OpenClaw+ClaudeSkill：一个人顶一个工作室的AI漫画自动生产流水线

聊一聊我自己一直在跑的这套漫画自动生产流程。公众号漫画赛道现在竞争不算小了，但真正能做到"一个人顶一个工作室"的，靠的还是把选题、编剧、分镜、绘图、拼版、发布这六步全给串成一条自动化流水线。我用 OpenClaw 编排了一套名为"ClaudeSkill漫画工厂"的工作流，实测从热点输入到成品图文产出，单篇耗时能压到十分钟以内。这篇就把它怎么搭、怎么调、怎么避坑，完完整整拆给你看。

1. 项目整体设计与思路拆解

1.1 为什么是漫画赛道，为什么敢做全自动

公众号图文内容里，漫画号一直是"高完读、高转发"的品类。一条好的条漫，用户在滑动过程中天然就会读完，这是一个完读率远高于普通文章的内容形式。更重要的是，漫画对文字功底的要求不高，对"画面讲故事"的能力要求很高，而这两点恰好都是大模型目前最擅长的东西——让语言模型负责写剧本、出分镜描述，让图像模型负责把每一格画出来，理论上完全可行。

大多数做漫画号的团队卡在哪里？卡在"中间环节依赖人工"。编剧写完文案，要人工描述画面；画面生成完，要人工按顺序拼成长图；拼完图还要人工配文案、填标题。任何一个环节靠人，就谈不上"全自动"，也就谈不上边际成本递减。所以这套项目的核心设计目标只有一个：去掉所有需要人手处理的关键路径，让脚本、绘画、拼图、发布形成闭环。

1.2 整体架构与各环节任务拆解

整个漫画工厂从上游到下游可以拆成六个模块：

1. 选题引擎：从热搜词、评论、行业榜单里抓取"有情绪、有冲突、有画面感"的话题，转成一条条漫画选题。
2. 剧本生成器：用大模型技能包把选题扩展成"起承转合"完整的短篇故事，时长控制在8到15格。
3. 分镜设计器：把剧本里的每一句话拆成独立的分镜，同时输出每格的画面描述、景别、角色表情、动作、台词。
4. 图像生成器：根据分镜描述批量绘制漫画格子，保持画风统一、角色统一。
5. 自动拼图器：把单张格子按顺序拼接成竖版长图，自动加上标题栏、尾页引导关注。
6. 图文发布器：把长图、文案、标签组合成公众号图文并定时发布。

OpenClaw 在这里扮演的是"总调度"角色，它负责管理每一步的输入输出、重试机制、并发控制，以及把每一步的结果传递给下一步。ClaudeSkill 则是一组大模型提示词技能包，每个技能对应一个环节的"经验"——比如剧本技能知道漫画剧本的包袱该放在哪一页，分镜技能知道什么样的画面描述才容易被绘图模型理解。

1.3 这套设计背后的几个关键判断

用大模型做漫画生产，第一反应往往是"直接让模型生成整张漫画图"，但目前主流文生图模型把整段剧情画进一张图里的效果并不稳定，容易出现文字挤在一起、分镜边界混乱、角色前后不一致等问题。所以我把"漫画"拆成了"单格画面 + 顺序拼接"。这个思路和影视动画里的分镜逻辑是完全一致的：先做内容脚本，再做视觉脚本，最后才制作成图。宁可让每一格独立生成，也不追求"一次性画完"，因为独立生成的单格图像质量更可控，角色一致性可以通过参考图锁住。

第二个判断是，文字能力强的模型和图像能力强的模型必须分离。ClaudeSkill 负责的是文字链路上的所有任务，包括选题判断、剧本扩写、分镜描述、排版文案；图像链路则交给本地或云端部署的文生图模型。之所以不混用，是因为文字模型和图像模型的擅长点不同，强行用一个模型做两件事，最后的结果往往是剧本平庸、画面更平庸。

第三个判断是，全自动不等于无人审核。我设计的时候保留了"发布前人工抽检"的开关，但大多数时候可以让流程全跑完，人只需要在发布时扫一眼成品。后面我会讲，这个"扫一眼"具体要重点看哪些地方。

2. 核心细节解析与实操要点

2.1 选题引擎：如何从热搜里筛出"能画"的话题

选题是整个流水线的起点，也是决定漫画能不能爆的第一道关卡。不是所有热点都适合做成漫画，我筛选题主要看三个维度：情绪张力、画面空间、反转空间。情绪张力决定了用户会不会点开，画面空间决定了绘图模型能不能把内容具象化，反转空间决定了故事结尾能不能让用户产生转发的冲动。

实际操作中，OpenClaw 的选题模块会先去拉取平台热搜榜，再让 ClaudeSkill 里的"选题判断题"给每条热词打分。打分维度包括：

• 是否涉及普遍生活场景（比如职场沟通、家庭关系、减肥、消费抉择）
• 是否天然存在视觉符号（比如"深夜加班"的画面符号是电脑和泡面，"买了很贵的东西后悔"的画面符号是购物小票和银行卡）
• 是否存在反转或金句空间

打分之后，只有高于阈值的候选才会进入剧本环节。做这一步的目的非常简单：避免把计算资源浪费在"画不出来"或者"画出来没人看"的选题上。很多人做漫画号效率低，问题不是画得慢，而是选错了题，画了一堆自嗨的内容，用户根本不买账。

2.2 剧本生成器：把选题变成能画的十分钟故事

剧本生成器是 ClaudeSkill 里最核心的一个技能包。它接收选题关键词，输出一份完整的漫画剧本，包含标题、人物小传、故事大纲、分页结构。这个技能包的核心提示词遵循了一个固定的创作框架：

你是一位资深漫画编剧。请基于以下选题，创作一篇适合8至15格条漫的短篇故事。要求：主角设定简洁，价值观正向，剧情有起承转合，最后一格必须有情绪反转或金句。分镜描述必须具体到画面元素、人物动作、表情、景别。

为什么要强调"价值观正向"？因为公众号平台对内容质量有自己的推荐逻辑，负能量、鼓励对立、煽动情绪的内容，就算短期有流量，也很容易被判低质或者触发限流。漫画自动生产是要追求长期稳定更新的，内容调性必须能过审、能沉淀粉丝。这个设计不是保守，是"可持续自动化"的前提。

我实测下来的经验是，剧本技能包的温度参数要相对低一些，不能让它每次产出都太跳脱。我会把温度设在0.6到0.7之间，保证故事工整的同时保留一点意外感。另外，剧本里一定要让模型输出"故事核心冲突"的一句话摘要，这个摘要后面会作为绘图阶段的全局上下文，帮助统一整篇漫画的风格。

2.3 分镜设计器：绘图模型能不能听懂你的剧本，全靠这一层

分镜设计器是文字链路和图像链路之间的桥梁，也是整个项目里最容易翻车的地方。很多人在用文生图模型画漫画时发现"模型画出来的东西完全不是我想的"，绝大部分原因是分镜描述写得太笼统——你写"一个人在办公室加班"，模型会自由发挥出无数种画面，每一种都可能不符合上下文。

所以我在分镜技能包里强制定义了输出格式。每一格分镜必须包含以下字段：

• 分镜编号（例如 panel_01）
• 场景描述（室内/室外，时间，光线，关键物体）
• 角色状态（谁，在什么位置，做什么动作，表情如何）
• 景别与运镜（全景/中景/近景/特写，平视/俯视/仰视）
• 台词或画外音
• 负面提示词（画面中不得出现什么，比如"不要出现文字"）

这里最容易被忽略的是"负面提示词"。因为单格漫画图要作为长图的一部分展示，如果画面里出现杂乱的文字气泡或者水印，后期拼图会非常尴尬。我一般会统一给图像模型加一句：画面中不得出现任何文字、水印、签名、多余人物。这个看似简单的操作，能把废图率降低一半。

2.4 图像生成器：画风统一与角色一致的工程化方案

图像生成是最耗时、也最容易出现项目烂尾的部分。单张漫画图如果靠人工反复抽卡，虽然能保证质量，但效率太低。全自动流水线里，我采用的方案是：

• 先让模型生成主角的"角色定妆图"1张，作为后续所有格子的角色参考图
• 每一格生成时，把角色定妆图作为参考图，配合分镜描述生成新的画面
• 使用固定的画风提示词（例如"黑白线条漫画风格，粗线条，高对比度，网点纹理"），保证整篇漫画风格统一

角色一致性是漫画自动化的老难题。如果你的绘图模型不支持多图参考，那么退而求其次的办法是在文字上做限定：每一格的分镜描述都带上主角的外貌特征描述，比如"黑色短发、圆脸、戴圆框眼镜、穿灰色连帽卫衣"，让这一串特征像烙印一样刻在提示词里。我知道有人觉得这样很啰嗦，但对一致性来说，重复特征信息比指望模型"记住上文"可靠得多。

画风上，漫画号还要考虑读者的阅读体验。条漫的格子不建议画得太满，要给台词留白空间。我个人偏好的风格是"轻量叙事风"：线条干净，人物表情夸张，背景简洁。这种风格出图稳定，拼成长图之后信息密度也舒服。

3. 实操过程与核心环节实现

3.1 OpenClaw 工作流编排与任务调度

这套流程如果靠人一段段手动跑，那和普通做漫画没区别。OpenClaw 在这里充当的是流程引擎，我把六个模块封装成六个可调用的任务节点，节点之间的数据流通过 JSON 文件传递。目录结构大致是这样的：

openclaw_factory/ ├── skills/ │ ├── topic_judge.txt │ ├── script_writer.txt │ ├── storyboard_designer.txt │ └── copywriter.txt ├── tasks/ │ ├── fetch_topic.py │ ├── gen_script.py │ ├── gen_storyboard.py │ ├── gen_images.py │ ├── compose_strip.py │ └── publish_draft.py ├── outputs/ │ ├── {date}/ │ │ ├── script.json │ │ ├── storyboard.json │ │ ├── panels/ │ │ └── final_strip.png └── config.yaml

每个任务节点只干一件事，并且把结果写到一个约定的位置。比如gen_script.py读入topic.txt，调用 ClaudeSkill 的剧本技能，生成script.json；gen_storyboard.py再读入script.json，输出storyboard.json。这样每个节点都可以单独调试、单独重跑，哪个环节出问题不会拖垮整条流水线。

3.2 配置文件的参数设计与经验值

config.yaml里我保存了所有可调参数，这里分享几个实测下来比较关键的数值：

以条漫格子数为例。往少走，故事讲不完，用户刚看进去就结束了；往多走，每格画面的成本和时间都上去了，而且故事中后期容易注水。10到12格是经过一段时间测试后觉得性价比最高的区间，既能把一个完整的情绪故事讲完，又不至于让制作时间拖得太长。

3.3 核心节点代码的实现思路

我不打算贴一大段完整代码，因为每个环境跑的模型接口不同，贴了也未必能用。但有两个节点的实现思路非常值得参考，一个是"剧本转分镜"的数据解析，一个是"单格拼长图"的图像合成。

剧本转分镜的代码逻辑其实很简单，核心就是结构化解析模型返回的文本：

import json def parse_storyboard(raw_text): panels = [] for block in raw_text.split("==="): lines = [line.strip() for line in block.strip().split("\n") if line.strip()] panel = { "scene": "", "character": "", "camera": "", "dialogue": "", "negative": "" } for line in lines: if line.startswith("场景:"): panel["scene"] = line.replace("场景:", "").strip() elif line.startswith("角色:"): panel["character"] = line.replace("角色:", "").strip() elif line.startswith("景别:"): panel["camera"] = line.replace("景别:", "").strip() elif line.startswith("台词:"): panel["dialogue"] = line.replace("台词:", "").strip() elif line.startswith("负面:"): panel["negative"] = line.replace("负面:", "").strip() if panel["scene"]: panels.append(panel) return json.dumps(panels, ensure_ascii=False)

这段代码做的事情，是让后续图像生成节点拿到"字典化"的分镜信息，而不是一堆自然语言。结构化的好处是：哪里缺字段一目了然，出图前可以先做校验，缺场景描述的格子直接标记为异常，防止模型带着残缺信息去画图。

拼图节点的实现更简单，用图像处理库把竖向排列的格子按顺序拼接，并在顶部生成标题栏：

from PIL import Image, ImageDraw, ImageFont def compose_strip(panel_paths, output_path, title_text): panels = [Image.open(p) for p in panel_paths] width = max(p.width for p in panels) title_height = 160 total_height = title_height + sum(p.height for p in panels) canvas = Image.new("RGB", (width, total_height), "white") draw = ImageDraw.Draw(canvas) font = ImageFont.truetype("bold.ttf", 40) draw.text((40, 50), title_text, font=font, fill="black") y = title_height for p in panels: canvas.paste(p, (0, y)) y += p.height canvas.save(output_path)

这里有一个经验：拼接时不要直接把格子一张张贴上去，每张格子之间要有一定的留白。公众号的阅读界面是滑动的，格子之间没有间隔会显得非常拥挤，有6到10像素的浅灰分割线会舒服很多。这个细节直接关系到成品是否像"正经漫画"。

3.4 从选题到成品的完整跑通流程

假设现在有一条热搜词"年轻人为什么不愿意换手机了"，我跑一遍完整流程给你看。

第一步，选题引擎拉取到这个词，送入 ClaudeSkill 选题判断题，得分7.8分，超过6.5的阈值，进入剧本环节。

第二步，剧本技能输出一个故事梗概：一个年轻人的手机用了四年，屏幕碎了、电池不行了，身边人都在劝他换，他却一直不换，最后揭示原因是手机里存着已经去世的父亲发来的最后一条语音。这个故事有冲突、有情感钩子、有反转，画面元素也足够具象。

第三步，分镜设计器把它拆成11格，每一格给出场景描述和角色状态。比如第一格是"近景，黑夜，凌乱的出租屋，主角靠在床头，手机屏幕亮着，屏幕有一道裂痕，表情疲惫"。

第四步，图像生成器带着角色定妆图和这段描述生成11张图，其中有两张因角色特征丢失被标记为异常，自动重试后成功。

第五步，拼图器整合图片，生成竖版长图，标题栏写"用了四年的手机，藏着我最不想删的一条语音"，底部自动生成引导关注的尾页。

第六步，发布器把长图和一段引导文案提交到公众号后台草稿箱，定时等待发布。整个流程除了我最后扫一眼成品，没有其他人工介入。

4. 常见问题与排查技巧实录

做自动化内容生产，一定会遇到各种"看起来不大但能卡住整个流水线"的问题。我从实际运行中整理了几个典型场景。

4.1 单格画面出现乱码文字

文生图模型经常会在画面里生成一些看起来像文字其实完全没意义的符号，尤其在画面里有手机、电脑屏幕、广告牌这类元素的时候。解决思路是两条：一是在分镜描述里明确写"屏幕内容为空白或模糊色块，不出现任何文字"；二是在负面提示词里强制加入"text, watermark, letters, words, gibberish"。

但有时候"屏幕空白"也会显得很出戏。如果故事里确实需要手机屏幕显示聊天内容，我的处理方式是不依赖图像模型去生成屏幕细节，而是把它留到拼图之后用图层覆盖的方式补上对话气泡。说白了，图像模型负责画面氛围，文字信息交给排版层处理，各干各的，互不干扰。

4.2 角色在故事后半段"变脸"

角色一致性问题，尤其在故事超过10格之后特别明显。排查后发现原因通常是：主角的特征描述在后期分镜里被模型简化了，比如只写"他"而没有重新描述外貌特征，图像模型就会按照默认理解自由发挥。

我最终的解决方案是，在分镜设计器里加了一条强制规则：每个分镜的角色字段必须完整包含主角的三条核心特征，不能省略。同时，所有格子的生成都使用同一种画风提示词和同一张参考图。如果条件允许，建议在图像生成时开启"参考图高权重模式"，让模型优先参考参考图而不是提示词里的描述。

4.3 全自动生成的漫画被判低质流量

这也是常见的坑。大模型讲故事有一个倾向，就是情节流畅但"不够锋利"，容易输出一些正确但无聊的内容。而公众号平台的内容推荐机制更倾向高完读、高互动的内容，舒适区的内容很难跑出数据。

针对这个问题，我在剧本技能包里又加了一个"反转冲突强化"步骤：每次生成初稿后，让模型把结尾反转写得比初稿更极端一点，同时重新检查是否价值观正确。比如"最后发现手机里是父亲的语音"这个反转，如果写成"最后发现手机里根本没有语音，只是主角的幻觉"，情绪冲击力会更强，但需要确认不涉及悲剧美化或误导。我实际使用时的经验是，反转要"意料之外，情理之中"，而不是强行煽情。这个调参过程需要多试几次，找到自己内容赛道的用户偏好。

4.4 长时间任务中断导致全盘重跑

漫画生成一张图通常需要几十秒，一个12格漫画就要几分钟，再加上剧本、分镜、拼图，整个流程如果中途网络波动或者图像服务超时，很容易白跑。

我的应对办法是在 OpenClaw 工作流里给每个节点增加断点续跑能力。每个任务完成后，把中间产物落盘到outputs/目录。重新启动时，检测到已有storyboard.json就跳过前面节点，直接从中断的地方继续。这种"惰性缓存"机制让我省下大量时间，也让我可以放心地批量运行多个选题，不用担心跑了一半挂掉然后从头再来。

4.5 平台对批量发布内容的识别与限制

任何自动发布行为都有被平台风控的可能。我的经验是，不要做成"定时每分钟发一条"的机器人，而是把自动生成的成品存为草稿，再由运营者统一在每天固定时段手动发布一到两条。全自动生产不等于全自动发布，生产端的自动化已经把最耗时的事情做完了，发布端的"人工确认"反而是对自己内容质量的一种保护。

我还会在每次批量生成之后，随机抽两三篇成品检查画面质量、标题敏感词、故事价值观，确认没问题再放行。看起来多花了几分钟，实际上是在避免账号长期运营的风险，这个投入非常值。

5. 运营层面的自动化延伸与内容安全建议

5.1 内容调性与账号人设的统一

单纯把漫画生产自动化，还不够做出一个有辨识度的号。漫画号最重要的是人设，也就是读者看完你的漫画之后，形成的稳定预期。有的人设是"温暖治愈"，有的人设是"反套路幽默"，有的人设是"真实生活图鉴"。这套设定需要沉淀到 ClaudeSkill 的技能包提示词里。

我在剧本技能包的顶部定义了一段"账号人设说明"，比如："本账号的漫画面向城市青年，以轻喜剧方式探讨消费主义、职场关系、自我成长，基调温暖但不煽情，结尾常有意料之外的生活哲思。"每次生成时，这段说明都会被带入模型上下文，确保所有产出风格统一。内容自动化最大的风险不是技术故障，而是内容失控，技能包里的"人设锚点"就是防止失控的护栏。

5.2 批量生产的版权与原创性问题

使用 AI 生成内容的账号，平台通常会要求标注"内容由AI生成"或做相应声明。这是合规底线，不要心存侥幸，也不要试图隐藏 AI 生成痕迹。与此同时，AI 生成内容也可能因为训练数据的局限性出现与已有作品相似的情况。

我的做法是：所有选题只使用公开的热点词作为灵感输入，剧本全部由模型从空白的框架里重新创作，不使用任何已有的漫画剧本或条漫图片作为底稿。每一篇成稿在发布前，用查重工具跑一遍文本相似度，确保原创性没有问题。图像侧，只使用自己部署的开源模型生成原创画面，不拼接、不复制任何已发布的作品。这些规范不仅是为了账号安全，也是一个内容从业者基本的职业操守。

5.3 从"一篇爆款"到"稳定更新"的模型迭代

最后说一个很多人忽略的点。全自动生产流水线并不是一次搭好就一劳永逸，它需要根据账号的数据反馈不断迭代。我给每个选题都记录了最终的阅读量、完读率、转发率，然后定期把这批数据作为反馈，交给 ClaudeSkill 重新评估："哪些选题方向的数据表现更好？哪些故事结构更能带来转发？下一批选题应该侧重什么方向？"

这个闭环非常重要。长期跑下来，你会发现模型产出的内容会逐渐向数据反馈好的方向偏移，每迭代一轮，爆款率都会稍微提升一点。我自己测试下来，稳定更新两个月后，同一条流水线产生的选题命中率能提高不少。

从个人经验来说，OpenClaw 搭建的这套漫画工厂，真正解决的问题不是"画得快"，而是"稳定地画得有及格线以上的水平"。前期的工程投入确实不低，但只要跑通了，后面每天多花在内容上的时间就只剩下选题确认和发布前检查。如果你也在做漫画号、条漫号，或者想探索内容自动化生产，这套思路可以直接往上套。先把一条最简流水线跑通，再造轮子，你会发现这条路还真走得通。