說明
- 在 OpenClaw 後台可追蹤每次執行紀錄,方便後續調整
Reference
- Zeabur OpenClaw Template: https://zeabur.com/zh-TW/templates/VTZ4FX
- OpenRouter x OpenClaw Guide: https://openrouter.ai/docs/guides/guides/openclaw-integration
- Tavily Documentation: https://docs.tavily.com/