我搭了一条 AI 写稿流水线。最难的,不是 AI

几个月前,我给自己定了个目标:在 Claude Code 里,搭一套内容流水线。

折腾到现在,这套东西已经能撑起公司博客和外发的文章更新,通常能把一篇稿子送到离发布只剩一步——大概 95% 的位置。

这一路最让我意外的,不是 AI 多能干。

是另一件事。

让 AI 写出一篇文章,从来不是难点。难点是,你先得想清楚:一篇能发的文章,到底长什么样。

所以,你要是也想搭这么一套系统,别急着让 AI 开写。

先倒着想。

先回答一个问题:这套东西,值得搭吗?

对我是值得的。

它把我手里那点资源榨到了极致,做出很多光靠人根本做不出的内容。

但它有风险。我心里一直绷着两根弦——AI 说机器话,AI 编「事实」。我的应对就三招:多做研究、多设人工质检闸门、再养一个专抓幻觉的事实核查员。

还有个大环境,得提醒你一句。

Google 现在正在疯狂地把「非商品化内容」从搜索结果里 noindex 掉。 要是你的品牌靠这种内容吃饭,这套系统可能真不适合你。

而且,这东西不是一晚上能搭完的。

好在,搭 agent 要用的不少零件,你手里多半已经有了。没有也别慌,分期搭、边跑边改。搭好的 agent,拿去喂别的流程,一样能复用。

什么叫「好」?先定义好,再倒推输入

这是整个系统最要命的一步。

你设想一个场景:手里只有一个关键词,要把它变成一篇能发的文章。中间得过多少关?

一套能用的内容流水线,得产出什么样的文章?

有用、原创、带着你的品牌口吻;对你的理想客户(ICP)真有帮助;把你的业务和产品讲得准确;听起来像人写的。最好,还有被排名、被引用的潜力。

先把「好」定义清楚,你才知道该往系统里喂什么。

要喂的东西,分两类。

一类是常量。每次跑都一样,硬编码进流程里,因为这是所有任务共享的上下文。

常量都有啥?我给你数数。

• 品牌说明书:你是谁、你的 ICP 是谁。做 B2B,就写行业、职级、痛点——痛点可以去客户通话录音里扒。做 B2C,就写年龄、性别、职业、痛点。
• 品牌口吻指南:注意,要的是「例子」,不是形容词。光写「友好但正式」没用,得给正面例子,再给反面例子。实在没有?那就让 LLM 从你最好的内容里,提炼一份。
• 优秀样本:好的 brief、好的大纲、好的成稿,各来几份。
• 产品、服务、方法论描述:帮 AI 把你做的事讲准。销售材料,这时候特别管用。
• 已有内容的清单:想要内链建议、想跟已发的文章区分开,就扔一份 Screaming Frog 的导出,或者你的 sitemap。
• 内部研究和案例:这是做「非商品化内容」的底气,没有它,内容就软。
• 写作和发布规范:最基础的是生成 meta description、给 URL slug、自然嵌关键词。想再强一点,就要求 SERP 研究、要求答案前置、规定段落长度。

另一类是变量,每次跑都要新填:主题、角度、关键词。

你还有别的标准?列出来,全加进去。

顺序怎么定?照抄真人编辑部,再多加几道闸门

输入齐了,该定干活顺序了。

本质上,这就是在复刻一家编辑部。

真人怎么干活?选题,大纲,写稿,改稿。团队大的,不同环节各有人盯。

你的 agent 就干这些活。但有个区别——真人编辑部不需要的闸门,你得自己加。

为什么?因为 AI 有两个天生的毛病:说机器话,编「事实」。

还要不要来个总指挥?

我强烈建议,加一个 orchestrator agent。它从头到尾把流程写清楚,标明每个 agent 负责什么。流程一改,这份文档就得跟着改。它可以最后建,也可以跟别的 agent 一起建。

下面每一步,我都把「要备什么文档」和「怎么搭」给你。

第 1 步:想好怎么开工

先决定怎么启动。

我自己是搞了个本地面板,输一个关键词、一个角度,点提交,Claude 就开始研究。

要是有多个 ICP、或者每篇文章想带上特定产品,开工前就把这些设成初始输入。

我劝你先只做一种内容类型,比如博客,或者 LinkedIn 帖子。跑顺了,再加 if/then,一套流程出多种内容。

先让一种内容跑通,别一上来就贪多。

第 2 步:研究

关键词一提交,研究员就该动起来:查这个主题、查你们品牌已经写过啥、查当前 SERP 上有什么空子可钻,然后产出一份 dossier,交给后面的 agent 接力。

这个 agent,我给它的文档清单是:行业里靠谱、可引用的来源;要避开的来源;研究要求(时效、规模);你的 sitemap 或内容清单;一手研究的链接或文档。

要不要让它看 SERP?想清楚让它分析哪种结果:是想看 AI Overviews 里谁在被引用?还是想看除了列表站之外的头部站点?

怎么搭?把「研究要达成什么」说得越具体越好。尤其是「什么叫好来源」、哪些内容算你们自己的。

第 3 步:大纲

研究完,让 Claude 出个大纲,然后加一道人工闸门。

这么干,你还没烧多少 token,就能先看清成品长啥样。到这一步,你只有三个选项:毙掉、改大纲、继续。

喂给它什么?示例大纲、口吻指南、研究 agent 的 dossier。

怎么搭?给一份示例大纲,把必须有的板块写清楚。你要是喜欢层级式大纲,就明说。

第 4 步:写稿

LLM 照着大纲和研究,开始写正文。

喂给它什么?dossier、大纲、品牌口吻指南、ICP 信息、案例、一手研究。

怎么搭?给它一份「从大纲写出来的高质量成稿」当样板,让它分析叙事流、逻辑推进,还有用词。你要是有自己的规矩,比如 BLUF(结论前置)或 MECE(相互独立、完全穷尽),就明确告诉它,什么时候该用。

第 5 步:编辑、核查、去 AI 味

别急着把稿子丢给真人。先让 AI 至少自己改一遍。

我给它设了三个角色。

• 编辑:对品牌规范,查有没有不该用的词,看叙事结构、逻辑顺序、含糊表述、段与段的衔接。
• 事实核查员:专职抓幻觉,人设是「对抗性」——假设文章里每个事实都是错的,然后一条条去证伪。
• AI 编辑器:专职删 AI 味。把你自己的雷点,加上那些「AI 写作的典型痕迹」清单,一起扔给它。

这三关,每一关都要开新的上下文窗口,指令也得分开写。

这里有个我踩过的坑。

一开始,我把「结构+覆盖」和「措辞+去 AI 味」交给同一个编辑一起干,产出很一般。拆成两个,效果立刻变好。让编辑顺手做事实核查?结果两个活都干砸了。

没错,该拆就得拆。

编辑最好跑两遍,再交给真人。

但记住:AI 和两遍编辑,能把稿子送到离 100% 很近的地方。那最后一步,必须是人。 一篇真人没碰过的稿子,永远不该被发布。

最后一句:上下文,才是命根子

现在工具是越来越强了。Opus、Fable 这些,都能帮你很快把 agent 文档写出来。

但文档写得再快,也救不了没有上下文的系统。

没有 ICP 信息,没有优质内容样例,没有一手研究的链接,再顺的流程也造不出能打动人的「非商品化内容」。

工具负责快。你负责喂。

往回看,我搭了几个月,越搭越确认一件事:一套能用的系统,赢的从来不是 AI 多聪明,而是你想清楚了「好」是什么,然后把每个环节的输入,喂得清清楚楚。

这不一定对,但值得你试试。