AiToEarn

学习知识要善于思考，思考，再思。我就是靠这个方法成为科学家的。——爱因斯坦

AiToEarn：把内容创作、发布、互动与变现交给 AI Agent

项目地址：https://github.com/yikart/AiToEarn

内容创作从来不是只写完一篇文案、剪好一条视频那么简单。

一个真正完整的内容流程，往往从选题和创意开始，经过素材组织、图文或视频制作、平台适配、账号发布、评论互动、品牌关注，最后才有机会走向传播、推广与变现。对于独立创作者、品牌团队、企业运营者，以及希望以更小规模组织完成更多事情的一人公司而言，内容工作既充满机会，也常常被大量重复操作切得支离破碎。

AiToEarn 想做的，正是把这些分散在不同平台、不同步骤、不同工具中的事情，重新组织成一套由 AI Agent 驱动的内容工作流。

它的定位是面向 OPC 一人公司的 AI 内容营销智能体平台，围绕内容构建、分发与变现展开。项目用四个词概括其能力方向：

Monetize · Publish · Engage · Create

赚钱、发布、互动、创作。

这四个词并不是彼此孤立的功能标签，而是一条内容运营链路中的不同环节。AiToEarn 希望让 Agent 不只是停留在生成内容的起点，而是继续参与内容完成之后的分发、运营与变现过程。

内容工作不再只是一段文案或一条视频

AI 内容工具最容易被看见的能力，是生成。

生成标题，生成文案，生成图片，生成视频，生成标签，生成更多版本的内容。可当内容真的进入运营现场，生成只是漫长链路的开头。

内容还需要被发布到不同渠道。

需要适应不同平台。

需要管理账号。

需要规划发布时间。

需要回应评论。

需要发现潜在转化信号。

需要关注品牌讨论。

也需要在适合的内容任务中完成结果导向的结算。

AiToEarn 将这些工作放入 Agent 的视角中理解。

Agent 不只是一次性输出内容的工具，而是能够持续参与内容创作与运营流程的工作单元。它可以围绕创作、适配和发布形成闭环，也可以被配置为承担更明确的内容任务。

对于需要在多个内容平台持续运作的人来说，这种思路意味着，内容工作不必永远被拆成无数手动切换的动作。

四类 Agent，串起内容变现链路

AiToEarn 的核心能力围绕四类 Agent 展开。

Monetize：让内容进入结果导向的变现任务

Monetize 是 AiToEarn 最直接的目标之一：帮助创作者通过内容完成推广任务，并进入变现链路。

创作者可以在平台出售内容，以完成商家的推广任务。项目列出了三种以结果为导向的结算模式：

结算模式	全称	含义
CPS	Cost Per Sale	按成交额结算
CPE	Cost Per Engagement	按互动量结算
CPM	Cost Per Mille	按播放量结算

这三种模式分别对应成交、互动和播放量。

内容不再只是发布之后等待结果的作品，也可以被放到更明确的推广任务中，按照不同结果指标进入结算流程。对于创作者而言，内容的传播、互动和成交，都可能成为任务目标的一部分。

AiToEarn 在这里强调的不是单纯的内容生产，而是内容与推广结果之间的连接。

Publish：让内容分发不再被平台切换拖慢

内容发布往往是一件看似简单、实际琐碎的事情。

同一份内容可能需要准备多个版本，进入多个平台，处理不同账号，再根据不同时间安排逐一发布。平台越多，人工切换越频繁，发布本身就越容易成为耗时的工作。

AiToEarn 的 Publish Agent 面向内容分发。

它支持将内容一键分发到多个主流平台，覆盖抖音、快手、哔哩哔哩、小红书、视频号、微信公众号、TikTok、YouTube、Facebook、Instagram、Threads、X、Pinterest 与 LinkedIn。

这些平台覆盖了短视频、图文、社交内容、视频内容与职业社交等不同内容场景。

除了分发能力，AiToEarn 还提供日历排期能力。内容发布时间可以像安排日程一样被统一规划，让不同平台的内容安排汇集在更清晰的时间视图中。

当内容运营进入多账号、多渠道、多时间节点的状态时，排期不再只是一个附属功能。它本身就是内容节奏的一部分。

Publish Agent 让发布从逐平台操作，转向统一规划与集中分发。

Engage：让互动运营拥有持续的响应能力

内容发布之后，互动才刚刚开始。

点赞、收藏、关注、评论回复、用户问题、购买意向、品牌讨论，这些都可能出现在不同平台、不同内容、不同时间段中。对于需要长期运营账号的人来说，互动不是一项单次任务，而是一种持续发生的工作。

AiToEarn 的 Engage Agent 通过浏览器插件支持自动化互动运营。

它包含几类明确能力：

• 自动点赞
• 自动收藏
• 自动关注
• 批量互动运营
• 基于大模型为评论生成针对性回复
• 识别“求链接”“怎么购买”等高转化信号
• 追踪与品牌相关的讨论
• 主动参与热点话题

其中，评论挖掘将互动从简单回复延伸到转化信号识别。

当评论区出现购买相关的问题、链接相关的请求或其他高转化表达时，运营动作可以更快进入响应状态。品牌监测则让内容运营不只盯着自己发布的内容，也能关注围绕品牌发生的讨论。

互动并不是发布后的尾声。

对内容运营而言，互动本身也是内容价值继续流动的阶段。

Create：从创意走向图文与视频成品

Create Agent 面向内容制作流程。

用户只需提出内容需求，Agent 可以自动完成从创意到成品的工作。

在视频内容方向，AiToEarn 提到 Agent 可以调用视频生成模型、视频翻译模块与视频剪辑模块，完成一站式视频制作。项目中列出的模型包括 Grok、Veo 与 Seedance 等。

在图文内容方向，AiToEarn 支持调用 Nano Banana 等图片模型，用于生成图文内容。

批量生成则进一步面向需要大量内容供给的场景。用户可以批量下发创作任务，让 Agent 并行生成多条内容。对于矩阵账号运营和大规模内容分发而言，这种并行处理方式能够承接更密集的内容任务。

Create Agent 所呈现的并不是只生成一句文案或一张图片，而是尝试将创意、生成、翻译、剪辑与批量任务放进同一条内容制作流程中。

一个 Agent，可以持续连接多个内容账号

AiToEarn 将 Agent 描述为一位可配置、可持续工作的 AI 创作者。

这种描述背后，是内容账号与 Agent 之间更长期的关系。

平台账号可以与 Agent 绑定。

账号完成绑定后，可以持续使用。

同一个 Agent 可以管理多个平台账号。

这让 Agent 不只是每次临时唤起的工具，而可以成为账号运营流程的一部分。

内容创作、适配与发布，不需要每次都从零开始建立关系。账号绑定之后，Agent 可以围绕已经连接的平台账号持续工作。

对于需要管理多个平台账号的人来说，这种结构也让账号运营不再完全依赖逐个平台重复配置。

覆盖国内与海外内容平台

AiToEarn 支持的平台包括：

• 抖音
• 小红书
• 快手
• 哔哩哔哩
• 视频号
• 公众号
• TikTok
• YouTube
• Facebook
• Instagram
• Threads
• X
• Pinterest
• LinkedIn

这些渠道覆盖了项目所列出的国内与海外内容平台。

内容分发、互动运营与账号管理都围绕这些平台展开。对于需要同时面对多个内容阵地的创作者与团队而言，平台列表意味着内容工作不必被限制在单一渠道中。

同一套内容工作流可以面向不同内容出口延伸。

不同平台可以进入同一个发布与运营视角。

五种进入 AiToEarn 的方式

AiToEarn 提供了五种使用路径，分别面向不同需求的人群。

方式	适合对象	是否需要部署
打开网站直接使用	所有用户	不需要
在 OpenClaw 中使用	OpenClaw 用户	不需要
在 Claude、Cursor 等 AI 助手中使用	AI 工具用户	不需要
Docker 一键部署	希望私有化部署的团队	需要服务器
源码开发	开发者	需要开发环境

不同使用方式背后的共同点是，AiToEarn 希望内容能力可以出现在不同工作入口中。

有人希望直接使用网站。

有人已经在使用 OpenClaw。

有人更习惯在 Claude、Cursor 或其他 AI 助手中工作。

有人需要部署到自己的服务器。

也有人希望从源码开始开发与调试。

AiToEarn 没有把使用路径压缩为单一入口，而是让不同工作习惯拥有各自的接入方式。

直接使用，让内容工作从浏览器开始

对于希望快速进入 AiToEarn 的用户，项目提供了直接使用的方式。

中国用户与国际用户可以分别使用对应的服务环境。

这一方式无需自行部署，也无需先配置本地开发环境。用户可以直接在浏览器中进入内容创作、发布、互动与变现相关流程。

对于很多内容工作者而言，最重要的并不是先搭建一整套复杂基础设施，而是尽快开始处理实际内容任务。

直接使用方式让平台能力以更轻量的入口出现。

在 OpenClaw 中接收与执行内容任务

AiToEarn 支持在 OpenClaw 中使用。

安装命令如下：

npx -y @aitoearn/openclaw-plugin-cli

首次运行时，需要选择环境并输入 API Key。

中国版与国际版的 API Key 需要匹配对应环境。环境与 Key 不匹配时，会导致 401。

完成安装后，用户可以在 OpenClaw 中直接接收并执行 AiToEarn 的赚钱任务。

这让内容变现任务不只存在于独立平台界面中，也可以进入 OpenClaw 的 Agent 工作环境。对于已经使用 OpenClaw 的用户而言，内容任务可以成为既有智能体工作流中的一部分。

通过 MCP 接入 Claude、Cursor 与其他 AI 助手

AiToEarn 支持兼容 MCP 协议的 AI 助手。

这意味着，Claude Desktop、Cursor，以及其他支持 MCP 的工具，可以通过配置接入 AiToEarn 的能力。

在 Claude Desktop 中，可以编辑 claude_desktop_config.json：

{
  "mcpServers": {
    "aitoearn": {
      "type": "http",
      "url": "https://aitoearn.ai/api/unified/mcp",
      "headers": {
        "x-api-key": "你的API-Key"
      }
    }
  }
}

在 Cursor 中，可以配置 MCP 地址与认证 Header：

MCP 地址：https://aitoearn.ai/api/unified/mcp
认证 Header：x-api-key: 你的API-Key

AiToEarn 也支持通过 SSE 长连接方式接入。

对于自部署用户，服务地址可以替换为自己的部署地址。

这种 MCP 接入方式让内容创作与运营能力不必只依赖一个固定的产品界面。用户可以在自己习惯的 AI 助手中，连接到 AiToEarn 所提供的内容工作能力。

当 AI 助手开始成为工作入口，内容任务也可以进入对话与 Agent 协作流程之中。

Docker 部署，把内容平台放进自己的服务器

对于希望私有化部署的团队，AiToEarn 提供 Docker 一键部署方式。

git clone https://github.com/yikart/AiToEarn.git
cd AiToEarn
docker compose up -d

启动后，可以通过本地地址访问服务：

http://localhost:8080

项目说明中提到，Docker 部署不需要手动安装数据库。

对于部署后的配置，AiToEarn 提供两类 Relay 设置：

• Server Relay
• AI Relay

Server Relay 用于内容发布与社交平台 OAuth 授权。

AI Relay 用于使用平台提供的 AI 模型。

OpenAI、Gemini、Anthropic 等模型服务商，也可以在模型服务商配置中填写相应的 API Key 与 API 地址。

配置完成后，可以通过保存并重启，让对应服务重新加载配置。

从内容发布到模型调用，再到社交平台授权，私有化部署场景中的关键配置被放进统一的配置管理流程中。

从源码启动前后端服务

对于需要本地开发与调试的开发者，AiToEarn 提供了手动运行后端与前端的方式。

后端服务可以按以下流程启动：

cd project/aitoearn-backend
pnpm install
cp apps/aitoearn-ai/config/config.yaml apps/aitoearn-ai/config/local.config.yaml
cp apps/aitoearn-server/config/config.yaml apps/aitoearn-server/config/local.config.yaml
pnpm nx serve aitoearn-ai

随后在另一个终端启动服务端：

pnpm nx serve aitoearn-server

前端 aitoearn-web 可以通过以下命令启动：

pnpm install
pnpm run dev

项目说明中提到，本地开发与调试模式下，MongoDB 与 Redis 可以通过 Docker 运行，也可以在配置文件中指向已有服务。

这种前后端分开启动的方式，让开发者能够进入 AiToEarn 的本地开发流程，并围绕 AI 服务、服务端与 Web 前端进行调试。

Electron 桌面客户端的开发入口

AiToEarn 还提供 Electron 桌面项目。

桌面客户端的开发流程如下：

git clone https://github.com/yikart/AttAiToEarn.git
cd AttAiToEarn
npm install
npm run rebuild
npm run dev

其中，better-sqlite3 的编译需要 node-gyp 与本地 Python 环境。

桌面客户端为 AiToEarn 提供了另一种使用形态。

从网站、AI 助手、OpenClaw、私有化服务器到桌面端，AiToEarn 尝试让内容营销智能体进入不同的工作环境。

从自动生成到自动发布，内容流程开始连成整体

AiToEarn 的一个重要变化，是将内容生成与内容发布连接起来。

Agent 不只是生成内容。

它还可以承担内容发布。

它可以进入多平台分发。

它可以参与账号绑定。

它可以处理互动运营。

它可以面对评论区中的高转化信号。

它可以参与品牌讨论监测。

它还可以在变现任务中，围绕成交额、互动量与播放量进入不同结算模式。

这条路径从 Create 开始，却并不止于 Create。

内容被创作出来之后，还要走向 Publish。

发布之后，还需要 Engage。

而内容最终可以与 Monetize 连接。

这正是 AiToEarn 所描绘的完整链路。

面向一人公司，也面向持续运作的内容系统

OPC 一人公司的概念，强调的是以更小规模组织完成更多工作。

AiToEarn 面向的正是这样的内容运营需求。

一个人可能需要负责创意。

负责制作。

负责分发。

负责账号。

负责互动。

负责品牌关注。

负责推广任务。

当所有工作都依赖手动处理时，内容系统很容易卡在重复操作上。AiToEarn 用 Agent 的方式重新组织这些环节，让内容工作可以由不同能力模块共同承接。

它不只是把 AI 放进文案输入框里。

它更关注内容从生成到发布、从互动到变现的连续过程。

对创作者而言，AI 不只是写作助手。

对品牌而言，AI 不只是素材工具。

对一人公司而言，AI 也可以成为能够持续参与内容运营的 Agent。

内容营销不只是创作，更是一场持续运行的协作

AiToEarn 的四个关键词，勾勒出一张完整的内容运营图景。

Create，让内容从需求走向图文与视频成品。

Publish，让内容进入多个平台与统一排期。

Engage，让发布后的评论、互动、品牌讨论与转化信号持续被关注。

Monetize，让内容与推广任务、成交额、互动量、播放量等结果指标建立联系。

在这套图景里，内容不是一份完成即结束的作品。

它是一个持续流动的过程。

它从创意开始。

进入制作。

走向分发。

产生互动。

捕捉信号。

连接推广任务。

最终形成面向结果的内容运营链路。

AiToEarn 希望让 AI Agent 在这条链路中承担更多实际工作，让内容创作者、品牌与企业能够把注意力从重复切换中释放出来，回到内容本身、账号方向与运营目标之上。