我们用 AI Agent 跑通了内容团队全流程，然后差点翻车

第11天，我盯着屏幕愣了大概30秒。

Agent 自动排好了下周的发布计划，整齐齐，时间节点、标题、字数要求一应俱全。其中有一篇——关于某竞品的深度评测，写得相当不错，逻辑清晰，数据详实。

发布时间：我们自家新品上线的同一天。

我把截图发到飞书群，编辑小李回了一个"？"，然后是沉默了大概两分钟的群聊，最后主编发来一句："还好你看了。"

这就是我们用 AI Agent 改造内容工作流第11天发生的事。

我写这篇文章，不是为了告诉你 AI Agent 有多厉害，而是想把这3周里真实发生的事情讲清楚——哪些地方它帮了大忙，哪些地方它差点让我们出大事，以及如果你也想搭，应该从哪里开始。

---

一、我们为什么决定"all in"试这件事

我们是一个5人内容团队，负责一个垂直科技账号的日常运营。

表面上看，5个人不算少。但实际的工作状态是这样的：每周一的选题会要开两个小时，最后选出来的题目有一半是"上周没写完的"；写稿周期平均4天，其中有将近一天花在找资料和整理大纲上；排期经常撞车，要么同一周堆了三篇重型稿，要么某个时间段突然断更。

更核心的问题是：5个人里，真正在做"判断"的时间，可能不超过总工时的30%。剩下的时间，大家都在"搬砖"——找资料、整格式、对排期、改错别字。

我们不是想裁人。我们想让人去做更值钱的事。

所以3周前，我们决定搭一套 AI Agent 工作流，把能自动化的环节全部交出去，看最后剩下什么。

选题会（人工头脑风暴）
↓
资料收集（人工搜索）
↓
大纲撰写（人工）
↓
初稿写作（人工）
↓
编辑审稿（人工）
↓
排期分配（人工）
↓
发布

每个环节都是人，每个环节都有等待，每个环节都有摩擦。

---

二、我们搭了什么？系统架构全透明

整套系统分四个节点，每个节点独立运行，通过共享的内容数据库串联。

用 Python脚本定时抓取 RSS 源、微博热搜、36Kr、少数派等平台的热门内容，汇总到一个 Notion 数据库。然后调用大模型 API，对每条内容打分，评分维度包括：话题热度、与账号调性的匹配度、竞品覆盖情况、时效性。

对评分超过阈值的选题，自动触发大纲生成。Prompt 里会注入账号的历史爆款结构、目标读者画像、禁用话题列表。

大纲确认后（这里有一个人工确认步骤，后来证明这个设计救了我们很多次），调用 API 生成初稿。我们用的是 Claude Sonnet 4.6，长文逻辑性比较稳。

根据稿件类型、字数、预计阅读时长，自动分配发布时间，避免同类内容扎堆。

我们最开始也考虑过用现成的 AI 写作工具，试用了三四款。核心问题有两个：

第一，Prompt 不可控。套壳产品的底层逻辑是黑盒，你不知道它在你的输入前后加了什么，导致输出风格飘忽不定。

第二，成本差距明显。按我们的用量估算，套壳产品的月度费用大约是直接调用 API 的2到3倍，而且很多套壳产品按"篇数"计费，对我们这种高频使用场景非常不划算。

直连 API 的方式，Prompt 完全自己写，成本按 token 计，测试阶段几乎可以忽略不计。

---

三、跑了3周，这些环节差点让我们翻车

以为写稿最难翻车，结果选题才是重灾区。

翻车一：选题 Agent 没有"品牌记忆"

这是我们遇到的第一个严重问题，也是最难修复的一个。

Agent 的选题评分模型非常擅长识别"热"，但完全不理解"适不适合我们"。

举个真实案例：某周科技圈最热的话题是一场大厂裁员风波，热度极高，Agent 给出了满分推荐。但我们的账号定位是"帮普通人用好 AI 工具"，这类话题和我们的读者群几乎没有交集，强行写只会让老读者困惑。

更离谱的是，Agent 会周期性地推荐竞品的内容——因为竞品的文章本身质量高、互动好，在它的评分模型里是"优质参考"。它不知道那是竞品。

翻车二：初稿的幻觉问题比想象中严重

这个问题不是新鲜事，但真正踩到的时候还是会让人头皮发麻。

我们有一篇关于某 AI 工具使用技巧的稿子，初稿里引用了一个"官方数据"——某功能的准确率提升了47%。编辑审稿时觉得这个数字很有说服力，差点直接过了。

后来核查发现，这个数字根本不存在。是模型编的。

类似的情况在3周内发生了不止一次。Agent 生成的初稿里，大约每3篇就有1篇包含至少一处无法核实的"数据引用"。有些是编造的数字，有些是张冠李戴的案例，有些是把两件不相关的事情混在一起说。

这个改动之后，初稿质量明显提升，但[待核实]标记的数量也让我们意识到：AI 生成的内容，核查成本不可忽视。

翻车三：排期 Agent 遇到突发热点会"死机"

这是最让人崩溃的一个问题，因为它发生在你最需要它灵活的时候。

某天下午，行业内突然出现了一个重大新闻，所有同类账号都在第一时间跟进。我们的 Agent 排期系统完全没有反应——它按照既定计划，继续推进下周的常规内容，对突发事件视而不见。

原因很简单：它没有"插队"逻辑。排期系统是基于规则运行的，规则里没有"突发热点优先级"这个维度。

我们手动介入，临时调整排期，但这个过程花了将近一个小时——因为要重新协调所有已排内容的时间节点，而 Agent 并不能帮你做这个动态调整。

---

四、最后哪个环节还是得人盯着？

3周下来，我们得出了一个相对清晰的结论。

1. 选题终审：AI 不理解品牌调性，不理解竞争关系，不理解"这个时间点发这篇稿子意味着什么"。这是编辑判断力的核心，目前无法外包。

2. 事实核查：幻觉问题是现阶段大模型的结构性缺陷，不是换个模型就能解决的。每一篇涉及数据和案例的稿子，都需要人工核查关键信息。

3. 突发响应：热点的判断、插队的决策、紧急内容的定调——这些需要对行业、对读者、对当下语境有综合理解，Agent 目前做不到。

                时效敏感度
低              高
┌────────────┬──────────────┐
决策  高      │  人工主导     │  人工主导    │
复杂          │  (选题终审)   │  (突发响应)  │
度            ├──────────────┼────────────┤
低      │  Agent主导   │  Agent辅助   │
│  (格式排版)   │  (热点抓取)  │
└────────────┴──────────┘

简单说：决策复杂度越高、时效越敏感，越需要人在场。 反过来，重复性高、规则明确的环节，交给 Agent 是最合算的。

---

五、如果你也想搭，这里有一条最短路径

不同规模的团队，切入点应该不一样。

单人运营最大的痛点是"从零开始写大纲"的心理负担。用 Agent 生成3个备选大纲，你从中选一个改，比从空白文档开始快得多。成本极低，翻车风险也最小。

排期是最适合自动化的环节——规则明确，重复性高，出错代价相对可控。先把排期跑通，团队立刻能感受到协作摩擦的减少，也能建立对 Agent 系统的信任感。

人多了之后，选题会的效率问题会被放大。用 Agent 做初筛和评分，把选题会从"头脑风暴"变成"决策会"，能显著提升会议质量。

TOPIC_SCORING_PROMPT = """
你是一个内容运营专家，请对以下选题进行评分。

账号定位：{account_positioning}
目标读者：{target_audience}
禁用话题：{forbidden_topics}
近期爆款关键词：{trending_keywords}

待评估选题：{topic_title}
选题摘要：{topic_summary}

请从以下维度打分（每项0-10分）：
1. 与账号调性匹配度
2. 目标读者关注度
3. 话题时效性
4. 内容差异化空间

输出格式：
各维度得分
综合推荐指数（0-10）
推荐理由（50字以内）
潜在风险提示
"""

import anthropic

client = anthropic.Anthropic(api_key="your_api_key")

def schedule_content(articles: list, constraints: dict) -> str:
prompt = f"""
请根据以下约束条件，为这批文章安排发布排期：

文章列表：{articles}
约束条件：{constraints}

要求：
- 同类内容间隔至少3天
- 重型长文避开周一
- 每周保持均匀分布
输出JSON格式的排期表。
"""

message = client.messages.create(
model="claude-sonnet-4-5",
max_tokens=1024,
messages=[{"role": "user", "content": prompt}]
)

return message.content[0].text

文中的 API 调用示例，我们用的是直连大模型接口的方式——成本比套壳产品低不少，且 Prompt 完全可控。如果你想自己搭同款工作流，可以直接去 [api.884819.xyz](https://api.884819.xyz) 申请接口，按量计费，新用户注册即送体验 token，国产模型（Deepseek、千问等）完全免费，测试阶段基本不花什么钱。我们当时就是从这里开始跑通第一个节点的。

---

结语：那2个人的位置，我们用来招了更好的人

3周结束，我们做了一个粗略的统计：

• 每周处理的候选选题数量，从人工筛选的20条左右，扩展到 Agent 初筛的100条以上
• 人工干预次数：平均每天2-3次，主要集中在选题终审和事实核查
• 翻车事件：3次较严重（包括开头那次排期事故），都在发布前被拦截
• 人均有效工时中，"判断类工作"的占比从不到30%提升到接近60%

用一句话总结：AI Agent 让我们5个人干了以前7个人的活。但那2个人的位置，我们用来招了一个更好的主编和一个数据分析师。

这不是裁员故事，是升级故事。

---

有一件事我们在这3周里一直没想清楚：当 Agent 生成的内容开始影响读者认知，"内容质量"的定义权还在编辑手里吗？

下一篇我们想聊聊——当 AI 写的稿子数据比人写的更好时，编辑该怎么看待自己的价值。如果你有自己的答案，评论区见。

---

#AI Agent #内容运营 #AI工作流 #848AI #人工智能 #效率工具 #AI写作 #团队协作