面向公关专业人士的AI助手,可智能匹配媒体资源、生成新闻稿和推介文案,并高效规划多周公关活动方案。
公共关系经理 QQAI 授权公共关系助理 OpenClaw.
功能概述
公共关系经理 QQAI 授权公共关系助理 OpenClaw.是一项面向实际任务的技能,主要用于Version : 1.0.0 QQ 状态: 制作准备 QQ 描述 公共关系经理是AI 授权的综合P。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
核心要点
- 使用时应结合输入条件选择合适的执行方式,核对必要参数、依赖环境与输出内容,并按原始要求处理异常情况。
- 该技能适合需要稳定复用相关能力的场景,可作为自动化工作流的一部分,也便于后续检查、调整和扩展。
- 从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。
使用与执行
实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。
结果检查与注意事项
执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
公共关系经理 📰
OpenClaw 的 AI 驱动型公共关系助理
版本: 1.0.0 | 状态: 生产就绪 ✅
📋 简介
公共关系经理是一款功能全面的 AI 驱动型公共关系助理,旨在帮助 PR 专业人士、市场营销人员及创始人高效管理媒体关系、创作引人入胜的内容,并规划战略性传播活动。
适用于:
- 🎯 PR 专业人士 —— 高效管理媒体数据库与媒体外联
- 🚀 初创公司 —— 专业发布融资轮次与产品上线消息
- 📢 市场营销团队 —— 协调内容日历与多渠道传播活动
✨ 核心功能
1. 🎯 媒体匹配引擎
采用四维 AI 评分算法,智能匹配您的新闻故事与最合适的记者及媒体机构:
- 类别匹配(40%):直接类别 + 相关类别对齐度
- 影响力等级(30%):顶级媒体 vs 中型媒体 vs 垂直领域媒体
- 关系亲密度(15%):历史响应率 + 互动记录
- 相关性(15%):受众契合度 + 媒体机构特征
推荐等级:
- 🟢 高度推荐(80–100 分):完美匹配,立即发起推介
- 🟡 推荐(65–79 分):强匹配,优质机会
- 🟠 待评估(50–64 分):可能存在匹配,需结合上下文判断
- 🔴 不适用(<50 分):匹配度低,跳过
2. 📰 新闻稿生成
支持为以下场景自动生成专业新闻稿:
- 📱 产品发布:功能公告、新版本上线
- 💰 融资轮次:A/B/C 轮、种子轮
- 🤝 合作伙伴关系:战略合作、系统集成
每套模板均包含:
- 专业化标题生成
- 结构化正文段落
- 引用语格式化
- 公司标准介绍(boilerplate)
- 联系信息模块
3. ✉️ 媒体推介信创建
一键生成个性化媒体推介信,支持:
- 定制化邮件主题行,贴合记者关注领域
- 基于记者报道方向(beat)的个性化内容
- 独家故事机会支持(exclusive offer)
- 跟进邮件模板,保障持续沟通效果
4. 📅 传播活动规划
支持端到端 PR 活动策划,包括:
- 多周内容日历(4–8 周)
- 按日期与类型排期的内容调度
- 截止日期追踪(含即将到期与已逾期事项)
- AI 驱动的内容建议,依据活动目标智能生成
📦 安装方式
通过 PyPI(推荐)
pip install openclaw-public-relations-manager
通过 ClawHub
clawhub install public-relations-manager
从 GitHub 源码安装
git clone https://github.com/ZhenRobotics/openclaw-public-relations-manager cd openclaw-public-relations-manager pip install -e .
🚀 快速上手
from pr_manager import PRManager, MediaCategory
# 初始化 PR Manager
pr = PRManager()
# 加载示例媒体数据库(5 家媒体机构 + 5 名记者)
from pr_manager.data import load_sample_media_database
outlets, journalists = load_sample_media_database()
for outlet in outlets:
pr.add_media_outlet(outlet)
for journalist in journalists:
pr.add_journalist(journalist)
# 匹配新闻故事至相关媒体
result = pr.match_story_to_media(
story_title="公司完成 1000 万美元 A 轮融资",
story_categories=[MediaCategory.TECH, MediaCategory.STARTUP],
min_score=60.0
)
print(f"共找到 {len(result.matches)} 个相关媒体联系人")
for match in result.get_top_matches(5):
print(f"{match.target_name}: {match.overall_score}/100")
📝 使用示例
示例 1:生成新闻稿
# 生成产品发布类新闻稿
press_release = pr.generate_product_launch_pr(
company_name="YourCompany",
product_name="YourProduct",
key_benefit="streamline team collaboration",
problem_solved="the challenge of remote coordination",
key_features=[
"Real-time collaboration",
"AI-powered automation",
"Enterprise security"
],
availability="available immediately",
pricing="Starting at $99/month",
quotes=[
{
"speaker": "CEO Name",
"title": "CEO",
"company": "YourCompany",
"text": "This is a game-changer for our industry."
}
],
boilerplate="About YourCompany: Leading software provider...",
contact_info={"Name": "PR Team", "Email": "pr@company.com"},
location="San Francisco, CA"
)
# 保存为 Markdown 格式
with open("press_release.md", "w") as f:
f.write(press_release.to_markdown())
示例 2:快速匹配与推介工作流
# 一步完成故事匹配与推介信生成
results = pr.quick_match_and_pitch(
story_title="AI 初创公司颠覆行业格局",
story_categories=[MediaCategory.TECH, MediaCategory.STARTUP],
story_hook="公司发布突破性 AI 技术",
story_details="该平台可自动化复杂业务流程...",
why_relevant="This aligns with your AI coverage.",
top_n=5
)
# 向匹配度最高的 5 位记者发送推介信
for journalist, pitch in results:
print(f"nTo: {journalist.email}")
print(f"Subject: {pitch.subject_line}")
print(pitch.to_email())
示例 3:PR 活动规划
from datetime import date, timedelta
# 创建为期 6 周的产品发布活动
campaign = pr.create_campaign(
name="Product Launch Q2",
goal="product_launch",
description="Comprehensive launch campaign",
start_date=date.today() + timedelta(days=14),
duration_weeks=6,
target_categories=[MediaCategory.TECH, MediaCategory.BUSINESS],
key_messages=[
"Revolutionary AI technology",
"10x productivity improvement",
"Enterprise-ready security"
],
budget=75000
)
# 获取 AI 推荐的活动内容方案
planner = pr.calendar_planner
suggestions = planner.suggest_campaign_content(campaign)
for suggestion in suggestions:
print(f"{suggestion['title']} - {suggestion['content_type'].value}")
📊 示例数据库
本工具内置真实、可用的示例数据:
媒体机构(5 家):
- 🚀 TechCrunch —— 顶级科技媒体
- 📰 The Wall Street Journal —— 商业与金融权威媒体
- 💼 VentureBeat —— 中型科技新闻媒体
- 💰 Forbes —— 商业与创业领域媒体
- 🔍 The Information —— 科技行业深度报道媒体
记者(5 位):
- 涵盖报道方向(beat)、联系方式、历史响应率等完整档案
- 近期发表文章列表
- 影响力等级分类
🧪 测试
运行完整的测试套件:
python test_pr_manager.py
全部 6 项核心测试均通过,成功率 100%:
- ✅ 媒体匹配引擎
- ✅ 新闻稿生成
- ✅ 媒体推介信创建
- ✅ 内容日历规划
- ✅ 快速工作流
- ✅ 数据库管理
🔧 参数与配置
MediaCategory 枚举类型
MediaCategory.TECH # Technology MediaCategory.STARTUP # Startups & entrepreneurship MediaCategory.BUSINESS # General business MediaCategory.FINANCE # Finance & investment MediaCategory.CONSUMER # Consumer products MediaCategory.ENTERPRISE # Enterprise software MediaCategory.LIFESTYLE # Lifestyle & culture MediaCategory.HEALTH # Healthcare & wellness
InfluenceLevel 枚举类型
InfluenceLevel.TOP_TIER # Major outlets (NYT, WSJ, TechCrunch) InfluenceLevel.MID_TIER # Industry publications InfluenceLevel.NICHE # Specialized blogs/newsletters InfluenceLevel.EMERGING # New/growing platforms
🗺️ 路线图
v1.1(计划中)
- 📊 活动成效分析仪表板
- 📧 邮件集成,支持自动发送
- 📈 媒体曝光量追踪
- 💬 情感倾向分析
v1.2(计划中)
- 🔌 CRM 系统集成(HubSpot、Salesforce)
- 🌍 多语言支持
- 📦 新闻资料包(press kit)生成
- 🔔 媒体动态监控告警
v2.0(远期规划)
- 🤖 AI 驱动的借势新闻(newsjacking)建议
- 🔍 竞品 PR 情报分析
- ⏰ 自动化跟进日程调度
- 💵 ROI 效果衡量工具
📚 资源
- GitHub: https://github.com/ZhenRobotics/openclaw-public-relations-manager
- PyPI: https://pypi.org/project/openclaw-public-relations-manager/
- 文档: README.md
- 贡献指南: CONTRIBUTING.md
- 问题反馈: https://github.com/ZhenRobotics/openclaw-public-relations-manager/issues
🤝 支持
- 邮箱: code@zhenrobot.com
- GitHub Issues: 用于提交 Bug 报告与功能请求
- GitHub Discussions: 用于提问与社区支持
📄 许可证
MIT 许可证 —— 开源且免费使用
👥 致谢
作者: Justin Wang
联合作者: Claude Sonnet 4.5
所属组织: ZhenRobotics
📊 技术细节
- 编程语言: Python 3.10+
- 支持平台: Linux、macOS、Windows
- 依赖项: pydantic>=2.5.0、python-dateutil>=2.8.0
- 代码规模: 共 27 个模块,总计 4,078 行
- 测试覆盖率: 6 项综合测试(100% 通过率)
- 架构设计: 模块化结构,职责清晰分离
🎯 最佳实践
面向 PR 专业人士
- 逐步构建并完善您的媒体数据库
- 持续追踪记者响应率
- 确保每封推介信均为个性化定制
- 制定策略性跟进节奏
面向初创公司
- 提前准备公司标准介绍(boilerplate)与高管引用语
- 精准把握新闻发布时间点
- 在实际需要前即开始建立媒体关系
- 持续衡量效果并迭代优化
面向市场营销团队
- 提前 4–6 周规划传播活动
- 确保跨渠道信息口径一致
- 完整记录所有媒体互动行为
- 保持统一、稳定的品牌声调
🎊 准备好革新您的 PR 工作流了吗?立即安装,以专业级水准开展媒体关系管理!
clawhub install public-relations-manager
热门AI工具
相关专题
本专题介绍Gradle插件开发的基本流程,涵盖插件类编写、自定义任务注册、扩展参数设计和插件应用方法,帮助你理解插件如何组织构建逻辑,减少多个项目之间的重复配置。
0
2026.10.22
本专题介绍Gradle Wrapper的基本作用,涵盖文件组成、生成方法、版本配置和任务调用,帮助你理解项目如何使用指定的Gradle版本,减少不同开发环境带来的构建差异。
0
2026.10.22
本专题整理Golangci-lint常用Linters的用途与配置方法,覆盖错误处理、无效代码、安全、复杂度、命名和依赖检查,帮助项目合理选规则。
0
2026.10.22
本专题介绍Gradle Java项目构建方法,涵盖Java插件配置、依赖声明、源码编译、测试执行和打包检查,帮助你理解各阶段的任务关系,逐步完成项目构建。
0
2026.10.22
本专题汇总PHP常见时间戳漏洞,包括2038年溢出、时区漂移、时间戳伪造、重放攻击、时间盲注与日志审计失效等,并给出升级64位环境、使用 DateTimeImmutable、统一UTC、严格超时校验、预处理绑定、hash_equals 比对等修复方案,帮助开发者快速排查和加固时间相关代码。
0
2026.10.22
本专题聚焦Golangci-lint YAML配置文件,讲清运行参数、规则启停、目录排除、问题过滤及严重级别设置,便于团队统一检查标准。
0
2026.10.22
本专题讲解Golangci-lint的安装、初始化、基础命令和首次代码检查,覆盖本地环境、Docker及多平台用法,帮助Go开发者快速上手。
0
2026.10.22
PHP2Shell漏洞是什么,哪些PHP版本和运行环境会受到影响,服务器应该如何检测与修复?本专题提供版本自查脚本、Linux与Docker升级命令、PHP-FPM和Apache排查步骤,以及修复验证、临时缓解和应急响应方案。
0
2026.10.22
热门下载
相关下载
精品课程
共6课时 | 12.1万人学习
共79课时 | 161.5万人学习
共6课时 | 54.7万人学习
