我用 OpenClaw+ 飞书多维表格，给自己搭了一套广告素材库，成本极低

有些朋友不清楚自己装了 OpenClaw 能做什么，有什么应用场景。刚好今天下午在社群分享如何用 OpenClaw Spy 的场景。

以前我们打开 Spy 工具，按关键词或域名看看谁在跑什么Offer，素材长什么样，Landing Page的玩法。看完可能就直接趴下几个，然后就关闭了。过段时间再想找，忘了在哪看的。

OpenClaw Spy Agent

先在 Ad Library 里按关键词或者按 GEO 筛，找到正在投放的广告主页。这一步没什么技术含量，就是手动翻。找到感兴趣的主页之后，把它的落地页链接丢给 OpenClaw。

这一步是关键——OpenClaw 会自动走一遍跳转链路，拆解每一层页面结构：素材风格、文案角度、点击之后跳到哪、最终落地页是什么结构。不是我手动一个个截图去抄，是 AI 自己跑一遍链路，把每层结构拆清楚。

拆完之后，自动把结果整理进飞书多维表格。有些甚至能给你把 Offer ID 和 Network Name 都找出来。

这一步也不复杂。但它是整个系统的核心——除了记录下核心素材链接，也能让模型调用飞书素材库，了解我们更需要什么素材。

本文所有分析均基于 Facebook Ad Library 公开展示的广告信息及其公开可访问的落地页，Ad Library 是 Meta 官方提供的广告透明度工具。

FB广告资料库

入库的 100 条记录里，有一个清洁用品类的主页让我印象最深。

我在 Ad Library 翻到它的时候，觉得就是个普通的清洁用品页面，没太当回事。但把落地页丢给 OpenClaw 一拆，发现它的跳转链路不是直接到品牌官网——中间过了一层 Offer 墙式的 Landing Page，先收集邮箱再跳转。落地页结构是典型的 LeadGen 打法，不是电商。

这种东西你光看 Ad Library 的素材截图，根本看不出来。

更有意思的是，我后来又分析了两个旅游垂直的主页，发现它们的落地页结构跟前面那个高度相似——都是先过一层中间页做信息收集，再跳最终页面。三个不同垂直、不同广告主，用的是同一套链路逻辑。

这种规律，看一条你发现不了，看几十条就开始冒出来了。这就是积累的意义。

飞书多维表格

我一开始犯了个错——字段设计得太细，光是素材分析就拆了七八个字段，记一条要填半天，第二天就不想记了。

后来砍到只留核心的几个：广告主、GEO、跳转链路、落地页结构、我的判断。其他细节扔备注里，想看的时候再翻。

字段设计不是一次到位的事，先跑起来，缺什么再加。

目前正式入库 100+ 条，还有几份归档和方案索引。

但重点不是现在有多少条，重点是流程已经跑通了。从发现广告主到 AI 分析到入库，整条链路是顺的。后面只要持续喂数据，这个库会越来越完善。

跟传统 Spy 工具的区别

有圈友可能会问：Adplexity、Anstrex 这些工具不也能干这事？

能。但有两个区别。

第一，传统 Spy 工具虽然能给你更完整的 Spy 数据，但不是你自己的知识库，你搜完就走了，下次还得重新搜或者持续订阅。它不会帮你积累，不会帮你记住你的广告需求，你的广告倾向。

第二，OpenClaw 的优势不在采集量，而在单个广告主的链路拆解深度。它不只是给你看素材长什么样，它会自动走完整条跳转链路、分析落地页结构、识别背后的转化逻辑。这些信息你手动去做，一个主页起码花 20 分钟。OpenClaw 几分钟搞定。

两者不是替代关系。传统工具的优势是搜索量大、覆盖面广、数据全面。OpenClaw 的优势是分析深度和个人知识库的积累。结合用效果最好。

对比热门工具，成本极低

我这次分析 4 个主页，OpenClaw 用的 ChatGPT Plus 套餐，GPT 5.4。

做个对比：传统订阅工具月费 149 美金，便宜点也要 49 美金/月。当然功能不完全一样——传统工具的优势是搜索量大、覆盖面广、数据全面。但如果你只是想针对性地拆几个广告主的链路，OpenClaw 按次付费的模式成本就低得多。

更重要的是，你的个人素材库就在使用过程中逐渐累积，而不需要依赖持续的工具订阅。

玩法多样，提效为主

说实话，玩法可以很多样。

跑广告都知道 Spy 重要。但知道重要和真的去搭一套素材库，差的是想法和动力。毕竟现在人手一个OpenClaw。

它降低了分析环节的门槛，飞书多维表格降低了存储和检索的门槛。两个门槛同时降低，这件事就变得可执行了。

不是我变勤快了，是工具变好用了。

Peter的Affiliate之路

关注公众号获取更多Affiliate干货