媒体公关
提供媒体公关的可落地指南与SOP。在开展媒体公关相关工作时调用。
Install via CLI (Recommended)
clawhub install openclaw/skills/skills/clawkk/media-relationsWhat This Skill Does
媒体公关 (media-relations) 是为 OpenClaw AI 设计的专业级公关策略与执行支持工具。它不仅仅是一个文本生成器，更是一套成熟的方法论引擎。该技能通过结构化的框架，帮助用户从零开始构建媒体关系，涵盖了从战略目标设定到执行落地，再到复盘优化的全生命周期管理。无论您是需要制定危机公关预案、撰写新闻通稿，还是规划长期品牌影响力建设，该技能都能通过其内置的 SOP 流程提供可落地、可衡量的专业建议。
Installation
在 OpenClaw 环境中，打开终端运行以下命令进行安装：
clawhub install openclaw/skills/skills/clawkk/media-relations
安装完成后，您可以通过指令 @OpenClaw 媒体公关 来启动该技能。
Use Cases
- 品牌传播规划：为新产品发布设计全渠道的媒体投放策略，明确核心 KPI 与传播节点。
- 危机事件应对：在突发负面舆情时，快速生成符合合规性要求的回应模板与风险规避建议。
- 媒体关系维护：制定针对目标媒体的互动节奏，创建标准化的媒体联络清单与沟通脚本。
- 公关流程标准化：协助团队建立内部公关工作 SOP，确保跨部门协作的高效与数据统计的规范化。
Example Prompts
- "我正在负责一款 AI 产品的发布，请帮我规划一个为期四周的媒体公关 SOP，重点覆盖科技类垂直媒体。"
- "我们需要针对近期的一项舆情进行回复，请结合合规要求撰写一个严谨、客观的官方声明，并列出可能的风险点。"
- "请根据媒体公关 skill 的流程，为我建立一个核心指标监控仪表板的框架，并设定各指标的统计口径。"
Tips & Limitations
- 合规第一：使用本技能生成的内容时，务必结合本地法律法规进行审核，特别是涉及个人隐私数据时。
- 数据验证：AI 提供的建议基于通用逻辑，具体媒体资源库需要您手动整合与维护。
- 持续优化：建议在每轮公关活动后，主动要求该技能进行复盘，将复盘心得更新至您的知识库中，以提升后续生成的准确度。
- 局限性：本技能无法替代人类的媒体资源积累，其核心价值在于流程的规范化与效率的提升。
Metadata
Not sure this is the right skill?
Describe what you want to build — we'll match you to the best skill from 16,000+ options.
Find the right skillPaste this into your clawhub.json to enable this plugin.
{
"plugins": {
"official-clawkk-media-relations": {
"enabled": true,
"auto_update": true
}
}
}Tags(AI)
Flags: data-collection
Related Skills
data-move
Deep data migration workflow—scope, mapping, validation, batching and ordering, dual-write and cutover, rollback, and reconciliation. Use when moving tenants, bulk backfills, or changing stores without losing trust in data correctness.
data-model
Deep data modeling workflow—grain, facts and dimensions, keys, slowly changing dimensions, normalization trade-offs, and analytics query patterns. Use when designing warehouse/analytics models or reviewing star/snowflake schemas.
guard
Deep AI safety guardrails workflow—policy definition, input/output filtering, monitoring, escalation, and false-positive handling. Use when reducing harmful outputs, misuse, or policy violations in LLM products.
prompts
Deep prompt engineering workflow—task spec, constraints, examples, evaluation sets, iteration protocol, regression testing, and safety alignment. Use when improving LLM outputs, shipping prompt changes, or building reusable prompt templates.
cost-opt
Cloud cost review: rightsizing, reservations, waste. Use when reducing infra spend.