北京
結果在公眾號的表現不錯，而轉發到小紅書數據更是尤其好，引起了不少討論。但更有意思的是，似乎沒有一個人懷疑這是AI寫的。
所以今天寫一篇詳細的教程，說說我是怎么構建這個自動化寫作工作流的。
之前的痛點
其實我很早就在寫作過程中融入AI輔助的流程了。
但問題是…我寫過和做過的東西分散在不同的工具中，很零散，很懶得整理。
所以很長一段時間以來，我的做法都是：每次都自己選些材料作為AI輔助協作的Context。
包括：
為這次寫作收集到的資料
"我"是誰的個人信息
我寫過的相關文章
我的語言風格和寫作習慣
每次寫文章都要這么準備一遍，真的太煩了。
而且還有個更大的問題：AI經常"自作主張"。
你讓它寫文章，它直接給你生成一篇。你要的是"先討論選題，再寫"，但它跳過了討論環節。
你想要它基于真實數據寫，它卻編造數據。
你想要它像你本人說話，它卻一股AI腔。
這種"不可控"的感覺，讓我很不爽。
下決心整理
所以我終于下定決心，把和AI寫作的工作流程、個人信息、寫過的內容等等都梳理一遍，和AI配合得更好。
然后幸運地發現…其實也沒那多需要整理的。
雖然寫過、做過的東西不少，但真正讓自己滿意的，值得投喂給AI參考的，其實就那么點。
所以…干起來還挺簡單的。
而效果還真比自己想象的好。
核心架構：兩層判斷機制
整個工作流的核心，是一個兩層判斷機制。
第一層：工作區判斷
AI先判斷你的任務屬于哪個工作區：
公眾號寫作？
視頻創作？
Prompt梳理？
還是其他？
每個工作區有不同的CLAUDE.md，規則不同。
比如，公眾號寫作需要配圖，視頻創作不需要。你不能用公眾號的規則去處理視頻創作任務。
第二層：任務類型判斷
確定工作區后，AI再判斷具體任務類型：
A. 新寫作任務（有完整brief）
B. 新寫作任務（無brief只有需求）
C. 修改已有文章
D. 文章審校/降AI味
E. 快速咨詢
不同任務類型，走不同的流程。
比如，新寫作任務需要完整9步流程；而修改已有文章只需要"讀取原文 → 理解需求 → 修改"。
為什么要兩層判斷？
因為這樣AI就不會"瞎猜"了。
它知道自己在哪個工作區，知道該走哪些步驟，知道哪些步驟可以靈活調整，哪些核心原則不能妥協。
流程可預測，協作就高效。
公眾號寫作的9步流程
以公眾號寫作為例，完整流程是9步。
Step 1: 理解需求 & 保存Brief
收到寫作需求后，AI先保存brief到 _briefs/ 文件夾。
文件名格式：項目名-商單brief.md
這樣方便后續查閱。
Step 2: 信息搜索與知識管理 ?
如果涉及新產品、新技術，這一步是必做的。
AI會多渠道搜索：
官方信息
科技媒體報道（TechCrunch、The Verge等）
社區討論（Reddit、Hacker News等）
競品對比
搜索完后，保存到 _knowledge_base/ 文件夾。
文件名格式：主題-時間.md
必須包含：信息收集時間、信息來源、下次更新建議。
為什么要這么做？
因為AI的訓練數據不是最新的。如果不強制搜索，它可能會用過時的信息。
比如，它的訓練數據可能停留在2024年初，不知道Claude 4.5、GPT-4o這些新模型的特性。
所以，搜索驗證 > 一切。
Step 3: 選題討論 ? 必做
重點來了：不要直接寫文章！先討論選題！
AI會提供3-4個選題方向，每個包含：
標題（吸引人的）
核心角度
工作量評估（?評級）
優勢和劣勢
是否需要真實測試
每個選題還附帶大綱（3-7個大標題 + 預計字數分配）。
然后，等我選擇。
AI不會假設我會選哪個，也不會自己決定。
為什么這一步很重要？
因為這避免了"方向錯誤"。
如果AI直接寫，寫了一半發現不是我想要的，那就浪費了大量時間。
而且，這一步讓我有掌控感。我知道AI在想什么，我可以及時糾正方向。
Step 4: 創建協作文檔（如需測試/配圖）
如果選題需要真實測試或配圖，AI會創建協作文檔到 _協作文檔/ 文件夾。
包含：
測試任務清單（詳細步驟、統一Prompt、數據記錄表格）
配圖需求清單（必需配圖 + 可選配圖，帶checkbox）
時間和成本預估
協作檢查清單
這樣我清楚知道自己要做什么，AI也清楚知道要等待什么數據。
Step 5: 學習我的風格
AI會閱讀：
/寫作參考/ 中的風格指南
本文件夾或歷史存檔中至少2-3篇我的文章
提取：開頭方式、結構偏好、語言特征、金句風格。
Step 5.5: 使用個人素材庫 ?
這一步是降AI味的核心。
AI會從我的個人素材庫中搜索真實的經歷、觀點、案例。
方法A：直接搜索原始數據（推薦）
AI用Grep工具在 全部即刻動態.csv 中搜索關鍵詞。
比如，寫高德掃街榜文章，就搜索"高德|掃街榜"，找到我的真實吐槽。
方法B：查看已提煉素材
如果是常見主題（AI編程工具、產品開發等），AI會打開主題索引，查看已整理的素材文件。
典型使用場景：
文章開頭：用真實經歷引入
觀點支撐：用真實評價增強可信度
案例展示：用真實項目案例
結尾思考：用個人洞察升華主題
注意：所有素材都是真實的，不能編造或夸大。而且要改寫成長文邏輯，不能直接復制粘貼。
Step 6: 等待我提供測試數據
如果需要真實測試，AI會等我完成測試任務、接收數據和配圖。
然后才開始寫作。
Step 7: 創作初稿
基于真實數據寫作，保持"實踐+落地"調性，加入具體案例，自然融入我的經驗和視角。
初稿可以不完美，重點是把內容寫出來。審校環節會系統化優化。
Step 7.5: 風格轉換實驗（可選）
這一步是實驗性的，不強制。
AI可以嘗試用不同寫作者的語言風格重新表達，比如Keso、和菜頭、梁寧、張小龍、PG等。
核心原則：
只借鑒語言風格（句式、節奏、思維方式）
禁止使用原話（不引用別人的金句）
禁止用他人經歷（"我"始終是花生，所有經歷都是我的）
這是整個流程中最關鍵的一步。
第一遍：內容審校（邏輯、事實、結構）
檢查：
事實準確？（數據、時間、產品名稱）
邏輯清晰？（前后無矛盾）
結構合理？（無跑題）
無編造？（所有數據和案例都真實）
第二遍：風格審校（AI味降重）
這一遍的目標是去掉AI味，增加人味。
檢查：
刪除套話：“在當今時代”、“綜上所述”、“值得注意的是”
拆解AI句式："不是…而是…"連續出現
替換書面詞匯："顯著提升"→具體數字，“充分利用"→"用好”
改成口語化："進行操作"→直接用動詞
加入真實細節：抽象表達→具體數字/案例
加入個人態度：中立客觀→明確觀點
常見改寫：
? "在當今AI技術飛速發展的時代，編程工具也在不斷進化..." ? "Claude Code出了。我用了兩周，確實比Cursor好用。" ? "通過充分利用Claude Code的能力，可以顯著提升開發效率..." ? "用好Claude Code，你的開發速度能快不少。我測下來，平均每個項目省3-5小時。"第三遍：細節打磨（標點、排版、節奏）
檢查：
句子長度合適？（15-25字為主，不超過30字）
段落不太長？（手機屏幕3-5行）
標點自然？（多用句號，少用逗號連接長句）
節奏有變化？（快慢結合）
大聲朗讀，感受節奏。找出超過30字的長句，拆短。
Step 9: 文章配圖 ?
如果需要配圖，AI會：
分析文章，確定配圖需求（推薦5-8張）
創建圖片文件夾：images/文章主題/
獲取/生成圖片（公共領域 → AI生成 → 免費圖庫 → 截圖）
在Markdown插入圖片（使用絕對路徑）
驗證圖片顯示
圖片來源優先級：
公共領域作品（Wikimedia Commons）
AI生成（火山引擎API）
免費圖庫（Unsplash、Pexels）
截圖/官方素材（需注明來源）
除了9步流程，還有7個關鍵要點，貫穿整個協作過程。
1. Think Aloud透明化思考
AI每次做決策時，都要說明思考過程。
? “我認為這個標題可以從X和Y兩個角度考慮…” ? “對比了這三種方案后，我覺得方案A更適合，因為…” ? “我不確定這個技術細節，讓我先搜索一下…”
? 不要直接給出答案而不說明思考過程
為什么要這樣？
因為這樣我可以看到AI的思考過程，及時糾正方向。
不然AI就是個黑盒，我不知道它在想什么。
2. 調研先行
處理新概念、新技術、新方法時，AI必須先做充分網絡調研。
什么時候必須搜索：
涉及新概念/新方法
涉及2024-2025年的新技術、新工具
需要業界最佳實踐
不確定的技術細節或專業術語
信息源優先級：
? 優先：權威科技媒體（TechCrunch、The Verge）、社區論壇（Reddit、Hacker News）、官方文檔
? 忽略：知乎、百度2025年之前的信息
不要直接寫文章！先討論選題！
這避免了方向錯誤造成的大量返工。
4. 個人素材庫降AI味
用真實經歷、觀點、案例替代AI腔。
這是降AI味的核心。
5. 三遍審校機制
系統化降低AI檢測率至30%以下。
內容審校 → 風格審校 → 細節打磨。
6. 文章配圖流程
直接完成配圖，不要只寫配圖指南。
7. 協作文檔
明確分工，讓我知道需要配合什么。
為什么這個流程效果好？
總結一下，這個工作流效果好，核心在于三點：
1. 結構化
兩層判斷 + 9步流程，AI不會"瞎猜"。
它知道自己在哪個工作區，知道該走哪些步驟。
流程可預測，協作就高效。
2. 透明化
Think Aloud + 選題討論，我有掌控感。
我可以看到AI的思考過程，及時糾正方向。
3. 真實化
強制調研 + 個人素材庫 + 三遍審校，降AI味。
文章有真實感、有溫度，讀起來像我本人在說話。
最重要的設計理念
說完了流程和要點，我想強調一個最重要的設計理念：
流程是指南，不是教條；核心原則不可妥協。
什么意思？
流程可以靈活調整：
如果我明確要求跳過某步驟，AI可以遵循（但會提醒風險）
如果任務特別簡單/緊急，AI可以直接執行
如果上下文已包含所需信息，AI不會重復操作
但核心原則不能妥協：
? 絕不編造數據
? 絕不使用過時信息
? 絕不省略Think Aloud
? 絕不跳過用戶確認（重要決策）
這種"靈活性 vs 核心原則"的平衡，是這個工作流的精髓。
既保證質量（核心原則），又提高效率（靈活調整）。
實際效果如何？
回到開頭那個例子。
我用這個工作流，讓Claude Code幫我寫了一篇3000多字的文章。
整個過程：
AI先搜索了相關資料，保存到知識庫
提供了4個選題方向，我選了其中一個
AI從我的即刻動態中搜索了相關素材，找到我的真實觀點
創作初稿
三遍審校，刪套話、改句式、加真實細節
完成
結果？
小紅書數據不錯，引起了討論，但沒有任何一個人懷疑這是AI寫的。
但這里有個重要的點要說清楚：
雖然這篇文章100%由AI寫完，但：
寫什么主題 - 我決定的
我的觀點是什么 - 我決定的
想表達什么 - 我決定的
AI用的素材 - 都是我自己寫的即刻內容
所以，效果好，文風像我，這并不奇怪。
寫作的某些部分，應該由自己掌控，做自我表達。
只是把麻煩的、自己不想做的事（比如擴寫、潤色、結構組織）交給AI。
為什么沒人發現？
因為：
文章有真實案例（從我的即刻動態中提取）
語言風格像我（三遍審校去掉了AI腔）
觀點和態度明確（不是中立客觀的AI腔）
細節真實（具體數字、具體場景）
這就是這個工作流的價值。
如何開始搭建自己的工作流？
如果你也想搭建類似的工作流，我的建議是：
第一步：理解核心原理
先理解為什么要這么做：
為什么要兩層判斷？（避免AI誤判）
為什么要Think Aloud？（協作透明化）
為什么要強制調研？（信息準確性）
為什么要選題討論？（避免方向錯誤）
第二步：搭建自己的CLAUDE.md
創建規則文檔：
根目錄CLAUDE.md（總綱：協作方式、任務路由、信息搜索規范）
子文件夾CLAUDE.md（具體流程：公眾號寫作、視頻創作等）
個人素材庫（真實經歷、觀點、案例）
風格指南（語言特征、審校checklist）
第三步：積累個人素材
這是降AI味的核心。
把你的真實經歷、觀點、案例整理出來。
不需要很多，真正值得投喂給AI參考的，其實就那么點。
第四步：迭代優化
每次協作后，反思哪里可以改進。
更新CLAUDE.md，記錄迭代。
完善審校機制。
可復制的部分 vs 不可復制的部分
可復制的部分：
兩層判斷機制（任何領域都適用）
信息搜索規范（確保準確性）
Think Aloud透明化（增強協作）
三遍審校機制（降AI味）
不可復制的部分：
個人素材庫（需要你自己積累）
風格特征（每個人的風格不同）
行業知識（需要你自己的專業經驗）
所以，如果你想搭建類似的工作流，可以直接復用"可復制的部分"，但"不可復制的部分"需要你自己積累。
最后
Claude Code是最好的自動化寫作agent。
但前提是，你得給它明確的規則、真實的素材、清晰的反饋。
這個工作流，就是我給它的"規則書"。
而效果？
你看這篇文章，就知道了。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
