Aitoearn:OPC(一人公司)的AI内容智能体

开源地址

https://github.com/yikart/AiToEarn/tree/main

🚀一、软件介绍

Monetize · Publish · Engage · Create ------ 一站式平台。

AiToEarn 通过 AI Agent自动化,帮助 OPC(一人公司)、创作者、品牌与企业在全球主流平台上构建、分发并变现内容。

支持渠道: 抖音、小红书(Rednote)、快手、哔哩哔哩、视频号、TikTok、YouTube、Facebook、Instagram、Threads、Twitter(X)、Pinterest、LinkedIn

应用

🚀 二、快速使用 AiToEarn(5 种方式)

方式 适合谁 需要部署吗
① 打开网站直接用 所有用户 ❌ 不需要
② 在龙虾 OpenClaw 中用 龙虾用户 ❌ 不需要
③ 在 Claude / Cursor 等 AI 助手中用 AI 工具用户 ❌ 不需要
④ Docker 一键部署 想私有化部署的团队 ✅ 需要服务器
⑤ 源码开发 开发者 ✅ 需要开发环境

💡 方式 ②③④ 都需要先获取 API Key ,请先看 如何获取 API Key

🚀三、软件核心功能

AiToEarn 围绕内容创作者的完整变现链路,提供四大 Agent 能力:

Monetize · Publish · Engage · Create


🚀四、使用方式

① 打开网站直接用

最简单的方式,打开浏览器即可使用,无需任何配置:


🔑 如何获取 API Key(后续步骤的前置条件)

以下的方式 ②③④ 都需要 API Key。只需获取一次,所有方式通用。

3 步获取

  1. 打开 aitoearn.cn(中国用户)或 aitoearn.ai(国际用户),注册并登录
  2. 点击左侧菜单 设置
  3. API Key 中点击创建,复制生成的 Key

② 在龙虾 OpenClaw 中使用

前置条件:已 获取 API Key

请在服务器终端输入以下命令!请在服务器终端输入以下命令!请在服务器终端输入以下命令!

安装插件

复制代码
npx -y @aitoearn/openclaw-plugin-cli

首次运行后会先让你选择环境并输入 API Key。请确保环境与 Key 匹配:

  • 中国版:使用 aitoearn.cn 获取的 API Key
  • 国际版:使用 aitoearn.ai 获取的 API Key

环境和 Key 不匹配会导致 401。

安装完成后,你就可以在 OpenClaw 中直接接收并执行 AiToEarn 的赚钱任务:


③ 在 Claude / Cursor / 其他 AI 助手中使用

前置条件:已 获取 API Key

AiToEarn 支持所有兼容 MCP 协议的 AI 助手。以下是常见工具的配置方式:

请根据 API Key 来源选择地址,环境和 Key 不匹配会导致 401:

环境 MCP 地址 SSE 地址
中国版 https://aitoearn.cn/api/unified/mcp https://aitoearn.cn/api/unified/sse
国际版 https://aitoearn.ai/api/unified/mcp https://aitoearn.ai/api/unified/sse

Claude Desktop

找到并编辑 claude_desktop_config.json,添加:

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

Cursor

在 Cursor 的 MCP 设置中添加:

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

其他 AI 助手(通用配置)

任何支持 MCP 协议的工具,只需要两个信息:

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

也支持 SSE 长连接方式:https://aitoearn.ai/api/unified/sse

💡 如果你是自部署用户,将 aitoearn.ai 替换为你自己的地址(如 localhost:8080)。


④ Docker 一键部署

前置条件:已安装 Docker

适合想把 AiToEarn 部署在自己服务器上的团队。3 条命令搞定,无需手动安装数据库:

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

启动后打开 http://localhost:8080 即可使用。

配置 Relay(强烈推荐)

为什么要配 Relay? 发布内容需要登录社交媒体账号(抖音、小红书、TikTok 等),而这些平台的 OAuth 登录需要开发者凭据。配置 Relay 后,你可以直接借用官方 aitoearn.ai 的凭据完成授权,不需要自己去各平台申请开发者账号

docker-compose.ymlaitoearn-server 服务中添加(API Key 获取方式见 上方说明):

请根据 RELAY_API_KEY 来源选择 RELAY_SERVER_URL:中国版 Key 使用 https://aitoearn.cn/api,国际版 Key 使用 https://aitoearn.ai/api。环境和 Key 不匹配会导致 401。

复制代码
RELAY_SERVER_URL: https://aitoearn.ai/api
RELAY_API_KEY: 你的API-Key
RELAY_CALLBACK_URL: http://localhost:8080/api/plat/relay-callback

然后重启:docker compose restart aitoearn-server

📖 完整部署指南(生产环境配置、AI 服务、OAuth、存储等)请参阅 DOCKER_DEPLOYMENT_CN.md


⑤ 源码开发

🧪 手动运行后端和前端(开发模式)

此模式主要用于本地开发和调试。 您仍然可以使用 Docker 运行 MongoDB/Redis,或在配置文件中指向您自己的服务。

1. 启动后端服务
复制代码
cd project/aitoearn-backend
pnpm install
# 复制配置文件用于本地开发
cp apps/aitoearn-ai/config/config.js apps/aitoearn-ai/config/local.config.js
cp apps/aitoearn-server/config/config.js apps/aitoearn-server/config/local.config.js
pnpm nx serve aitoearn-ai
# 在另一个终端
pnpm nx serve aitoearn-server
2. 启动前端 aitoearn-web
复制代码
pnpm install
pnpm run dev

🖥️ 启动 Electron 桌面项目

复制代码
# 克隆仓库
git clone https://github.com/yikart/AttAiToEarn.git

# 进入目录
cd AttAiToEarn

# 安装依赖
npm install

# 编译 sqlite(better-sqlite3 需要 node-gyp 和本地 Python)
npm run rebuild

# 启动开发
npm run dev

Electron 项目为 AiToEarn 提供桌面客户端。

相关推荐
小和尚同志37 分钟前
AI 自动化测试探索(二):Chrome-devtools MCP
人工智能·e2e·aigc
冬奇Lab3 小时前
Workflow 系列(02):设计范式——四层架构、三种 Context 传递模式与确认门设计
人工智能·agent·工作流引擎
冬奇Lab3 小时前
每日一个开源项目(第145篇):Trellis - 把项目记忆、规范和任务上下文持久化进代码仓库
人工智能·开源·资讯
有道AI情报局3 小时前
Harness即产品
人工智能·agent
罗西的思考4 小时前
机器人 / 强化学习】HIL-SERL:人类在环驱动的具身智能进化框架
人工智能·算法·机器学习
IT_陈寒5 小时前
SpringBoot自动配置的坑,我的API突然就404了
前端·人工智能·后端
笃行3505 小时前
从零到上线:用 EdgeOne Makers + CodeBuddy 搭一个「对账核对员」AI Agent
人工智能
用户6856326208696 小时前
Claude Code 乱猜字段名?我给它写了一个"数据库查询约束 Skill"
人工智能
你_好6 小时前
# 给你的产品嵌入一个「会操作界面的 AI 助手」
人工智能
ShallWeL6 小时前
【机器学习】(3)—— 线性回归:梯度下降
人工智能·机器学习