Publicas un artículo en tu blog. Cierras el editor. Y luego empieza el show: abrir LinkedIn, redactar algo con gancho, acordarte de cambiar el tono para X, escribir los hashtags, buscar la URL correcta, publicar, revisar que se ve bien… Veinte minutos después has hecho lo que debería ser automático. Y si tienes un canal de YouTube además del blog, multiplica todo por dos.
OpenClaw puede hacer todo eso por ti. Detecta que has publicado algo nuevo, genera textos adaptados para cada plataforma, y los publica sin que toques nada. Pero aquí está el matiz que nadie te cuenta: el resultado es totalmente diferente según el modelo de lenguaje que uses. Con un modelo barato, consigues que publique algo. Con un modelo potente, consigues que publique algo que la gente quiere leer. La diferencia es abismal.
Cómo funciona el flujo completo
El proceso tiene cuatro partes: detección del nuevo contenido, extracción de información relevante, generación de los posts adaptados a cada plataforma, y publicación. OpenClaw puede manejar todo con un cron job y las herramientas adecuadas.
Para detectar nuevo contenido en tu blog WordPress, el agente hace una llamada a la API REST y compara con lo último que procesó. Para YouTube, usa la API de YouTube Data. Cuando detecta algo nuevo, dispara el proceso de publicación.
La configuración básica en el heartbeat de OpenClaw sería algo así:
Comprueba si hay nuevas entradas en el blog https://tuweb.com en las últimas 24 horas via REST API (/wp/v2/posts?orderby=date&per_page=5). Si hay algún post nuevo que no hayas procesado antes (guarda los IDs procesados en memoria), genera y publica en LinkedIn y X.com posts promocionales adaptados a cada red. Después marca el post como procesado.Pero eso es solo el arranque. La parte interesante está en cómo generas el texto para cada plataforma.
El prompt que marca la diferencia
Aquí es donde muchos proyectos fallan. Usar un prompt genérico tipo «escribe un post de LinkedIn sobre este artículo» es tirar el tiempo. El agente necesita instrucciones específicas, contexto sobre tu audiencia, y restricciones claras de formato.
Un prompt para LinkedIn que realmente funciona:
Eres el autor de {nombre_blog}, un blog dirigido a {descripción_audiencia}. Acabo de publicar un artículo titulado "{titulo}" con este resumen: {extracto_primeros_200_palabras}.
Genera un post de LinkedIn que:
- Empiece con un gancho directo, sin "Me alegra anunciar" ni frases corporativas. Directo al tema.
- Tenga entre 150-250 palabras
- Use 1-2 saltos de línea para párrafos cortos, fáciles de leer en móvil
- Incluya al final: "Artículo completo en bio / enlace en comentarios 👇" (NUNCA pongas la URL en el cuerpo del post porque LinkedIn penaliza el alcance)
- Termine con 3-5 hashtags relevantes
- Tono: profesional pero humano, como si lo escribiera una persona real
El objetivo NO es describir el artículo. Es generar curiosidad suficiente para que quieran leerlo.Y para X.com, la lógica es diferente porque tienes 280 caracteres y el comportamiento del algoritmo es distinto:
Genera un hilo de Twitter/X de 3 tweets sobre el artículo "{titulo}":
Tweet 1 (el gancho, máx 240 chars): Una afirmación provocadora o dato sorprendente del artículo. Sin URL. Sin hashtags. Solo el gancho.
Tweet 2 (el desarrollo, máx 260 chars): El punto más interesante del artículo en una o dos frases. Puede incluir 1-2 emojis si tiene sentido.
Tweet 3 (el cierre, máx 250 chars): La conclusión o aprendizaje principal + URL del artículo + 2-3 hashtags relevantes.
IMPORTANTE: El primer tweet debe ser autónomo, que funcione solo aunque no lean los demás. No empieces con "En mi último artículo..."La diferencia entre un modelo barato y uno potente
Aquí está la verdad que nadie quiere decir porque implica gastar dinero: con GPT-4o-mini o modelos similares de bajo coste, el texto que genera es funcional pero plano. Correcto pero sin chispa. El post de LinkedIn suena a post de LinkedIn generado por IA. El tweet suena a tweet de bot. Y eso se nota. La gente lo ignora.
Cuando cambias a Claude Opus, GPT-4o, o similares, el resultado es cualitativamente diferente. El agente entiende mejor el contexto, adapta el tono con más sutileza, genera ganchos que realmente enganchan. He visto la misma tarea ejecutada con ambos niveles de modelo. Con el modelo barato: un post correcto que nadie lee. Con el modelo potente: el mismo contenido transformado en algo que genera interacción real.
El coste adicional por post es de céntimos. El impacto en el alcance puede ser de cientos de visitas más. La ecuación no tiene color.
Implementación paso a paso con OpenClaw
Para montar esto en OpenClaw necesitas tres cosas: las credenciales de las APIs de LinkedIn y X, un cron job que se ejecute cada hora (o cuando publiques), y el prompt correcto.
El cron job se configura en OpenClaw como un agentTurn con este mensaje:
Ejecuta el flujo de publicación multi-canal:
1. DETECTAR: Llama a https://tuweb.com/wp-json/wp/v2/posts?per_page=5&orderby=date&order=desc y extrae los posts de las últimas 2 horas. Compara con los IDs en memoria (clave: "published_post_ids"). Si no hay nada nuevo, termina aquí con "No hay contenido nuevo."
2. PARA CADA post nuevo:
a) Extrae: título, URL, extracto (o primeros 300 caracteres del contenido), categoría.
b) LINKEDIN: Genera un post siguiendo estas reglas:
- Gancho en la primera línea (sin URLs, sin "acabo de publicar")
- 150-250 palabras en párrafos cortos
- URL solo al final o indicación de buscarla en bio
- 3-5 hashtags del sector al final
Publícalo via API de LinkedIn usando las credenciales del secreto linkedin_credentials.
c) X.COM: Genera un hilo de 3 tweets:
- Tweet 1: Afirmación directa o dato del artículo (sin URL)
- Tweet 2: Punto más interesante (puede incluir 1-2 emojis)
- Tweet 3: Conclusión + URL + 2-3 hashtags
Publícalo via API de X usando las credenciales del secreto twitter_credentials.
3. GUARDAR: Añade los IDs procesados a memoria bajo la clave "published_post_ids".
4. REPORTAR: Cuando hayas terminado, confirma qué posts has publicado y en qué plataformas.Lo mismo para YouTube
Si también tienes canal de YouTube, el flujo es similar pero usando la YouTube Data API. OpenClaw verifica si hay videos nuevos en las últimas 24 horas, extrae el título, descripción y URL, y genera los posts correspondientes.
La clave aquí es el prompt para LinkedIn cuando el contenido es video:
El contenido es un VIDEO de YouTube, no un artículo. Adapta el post:
- Menciona que es un video ("Acabo de subir un nuevo video sobre...")
- Señala el tiempo de visionado si lo conoces ("10 minutos que cambian cómo entiendes X")
- El gancho debe funcionar para gente que prefiere video al texto
- Llama a la acción: "Link en los comentarios 👇"Errores comunes y cómo evitarlos
El primero: poner la URL en el cuerpo del post de LinkedIn. LinkedIn penaliza el alcance orgánico de posts con enlaces externos. Pon siempre la URL en el primer comentario o indica que está en bio. Tu agente debe saber esto.
El segundo: publicar en el mismo momento en todas las plataformas. Los algoritmos penalizan el contenido que parece publicado por bots simultáneamente. Configura un delay de 5-15 minutos entre publicaciones.
El tercero: no guardar estado. Si tu agente no guarda qué posts ha procesado, va a republicar el mismo contenido cada hora. Usa memoria persistente en OpenClaw para guardar los IDs ya publicados.
Y el cuarto, el más importante: no revisar los primeros resultados. Los primeros posts que genere el agente, revísalos. Ajusta el prompt según lo que ves. Invierte 30 minutos en calibrar bien el sistema al principio y luego no tendrás que tocarlo.
Te lo pregunto directamente: ¿cuánto tiempo llevas publicando contenido y haciendo la distribución a mano? Si la respuesta es «meses» o «años», ya sabes lo que te está costando. ¿Cuántos posts has dejado de promover bien simplemente porque no tenías tiempo de hacerlo en el momento adecuado?