Wiseflow 深度解析：從資訊挖掘引擎到全能行銷 Agent 的進化之路

Q: Wiseflow 和小貝是什麼關係？

Wiseflow 是專案的原始名稱（曾叫 AI 首席情報官），小貝（xiaobei）是現在的品牌名。底層程式碼是同一套，功能從單純的資訊挖掘擴展為完整的自媒體獲客智能體。GitHub 儲存庫仍叫 TeamWiseFlow/wiseflow。

Q: 如何避免平台風控？

控制採集頻率（建議每 6 小時一次）、使用持久化 session 避免頻繁登入、不要高頻抓取單一平台、遵守各平台的 robots.txt 和服務條款。

2026-08-28 AI Agent 資訊挖掘開源工具自動化自媒體運營

資訊過載時代的破局者

每天產生 2.5 quintillion 位元組的資料，但真正有價值的資訊可能不到 1%。開發者、創業者、行銷人員面臨的核心問題不是「找不到資訊」，而是「無法從海量噪音中提煉出 actionable intelligence」。

Wiseflow 專案最初以「AI 首席情報官」的定位進入公眾視野——一款敏捷的開源資訊挖掘工具，能夠從網站、微信公眾號、社交平台等資訊源中按設定的關注點提煉訊息，自動標籤歸類並上傳資料庫。如今，這個專案已經進化為小貝（xiaobei）——一個為 OPC/中小企業量身打造的自媒體獲客智能體，底層架構基於 openclaw，在 GitHub 上獲得了 8,400+ stars。

本文將深度解析 Wiseflow/小貝的技術架構、核心能力、部署實戰，以及如何將其整合到你的 Agent 專案中作為動態知識庫。

核心特性全景

多信源 Smart Search：18 類資訊源零配置覆蓋

Wiseflow 最核心的能力之一是內建的 Smart Search 系統，覆蓋以下 18 類信源：

信源類別	平台	特點
社群媒體	小紅書、抖音、微博、知乎、B站	國內主流社交平台全覆蓋
國際平台	Twitter/X、YouTube、LinkedIn、Reddit	海外資訊源一鍵接入
內容平台	微信公眾號、影片號	深度整合微信生態
垂直領域	新聞、政務、財經、學術、購物	專業領域精準覆蓋
開發者	GitHub	技術動態即時追蹤

關鍵優勢：無需配置任何 API Key，純免費使用。這與傳統資訊監控工具需要為每個平台申請 API 存取權限形成鮮明對比。

關注點驅動的提煉引擎

不同於簡單的爬蟲或 RSS 聚合，Wiseflow 採用關注點驅動的資訊提取模式：

設定關注點：定義你關心的主題、關鍵詞、實體
智能提取：LLM 引擎從原始內容中提取與關注點相關的資訊
自動歸類：基於語義理解自動打標籤、分類
結構化儲存：提取結果上傳資料庫，支援後續查詢和分析

這種模式的核心價值在於「只提取你關心的」，大幅降低資訊噪音。

多 Agent 協作架構

小貝採用多 Agent 協作架構，內建四個專業 Crew：

crews/
├── main/              # 主 Agent：新媒體運營/創業伴侶
├── it-engineer/       # IT 工程師：幕後運維+排障
├── content-producer/  # 內容製作者：影片/視覺生產
└── sales-cs/          # 銷售客服：客戶對接（按需啟用）

每個 Crew 有獨立的 SOUL.md（人格定義）、IDENTITY.md（身份配置）、MEMORY.md（記憶系統）和技能集，透過 openclaw 框架實現協作。

全鏈路內容生產

從資訊收集到內容發布，小貝覆蓋完整工作流：

資訊蒐集：Smart Search 18 類信源
內容創作：微信公眾號文章、小紅書圖文、短影音腳本
視覺設計：海報生成、圖文排版、影片封面
影片製作：短影音生成、口播影片剪輯、高光片段提取
多平台分發：微信影片號、抖音、小紅書、B站、快手、Twitter/X 等
數據復盤：自動取得發布數據、內容評分、策略調優

技術架構深度解析

資訊源採集層

Wiseflow 的採集層基於 forked camoufox-cli 建構的反指紋瀏覽器堆疊：

採集層架構
├── camoufox-cli (forked)    # 反指紋 Firefox 瀏覽器自動化
│   ├── 持久化 session       # 每平台一個且僅一個 session
│   ├── cookie+UA 雙匯出     # 登入態完整保留
│   └── 有頭/無頭模式切換    # 登入走有頭，自動化走無頭
├── login-manager            # 中央登入態管理
│   └── ~/.openclaw/logins/  # 平台 cookie 統一儲存
└── 平台專屬 skill           # 各平台採集邏輯封裝

設計原則： - 每平台一個持久化 session，避免多 session 觸發風控 - 嚴禁匯入 cookie 造會話（裝置指紋錯配會觸發平台偵測） - profile 丟失重建+重登入，絕不匯入舊 cookie

LLM 提煉引擎

資訊提取的核心是 LLM 引擎，支援多種模型接入：

模型	用途	接入方式
DeepSeek-V4-Flash	主力模型	阿里雲百煉 Token Plan
GLM-5.2	備選主力	火山方舟 Coding Plan
Qwen3.6-Flash	輕量任務	阿里雲百煉
doubao-seedream-4.0	圖像生成	火山方舟

推薦配置：阿里雲百煉 Token Plan（Lite 版 39 元/月，Standard 版 139 元/月），一個 Key 覆蓋主力模型、視覺模型、替補模型。

標籤分類系統

提取的資訊透過語義理解自動歸類：

實體識別：識別人名、公司名、產品名、技術術語
主題分類：基於預定義標籤體系自動分類
情感分析：判斷資訊的情感傾向（正面/負面/中性）
重要性評分：LLM 評估資訊與關注點的相關度

資料庫儲存

提取結果支援多種儲存方式：

SQLite：本地輕量儲存，適合單機部署
PostgreSQL：生產環境推薦，支援並行查詢
向量資料庫：可選接入，支援語義檢索

資料結構範例：

CREATE TABLE extracted_info (
    id INTEGER PRIMARY KEY,
    source_type VARCHAR(50),      -- 信源類型
    source_url TEXT,              -- 原始連結
    title TEXT,                   -- 標題
    content TEXT,                 -- 提取內容
    focus_points JSON,            -- 匹配的關注點
    tags JSON,                    -- 自動標籤
    sentiment VARCHAR(20),        -- 情感傾向
    relevance_score FLOAT,        -- 相關度評分
    extracted_at TIMESTAMP,       -- 提取時間
    metadata JSON                 -- 擴充元資料
);

本地部署實戰

硬體要求

Wiseflow/小貝對硬體要求極低，完全本地部署無需 GPU：

配置	最低要求	推薦配置
CPU	2 核	4 核+
記憶體	4GB	8GB+
儲存	10GB	20GB+
系統	Ubuntu 22.04 / macOS / WSL2	Ubuntu 22.04 LTS

注意：Windows 10 1803+ 需安裝 Git Bash 或 WSL2，建議開啟開發者模式以支援符號連結。

一鍵安裝（推薦）

macOS / Linux（GitHub 線路）：

bash -c "$(curl -fsSL https://raw.githubusercontent.com/TeamWiseFlow/wiseflow/master/scripts/install.sh)"

macOS / Linux（國內 atomgit 線路）：

bash -c "$(curl -fsSL https://raw.atomgit.com/wiseflow/wiseflow/raw/master/scripts/install-atomgit.sh)"

Windows PowerShell（管理員執行）：

# GitHub 線路
irm https://raw.githubusercontent.com/TeamWiseFlow/wiseflow/master/scripts/install.ps1 | iex

# 國內 atomgit 線路
irm https://raw.atomgit.com/wiseflow/wiseflow/raw/master/scripts/install-atomgit.ps1 | iex

安裝腳本會自動： 1. 下載預建構 tarball（~140MB）+ Firefox 反指紋瀏覽器（~557MB） 2. 解壓到 ~/xiaobei/（程式目錄） 3. 初始化 ~/.openclaw/（執行數據目錄） 4. 顯示微信綁定 QR Code（手機微信扫码即可使用）

配置 API Key

安裝完成後，唯一需要手動配置的是 LLM API Key：

# 編輯配置檔案
nano ~/.openclaw/daemon.env

# 新增阿里雲百煉 Key
AWK_API_KEY=your_api_key_here

# 如需影片生成能力，額外配置
MODELSTUDIO_API_KEY=your_modelstudio_key

啟動與使用

# 啟動主 Agent
cd ~/xiaobei
./bin/openclaw start main

# 或透過微信直接對話（安裝時已綁定）

目錄結構說明

~/xiaobei/              # 程式目錄（升級時替換）
├── openclaw/           # 上游引擎
├── crews/              # Crew 範本
├── skills/             # 公共技能
├── scripts/            # 工具腳本
└── bin/openclaw        # 啟動 wrapper

~/.openclaw/            # 執行數據（使用者數據，升級保留）
├── openclaw.json       # 配置檔案
├── daemon.env          # 環境變數（API Key）
├── workspaces/         # 各 Crew 工作空間
├── logins/             # 平台登入態
└── logs/               # 執行日誌

實戰案例

案例一：監控技術新聞

場景：追蹤 AI Agent、LLM、開源工具等領域的最新動態。

配置：

{
  "focus_points": [
    "AI Agent 框架",
    "LLM 新模型發布",
    "開源工具 GitHub trending",
    "RAG 技術進展"
  ],
  "sources": ["GitHub", "Twitter/X", "知乎", "微信公眾號"],
  "schedule": "every 6 hours",
  "output": "daily_digest"
}

效果：每天自動生成技術日報，過濾掉無關內容，只保留與關注點高度相關的資訊。

案例二：追蹤競品動態

場景：監控競爭對手的產品更新、市場活動、使用者回饋。

配置：

{
  "focus_points": [
    "競品A 新功能發布",
    "競品B 使用者評價",
    "競品C 定價變化"
  ],
  "sources": ["Twitter/X", "小紅書", "微博", "產品官網"],
  "sentiment_analysis": true,
  "alert_threshold": 0.8
}

效果：即時擷取競品動態，負面評價自動預警，協助快速回應市場變化。

案例三：建構 Agent 動態知識庫

場景：將 Wiseflow 作為 Agent 專案的資訊輸入模組，建構動態知識庫。

整合方案：

# 偽代碼範例：Agent 呼叫 Wiseflow 取得最新資訊
class AgentWithWiseflow:
    def __init__(self):
        self.wiseflow_db = connect_to_wiseflow_db()

    def get_context(self, query: str):
        # 從 Wiseflow 資料庫檢索相關資訊
        results = self.wiseflow_db.query(
            focus_points=[query],
            limit=10,
            min_relevance=0.7
        )
        return self.format_as_context(results)

    def respond(self, user_input: str):
        # 結合 Wiseflow 提供的動態資訊生成回答
        context = self.get_context(user_input)
        return self.llm.generate(user_input, context=context)

優勢：Agent 不再依賴靜態知識庫，而是能夠存取即時更新的外部資訊。

與 Agent 專案整合

作為知識庫模組

Wiseflow 提取的結構化資料可以直接作為 Agent 的知識庫：

資料庫直連：Agent 直接查詢 Wiseflow 的 SQLite/PostgreSQL 資料庫
API 介面：透過 Wiseflow 提供的 API 取得最新資訊
向量檢索：將提取結果匯入向量資料庫，支援語義檢索

與 RAG 結合

將 Wiseflow 作為 RAG（Retrieval-Augmented Generation）的資訊源：

使用者提問 → Agent 接收
         ↓
Wiseflow 檢索相關文件
         ↓
建構增強 Prompt
         ↓
LLM 生成回答（基於最新資訊）

多 Agent 協作

在 openclaw 框架下，Wiseflow 的多個 Crew 可以協作完成複雜任務：

main Agent：接收使用者需求，分解任務
content-producer：根據 Wiseflow 提取的資訊生成內容
it-engineer：維護系統穩定，處理技術問題

與其他資訊監控工具對比

特性	Wiseflow/小貝	Huginn	RSS+LLM	商業方案
信源覆蓋	18 類（社群+新聞+垂直）	主要 Web	僅 RSS	視供應商
API Key 需求	無需（Smart Search）	需配置	需配置	付費
資訊提煉	LLM 關注點驅動	規則引擎	簡單摘要	視方案
自動歸類	語義標籤	手動規則	無	部分支援
內容生產	全鏈路（文+圖+影片）	無	無	部分支援
多平台發布	10+ 平台	無	無	視方案
本地部署	支援，硬體要求低	支援	支援	不支援
開源免費	完全開源	開源	開源	付費
Agent 整合	原生支援	需開發	需開發	不支援

Wiseflow 的核心優勢： 1. 零配置信源接入：Smart Search 無需為每個平台申請 API 2. 關注點驅動：不是簡單爬取，而是按需求提煉 3. 全鏈路閉環：從資訊收集到內容發布一站式完成 4. Agent 原生整合：可直接作為 Agent 的知識庫模組

局限性與注意事項

當前局限

反指紋瀏覽器依賴：camoufox-cli 需要下載 ~557MB 的 Firefox 瀏覽器，首次安裝較慢
平台風控風險：頻繁採集可能觸發平台風控，需合理控制頻率
登入態維護：部分平台需要定期重新登入，cookie 過期需手動處理
Windows 支援：需安裝 Git Bash 或 WSL2，原生支援較弱

最佳實踐

控制採集頻率：避免高頻觸發平台風控，建議每 6 小時採集一次
合理設定關注點：關注點越精準，提取效果越好，噪音越少
定期維護登入態：檢查各平台 cookie 是否過期，及時重新登入
使用國內線路：國內使用者建議使用 atomgit 線路，避免 GitHub 存取問題
備份執行數據：定期備份 ~/.openclaw/ 目錄，防止資料遺失

合規提醒

遵守各平台的服務條款和 robots.txt 規則
不要用採集個人隱私資訊或敏感資料
商業使用需注意版權問題
高頻採集可能導致 IP 被封，建議使用代理

總結評價

Wiseflow/小貝是一個從資訊挖掘工具進化為全能行銷 Agent 的成功案例。它的核心價值在於：

優勢： - ✅ 零配置 18 類信源覆蓋，Smart Search 純免費 - ✅ 關注點驅動的 LLM 提煉，不是簡單爬蟲 - ✅ 全鏈路內容生產：資訊收集→創作→發布→復盤 - ✅ 多 Agent 協作架構，可擴展性強 - ✅ 本地部署，硬體要求低，資料完全自主 - ✅ 完全開源，社群活躍（8,400+ stars）

不足： - ⚠️ 反指紋瀏覽器體積大，首次安裝慢 - ⚠️ 平台風控需自行把控頻率 - ⚠️ Windows 支援需額外配置

適用場景： - 自媒體運營者：一站式內容生產+多平台分發 - 創業者/產品經理：競品監控、市場洞察 - 開發者：技術新聞追蹤、開源專案監控 - Agent 開發者：為 Agent 提供動態知識庫

推薦指數：⭐⭐⭐⭐⭐（5/5）

對於需要從零建構資訊監控和內容生產體系的個人或小團隊，Wiseflow/小貝是目前開源社群中最完整的解決方案之一。它不僅解決了「資訊從哪裡來」的問題，更解決了「如何讓資訊產生價值」的問題。

常見問題（FAQ）

1. Wiseflow 和小貝是什麼關係？

Wiseflow 是專案的原始名稱（曾叫「AI 首席情報官」），小貝（xiaobei）是現在的品牌名。底層程式碼是同一套，功能從單純的資訊挖掘擴展為完整的自媒體獲客智能體。GitHub 儲存庫仍叫 TeamWiseFlow/wiseflow。

2. Smart Search 真的完全免費嗎？

是的，Smart Search 無需配置任何 API Key，直接可用。但 LLM 提煉功能需要配置模型 API Key（如阿里雲百煉 Token Plan，Lite 版 39 元/月起）。

3. 可以只使用資訊挖掘功能，不用內容生產嗎？

可以。Wiseflow 的核心資訊挖掘功能是獨立的，你可以只配置 Smart Search 和資料庫儲存，不使用內容生產和發布功能。

4. 如何避免平台風控？

控制採集頻率（建議每 6 小時一次）
使用持久化 session，避免頻繁登入
不要高頻抓取單一平台
遵守各平台的 robots.txt 和服務條款

5. 能否整合到現有的 Agent 專案中？

可以。Wiseflow 提取的資料儲存在 SQLite/PostgreSQL 中，你的 Agent 可以直接查詢資料庫，或透過 API 介面取得最新資訊。也可以將提取結果匯入向量資料庫，支援語義檢索。

Wiseflow（小貝）深度解析：從開源資訊挖掘工具到一站式自媒體獲客智能體的完整進化。涵蓋 Smart Search 18 類信源、多 Agent 架構、本地部署實戰與 Agent 整合方案。