工作流全貌

整套流程串联了以下环节：

  1. 选题调研分析：根据关键词联网搜索，自动生成调研报告
  2. 数据同步：将分析结果写入飞书多维表格，便于可视化展示
  3. 爆款标题仿写：基于文档库中的历史文章风格生成标题
  4. 金句素材检索：从知识库和笔记中自动提取相关金句
  5. 图片素材创作：通过 Unsplash MCP 搜索无版权图片，或用 MiniMax MCP 生成图片
  6. 信息图制作：调用模板生成 HTML 信息图并截图
  7. 一键发布：整合所有内容，推送至公众号

整个复杂工作流实测约五分钟一次性完成，模型使用的是 Kimi K2-Thinking。

第一步：选题调研分析

确定选题后，直接在 Obsidian 终端中向模型发出指令，例如：

我打算写一篇关于「小鹏人形机器人」的文章，请帮我搜索查询它的最新信息，包括关键技术参数、宣称的应用场景，以及行业内对它（特别是与特斯拉 Optimus）的对比分析。请帮我汇总一份调研报告，并以 md 文件保存在当前文件夹下的「调研报告」中。

Claude Code 会调用 SearchWeb MCP 同时发起多个搜索请求（发布时间、基本情况、对比分析），边思考边工作，直接输出结构化的调研报告保存为 Markdown 文件。

第二步：数据写入飞书多维表格

有了调研数据，下一步是结构化展示。通过飞书 MCP，可以直接从 Obsidian 中操作飞书多维表格：

请阅读"调研报告"文件夹中的报告文件，帮我创建一个名为「人形机器人竞品分析」的飞书多维表格。表格需要包含以下字段：产品名称、公司、身高、体重、自由度(全身)、AI 架构、量产目标、核心优势。请从报告中提取相关信息，作为记录填充到表格中。

模型会解析文档 → 归纳数据 → 调用飞书 MCP 创建表格 → 写入数据。如果觉得数据不够，可以继续追加指令让模型补充搜索并插入。

第三步：爆款标题仿写

这一步考验模型的上下文处理和 Agent 能力。模型需要读取 Obsidian 文档库中数百篇文章的标题，分析其中的爆款规律，然后基于当前选题仿写标题。一句提示词即可完成：

帮我基于当前文档库中我的爆款标题风格，想几个标题。

第四步：金句素材检索

Obsidian 中积累的读书笔记、划线摘录都可以作为素材库。例如：

找下"微信读书"文件夹中王小波关于对生命思考的金句。

模型会自动检索笔记内容并提取匹配的金句，省去了手动翻找的时间。

第五步：图片素材创作

两种方式获取配图：

  • Unsplash MCP：搜索无版权网络图片
  • MiniMax MCP：AI 生成图片素材

生成后直接让 Claude Code 插入到文章的指定位置，无需手动下载、上传、粘贴。

第六步：信息图自动生成

通过固定提示词 + 参考模板的方式，实现信息图自动化：

  1. 提取文章重要信息，关键词自动搜索补充
  2. 读取预设的信息图生成提示词模板
  3. 生成 HTML 信息图并保存
  4. 用 Playwright 截图保存为图片
  5. 上传至 OSS 并获取链接
  6. 将链接插入到文章光标位置

配置教程

整套环境搭建只需三步：

1. 安装 Claude Code

npm install -g -ai/claude-code

建议开启代理以保证下载速度。如未安装 Node.js，需先安装。

2. 配置 Kimi K2-Thinking API

安装完成后，在终端输入 claude 启动。进入对话框后按 Tab 键可切换 Thinking 模式开关，建议开启。

3. 配置飞书 MCP

在 Obsidian 仓库目录下创建 .mcp.json 文件，写入飞书 MCP 配置。需要获取两个参数：

  • 登录飞书开放平台，创建自建应用
  • 开通多维表格全部权限
  • 在安全设置中添加本地重定向 URL

实践思考

这套工作流的关键不在于某个单一工具，而在于 Claude Code 的原生 Agent 能力 + MCP 协议打通了工具链。模型本身就是调度中心，能够自主规划执行步骤、调用多个外部服务、处理中间结果。

对于内容创作者或独立开发者而言，最大的价值在于将选题调研、素材整理、配图制作等重复性工作自动化，把时间留给真正需要人类判断力的环节——观点打磨和深度思考。如果你已经在用 Obsidian 做知识管理，这套工作流值得尝试搭建。