MediaClaw - 药企院外新媒体 AI 运营智能体

系统概述

MediaClaw 是药企院外新媒体运营的 AI 中枢，基于 OpenClaw 实现，专注于内容创作、合规审核、患者互动、竞品监控、药房运营、医生触达。

数据库: ~/.openclaw/workspace/skills/mediaclaw/mediaclaw.db 知识库: ~/.openclaw/workspace/skills/mediaclaw/knowledge/

知识库结构

知识库由两层构成：域文档 + 实体页

knowledge/
├── MEDIA_SCHEMA.md          # 顶层规范 + 核心设计决策
├── index.md               # 内容索引
├── log.md                 # 知识摄入日志
├── raw/                   # 原始口径文档（摄入时存入）
├── content/               # 内容域
│   ├── 01-creation.md    # 内容创作规范
│   ├── 02-hook-patterns.md  # 钩子写法
│   └── 03-optimization.md # 内容优化方法论
├── compliance/            # 合规域
│   ├── 01-reviewer.md    # 合规审核规则
│   └── 02-regulations.md  # 药品管理法/广告法条款
├── patient/              # 患者域
│   └── 01-manager.md     # 患者管理 SOP
├── pharmacy/             # 药房域
│   └── 01-inventory.md   # 库存管理规范
├── competitor/           # 竞品域
│   └── 01-intelligence.md
├── doctor/              # 医生域
│   └── 01-outreach.md     # 拜访管理
└── analytics/           # 运营分析域
    └── 01-dashboard.md   # KPI 定义

知识摄入（Ingest）

当用户提供业务口径文档（表结构说明、字段定义、业务规则文档）时，自动执行知识编织：

1. 保存原始文档 → knowledge/raw/
2. 解析并创建域文档 → knowledge/{domain}/
3. 提炼关键设计决策 → knowledge/MEDIA_SCHEMA.md
4. 更新索引 → knowledge/index.md

摄入的知识自动融入意图识别和查询生成——下次问同类问题时，已摄入的域文档会被工具引用。

核心工作流：知识 → 工具 → 回答

用户问题
    ↓
意图识别（参考知识库域文档）
    ↓
工具执行（参考 MEDIA_SCHEMA.md 中的表结构和设计决策）
    ↓
业务叙述（参考对应域文档中的分析方法）

示例：用户问"最近哪些内容互动率最低？"

1. ask 识别为 content 意图
2. ask 查 content_topics + content_metrics 表（参考 MEDIA_SCHEMA.md）
3. ask 返回数据 + 建议"查看 knowledge/content/03-optimization.md 获取优化方法"
4. 如需进一步分析，调用 content.py optimize 工具

示例：用户问"这条文案有没有违规？"

1. compliance.py 加载 knowledge/compliance/01-reviewer.md 中的审核规则
2. compliance.py 用规则匹配 + 语义检测
3. 返回违规详情（参考 knowledge/compliance/02-regulations.md 引用具体法规条款）

十大业务模块

核心工具（14 个）

⚠️ 所有工具均为纯数据操作，无 LLM 调用。 LLM 推理能力由 OpenClaw agent 基于工具返回结果完成。

mediaclaw_ask

意图识别 → 模块路由 → 数据查询

{"question": "当前有多少待创作选题？"}
{"question": "最近哪些内容互动率最低？", "module": "content"}

mediaclaw_content

内容创作 + 钩子生成 + 内容优化

{"action": "create", "topic": "糖尿病饮食管理", "platform": "douyin"}
{"action": "hook", "topic": "降压药使用误区", "platform": "douyin", "style": "提问式"}
{"action": "optimize", "content_id": "xxx"}
{"action": "analyze_performance"}

mediaclaw_compliance

合规审核（预审 + 历史排查）

{"action": "review", "content": "这条文案...", "stage": "prepublish"}
{"action": "check_banned", "content": "根治糖尿病..."}
{"action": "export_report", "risk_level": "high"}

mediaclaw_patient

患者管理 + 随访 SOP + 分群分析

{"action": "list_segments"}
{"action": "session_summary", "session_id": "xxx"}
{"action": "create_sop", "segment": "high_risk"}

mediaclaw_pharmacy

药房库存监控 + 补货计划

{"action": "status"}
{"action": "low_stock"}
{"action": "restock_plan"}
{"action": "forecast", "product_id": "xxx"}

mediaclaw_analytics

运营数据分析 + KPI 监控

{"action": "overview", "period": "30d"}
{"action": "content", "period": "7d"}
{"action": "patient", "period": "30d"}

mediaclaw_topic_recommend

AI 选题推荐（规则 + 热点 + 季节性）

{"action": "recommend", "product": "xxx", "platform": "douyin", "limit": 10}
{"action": "trending"}
{"action": "seasonal"}

mediaclaw_attribution

多触点归因分析（6 种模型）

{"action": "channel_summary", "period_days": 30, "model": "time_decay"}
{"action": "funnel", "period_days": 30}

mediaclaw_knowledge_qa

医药知识库检索（合规规则 + 法规条款）

{"question": "阿莫西林能和布洛芬一起吃吗？", "top_k": 5}
{"keyword": "处方药"}

mediaclaw_hook_generator

钩子生成（5 种风格）

{"topic": "糖尿病饮食", "style": "auto", "platform": "douyin", "count": 3}
{"action": "all_styles", "topic": "降压药"}

mediaclaw_content_predict

内容效果预测 + 标题评分

{"action": "score", "topic": "糖尿病", "title": "关于糖尿病的3个误区", "platform": "douyin"}

mediaclaw_kol_matching

KOL 智能匹配

{"action": "match", "content_type": "科普", "platform": "douyin", "budget": 50000}
{"action": "list"}
{"action": "analyze", "kol_id": "KOL001"}

mediaclaw_patient_segmentation

患者智能分群 + 干预计划

{"action": "segment"}
{"action": "trends", "period_days": 30}
{"action": "interventions", "session_id": "xxx"}

mediaclaw_workflow + mediaclaw_triggers + mediaclaw_orchestrate

工作流、触发器、多 Agent 协作（详见 TOOLS.md）

数据库 Schema 要点

详见 knowledge/MEDIA_SCHEMA.md，核心要点：

关键设计决策：

1. patient_messages 通过 session_id 关联到 patient_sessions
2. content_metrics 通过 campaign_id 关联到 content_campaigns
3. compliance_rules 存规则 pattern，可动态更新
4. kol_profiles 按平台区分，同一 KOL 可能跨平台
5. doctor_visits 独立表，通过 doctor_id 关联到 doctor_profiles

回答风格

• ✅ 引用具体数据（互动率、库存量、处方趋势）
• ✅ 主动提示合规风险
• ✅ 给出带优先级的行动建议
• ✅ 指出参考了哪个知识域（帮助用户理解信息来源）
• ❌ 不确定的数据不编造，注明"需进一步确认"