我把写文章这件事拆成了一条流水线，从拉资讯到发公众号，机器跑大半，但有两道闸我攥着不撒手
哈喽，我是飞飞。
跟你说个有点绕的事。你现在看的这篇文章，就是从我那条流水线里跑出来的。它从一个 AI 资讯接口被拉出来，被打分、被搜料、被写稿、被降 AI 味、被配上封面、被切成三个平台的版本，最后落到公众号。而这篇文章的内容，恰好就是讲这条流水线本身怎么搭的。机器把大半的活干了，但有两个地方，我一步都没敢让它自己做主。
这不是一篇「教你三步搭个 AI 全自动写作机」的爽文。我想老实把这条链路摊开给你看，哪节是机器在跑、哪节是我在兜底、踩过哪些让我心里一紧的坑。每一节我都尽量落到一个你今天就能照着做的动作。这套打法我也还在磨，不一定对，但已经毫无保留掏给你了。
先把一个词分清楚：工作流不等于智能体
动手之前，有个分法得先掰开，不然后面全是糊的。
业内现在把这两种东西分得挺清楚。一种叫 AI 工作流，本质是一条定死了顺序的管道，第一步喂给第二步，第二步喂给第三步，每一步可能塞个大模型进去干活，但走哪条路是定好的。另一种叫 AI 智能体，是一个能自己决定下一步干啥的循环，给它一个目标，它自己规划、调用工具、迭代。
我这套东西是个混血。骨架是工作流，七个环节顺序焊死；但每个环节内部，是一个能自己调工具、自己判断的 agent。说人话就是，大方向我替它定死，免得它跑飞；具体每一步怎么干，放手让它自己想。
为什么不让它整个自己规划？因为内容创作这件事，对错很多时候是主观的，机器自己评不准。Zapier 那篇讲人在环路（human-in-the-loop）的文章里有句话我很认同：让流程自己跑，一直跑到某个必须人来拍板的点，再停下来等人。我这条流水线的设计，就是照着「哪些步能放手、哪些步必须停」这个问题一节节抠出来的。
你今天能做的动作：把你想自动化的活，先按「顺序定死」还是「让它自己想」分一遍。大部分人一上来就想造个全自动智能体，其实工作流那一半才是稳的。
第一道闸在最前面：选题这事，机器只递菜单，我点单
流水线的最前端是拉资讯。我自己搭了个 AI 资讯接口（aihot），每天把 AI 圈的精选动态拉回来。这里有个小坑提一句：这个接口挡商业爬虫，curl 不带浏览器 UA 直接 403，我一开始还以为接口挂了，盯着排查半天才发现是被拦了。
资讯拉回来，下一棒交给一个叫 content-scout 的 skill。它干的事是打分：把每条资讯按账号契合度、可写性、热度、爆款潜力这些维度过一遍，给我推 Top 5。
这里我要特别诚实一点。这些分不全是客观数据。精选状态、发布时间、信源、类别，这些是接口给的真信号；但热度、爆款、契合度、可写性，全是模型自己估的，我在输出里都标着「估计」两个字。我不想把机器的猜测包装成铁打的数据糊弄自己。
然后，流水线在这里第一次停下来，等我。
机器把五个选题端到我面前，但点哪个，是我点。这就是我攥着的第一道闸。为啥不让它自己选？因为选题是一篇文章的命，它决定了我这个号接下来跟读者聊什么。机器能算出哪个话题热，算不出哪个话题是「我飞飞真有话想说」的。这条它替不了我。
你今天能做的动作：哪怕你也想搭个选题机器人，也别让它自动开写。让它给你排个序、讲清理由，最后那一下，自己点。
中间这段最像流水线：搜料、写稿、降 AI 味、配图
我点完一个选题，后面就交给一个叫 content-director 的总编排，它会按顺序把七个 skill 串起来跑。
第一棒是 content-researcher，去搜资料、抓网页、提洞察，把素材整理好。比如写这篇时，它就去搜了业内做内容自动化的几种做法当背景。
第二棒是 content-writer，真正动笔。这一棒里藏着我最得意的一个设计：它写之前，必须先读两本手册。一本叫 WRITING_LESSONS，记着一百多条「别这么写」的硬规则，比如别用中文破折号、别堆排比对仗、别搞编号陷阱；另一本叫 CRAFT_TOOLBOX，记着「该怎么写好」的正向招式。写完还得过一遍 grep 硬扫描，破折号数量不对、对仗超标，直接打回重写。
第三棒是 content-polisher，专门降 AI 味。它会逐段检测哪里读着像机器写的，然后用更有人味的说法重写。第五棒 content-artist 配封面图。这几棒是整条链路里最「流水线」的部分，一棒接一棒，中间基本不用我管。
但你别被「不用我管」骗了。这段看着像无人值守，其实是我提前把规矩立死在那两本手册里了。机器之所以能放手跑，是因为我前面花了上百次迭代，把「飞飞该怎么写」一条条沉淀成了规则。规则是我攒的，机器只是在执行。这跟「它自己学会了我的风格」是两码事。
你今天能做的动作：想让 AI 稳定产出你要的东西，别指望几句提示词。把你的标准写成一份越来越厚的规则清单，喂给它，每次踩坑就往里加一条。
还有一棒，是机器自己往规则里加经验
这条流水线里有一棒特别有意思，叫 content-training。它干的事是：每写完一篇，从这次的检测结果里提炼出新的写作经验，回写进那本 WRITING_LESSONS 手册。
也就是说，这条流水线会自己越跑越聪明一点点。我写到现在，那本手册已经更新到第一百次了，攒了一百多条经验。每条都是某次踩坑换来的。
不过这一棒我也留了个心眼：它能往里加经验，但加什么、留不留，最终的尺度还是我把着。机器容易把一次偶然的毛病当成通用规律写进去，规则库一旦被污染，后面每篇都遭殃。所以这一棒我盯得比哪棒都紧。
最后一道闸，和一个让我后背发凉的坑
最后两棒是分发和发布。content-distributor 把文章切成三个版本：公众号的（按句号拆段）、小红书的（精简加表情）、知乎的（保留段落、文末挂原文回链）。content-publisher 则负责把 markdown 渲染成微信图文 HTML 推到公众号草稿箱。
但发布这一棒，我设成了默认跳过。只有我明确说「发公众号」，它才动。这是我攥着的第二道闸。最终发出去之前，我一定自己从头到尾再过一遍。机器写得再顺，那篇东西署的是我的名，挂在我这个号上，这个责任没法外包。
说到发布，我得讲个最近让我后背一凉的真事。我这博客 vance.xin 整条发布也是自动化的，push 上去自动构建部署，还自挂了两段把新链接推给百度和必应收录。结果前阵子，负责部署到镜像站的一个 GitHub 令牌悄无声息地过期了，导致部署连续静默失败了一整天。构建明明是绿的，只有最后一步推送认证红了，但没人盯着那个状态，我是隔了一天主动去查才发现镜像站挂了。主站靠另一条独立流水线还活着，镜像站却黑了一整天没人知道。
这件事给我上了一课，也是这篇我最想留给你的一句：自动化最贵的隐藏成本，不是算力，是当没人盯着的时候，失败会悄无声息地堆积。全自动流水线，你必须给「失败」本身配一个人能看见的告警。不然你以为它在替你跑，其实它早停了，你还蒙在鼓里。
所以这到底是个全自动内容工厂吗
不是。我更愿意叫它一条「人守着两道闸的流水线」。
机器替我跑掉了大半的体力活：拉资讯、搜料、写初稿、降 AI 味、配图、切多平台版本。这些重复、有章可循的活，它干得又快又稳。但有两件事我一步没撒手，开头选题点单，结尾全文过稿。一个决定我要说什么，一个决定我敢不敢署名发出去。这两个判断，恰恰是机器最算不准、也最不该替我做的。
业内现在聊智能体落地，反复在强调一个词，人在环路。意思就是让流程自己跑，但在那些决策有风险、有分量的节点上，留一个人来拍板。我这套东西，本质就是把这个理念落在了写文章这件具体的事上。
我也还在补这条链路的窟窿。比如那个 token 过期的坑之后，我就在琢磨给每条流水线的「失败」单独配个告警。一条流水线搭起来不难，难的是让它在没人看的时候也别静悄悄地烂掉。这事我后面跑顺了，再单独写一篇摆给你看。
你呢，如果让你把手头一件天天重复的活拆成流水线，你会愿意把哪一步交给机器，又有哪一步，你说什么都得自己攥着那道闸？评论区聊聊，我挺好奇你那道闸划在哪。