Solo UnicornAI 内容工厂：一个人怎么做到日更三平台
AI 内容工厂：一个人怎么做到日更三平台
2025 年中，有人问我：你一个人怎么每天都有内容出来？
那时候我正在同时运营三个业务、管理一人独角兽俱乐部 700 人社群，还在做 JewelFlow 的产品迭代。我没有内容团队，没有运营助理，写稿、排版、发布、数据复盘——表面上都是我在做。
实际上，75% 的执行工作是 AI 流水线完成的。我只做剩下那 25%。
这篇文章拆解这套内容工厂的具体搭法：什么触发了它、怎么设计的、用了哪些工具、踩了哪些坑。
背景：内容产出为什么变成了瓶颈
我做内容有明确的商业目的：引流到 JewelFlow 的试用注册、给一人独角兽俱乐部持续带新成员、以及建立 Jessie Qin 这个品牌在 AI 创业圈的认知度。
2025 年初，我每周大约发 3–4 篇内容，主要集中在 LinkedIn。流量不差，但覆盖太窄。
问题是：要做到多平台日更，光靠"多写"是行不通的。一篇 1500 字的 LinkedIn 长文，我写完要两到三个小时。改成 Twitter 适合的格式再花 40 分钟，公众号排版再花半小时，加上研究素材的时间，一篇内容的总工时轻松超过 4 小时。
4 小时 × 每天 = 不可能。
所以问题从一开始就不是"怎么多写"，而是：哪些环节根本不需要我亲自写？
答案是：研究、初稿、格式转换、排期——这四件事，没有一件需要我的判断力，只需要有人去执行。
系统设计：内容流水线的四个环节
我把一篇内容从想法到发布分成四个阶段，每个阶段对应一个或多个 AI 节点。
话题库 ──► 研究 Agent ──► 起草 Agent ──► 格式转换 Agent ──► 排期发布
│
质检 Agent（评分 < 75 退回修改）
整条链路的数据流是结构化 JSON，这样每个节点可以独立替换，不影响上下游。
环节一：话题库管理
这是唯一完全靠我手动维护的部分，也是整套系统的质量上限。
我在 Notion 里维护一个话题库，分六个系列：AI 工具对比、公司拆解、Agent 框架解析、每日洞察、一人创业 + AI、热观点。每个系列对应不同平台的受众和内容调性。
每周日晚，我花 30–40 分钟做下周选题，写下每个话题的核心观点和我想说的 1–2 个具体案例。这是我真正在"想"的时间，其他时间都在执行。
话题库里目前存了 300+ 个待写选题，覆盖接下来大约四个月的内容。这个储备让我可以在某天完全没有新想法的时候，系统照常运转。
环节二：研究 Agent
触发方式：手动或定时批量触发，每次处理 5–10 个话题。
任务：针对每个话题，做定向网络搜索，拉取最新数据点、相关工具的定价信息、竞品对比数据、近期行业事件。输出是一份结构化的研究简报，500–800 字，JSON 格式。
工具：Perplexity API（联网搜索）+ Claude claude-sonnet-4-6（信息整理和去重）。
举一个具体例子：话题"Notion AI vs Obsidian + AI 插件对比"。研究 Agent 自动抓取两个工具的最新定价、主要功能更新日志、Reddit 和 Product Hunt 上的用户评价摘要，以及两个工具的适用场景定义。这份简报如果我手动做，至少一小时。Agent 跑下来大约 3 分钟。
环节三：起草 Agent + 质检 Agent
研究简报进入起草 Agent 后，生成三个版本的内容：
- LinkedIn 长文（800–1200 字中文，附英文版）
- Twitter 主帖（280 字以内，附 5–8 条展开 thread）
- 公众号版（1500–2000 字，加段落小标题、加互动问题）
三个版本不是互相翻译，是针对不同平台受众重写。LinkedIn 读者更偏职场专业人士，重框架和数据；Twitter 要求密度高、第一句就要钩住人；公众号读者来自一人独角兽俱乐部，要有更多具体操作细节。
起草完成后，质检 Agent 打分，维度包括：信息密度、观点清晰度、与 Jessie 品牌调性的匹配度、是否有具体数据支撑。总分 100，低于 75 的退回修改，修改上限两轮，两轮后标记为人工审阅。
工具：Claude claude-sonnet-4-6（起草 + 质检）。
说明：起草 Agent 的 prompt 调了很久，主要是在解决两个问题——不能太"AI 腔"（什么"众所周知"、"毋庸置疑"），也不能太模板化（每篇格式一模一样）。现在的版本我跑了大约 60 篇内容来校准，过审率在 80% 左右，剩下 20% 我会过眼改两句。
环节四：格式转换与排期发布
质检通过的内容进入最后一个环节：格式化 + 自动排期。
LinkedIn 版本加 YAML frontmatter，标记话题、日期、平台、字数；Twitter 版本拆分成可直接粘贴的格式；公众号版本加排版标记（加粗、分隔符）。
排期逻辑是：优先保证每个平台每天有一条内容。Twitter 量最大，每天 1–2 条主帖；LinkedIn 每天一篇，工作日为主；公众号每周 3–4 篇。
工具：n8n（工作流编排）+ Buffer（Twitter/LinkedIn 排期）+ 手动推送公众号（公众号 API 对个人账号限制多，还没找到完全自动的方案）。
工具栈与成本
| 场景 | 工具 | 月费 | 备注 |
|---|---|---|---|
| 联网研究 | Perplexity API | ~$8 | 按量计费，每月约 500 次查询 |
| 起草 + 质检 | Claude API（claude-sonnet-4-6） | ~$22 | 包含所有起草、质检、修改调用 |
| 工作流编排 | n8n（自托管） | $8（服务器） | Railway 上跑 |
| 排期发布 | Buffer | $15 | Twitter + LinkedIn 双平台 |
| 话题库 + 内容存档 | Notion | $0（个人计划） | |
| 合计 | 约 $53/月 |
这 $53/月支撑了三个平台、每天合计 2–4 条内容、每月约 80–100 篇内容的产出量。如果换成人工——哪怕是最初级的内容助理——光是北京的市场行情也要 5,000–8,000 元/月起。
实际数据
系统稳定跑了大约五个月，几个关键数据：
产出量：月均 92 篇内容（Twitter 帖子 + LinkedIn 长文 + 公众号文章合计），峰值月份达到 117 篇。2025 年初手动写的时候，月均 18 篇。
我实际花的时间：每周平均 3.5 小时在内容上。包括：周日选题 35 分钟、每天快速过一遍质检输出大约 15 分钟、每周公众号手动推送约 40 分钟。
数据表现：LinkedIn 月度浏览量从 2025 年初的约 12,000 增长到现在的 41,000，主要是发布频率提升带来的。Twitter 的情况更直接，从不稳定更新（有时一周没有新帖）变成每日更新后，账号 30 天内粉丝净增 1,200。
质量维持率：起草 Agent 的首次过审率约 80%，二次修改后综合过审率 93%。剩下 7% 我过眼改一改，没有内容因为质量问题直接废掉过。
踩坑记录
坑一：起草 Agent 早期"过度优化"每一篇
最开始写 prompt 的时候，我把很多风格要求加进去：要有具体数字、要有对比、要有个人经验、要有可操作步骤……结果 Agent 每篇都按这个模板来，读者很快能感受到格式感。
修改方向：减少强制性要求，改成"优先"项和"可选"项。让 Agent 根据话题特性自己判断用哪些手法。灵活之后，格式感降了，内容的差异化反而更明显。
坑二：三个平台版本互相"借用"句子
曾经发现 LinkedIn 版本和公众号版本有整段相似，读者如果同时关注两个平台会觉得被重复喂。
原因是起草 prompt 里没有明确禁止内容复用，Agent 有时候会直接把一个版本的段落略作修改搬到另一个版本。
修改方法：在 prompt 里加了明确约束：三个版本必须从不同角度切入，至少 60% 的句子不得雷同。简单粗暴，但有效。
坑三：话题库枯竭时的应急方案没想好
有一周我选题做得比较少，话题库里剩下的都是我暂时没想清楚观点的话题。Agent 跑出来的内容质量明显下降——因为研究简报有数据、有案例，但没有明确的观点作为锚点，起草出来的东西就成了资料汇编，而不是有态度的内容。
现在的应对方式：话题库低于 30 个时我会收到通知，提醒补充选题。同时给每个话题加了一个必填字段："我的核心观点是什么"，逼着自己在进库前把这件事想清楚。
坑四：把公众号排期完全托管给工具
试过用第三方工具托管公众号推送，结果有一次推送失败没有任何通知，当天内容白跑了。公众号的算法对发布时间比较敏感，错过就是错过。
现在公众号我坚持手动推，一周三四次，10 分钟的事。自动化不是目标，稳定交付才是。
系统的边界：什么是 AI 不能替我做的
我不把选题判断交给 AI。什么话题值得写、观点从哪个角度切入、哪个案例最能说明问题——这些判断直接决定内容质量，也是我对读者最核心的价值。
我不把互动回复交给 AI。LinkedIn 评论、Twitter 回帖、公众号留言——这些我都亲自回。内容是我的声音，互动是我真实存在的证明。如果用 AI 回复评论，读者早晚会感觉出来，信任一旦失去很难重建。
我不追求"零人工"。每周 3.5 小时不是我努力压缩到的极限，而是我有意保留的人工介入时间。自动化的目的是把我的时间解放到更有价值的地方，不是把我从内容里彻底抽离。
给想搭类似系统的人
起步不需要这么复杂。我的建议是：
第一步，先跑通一个平台的全流程。选你最活跃的那个平台，把从研究到发布的完整流程用 AI 辅助跑一遍，哪怕用最简单的 ChatGPT 对话也行。感受一下哪些环节最费时，那个就是第一个值得自动化的点。
第二步，把你的声音固化成 prompt。这是最关键也最难的一步，没有捷径。你需要拿十篇自己觉得写得好的历史内容，认真分析：我习惯怎么开头、我的句子节奏是什么、我怎么用数据、我怎么举例——然后把这些特征写进 prompt 里。这个过程要花时间，但一旦固化，每篇新内容都有基准。
第三步，在成本上给自己设个上限。我的内容流水线跑到 $53/月，是有意识控制的结果。AI 工具很容易越用越多，在看不清 ROI 之前，建议设个预算上限，强迫自己只保留真正有效的工具。
一人独角兽俱乐部里有不少成员在做内容，最常见的问题是"没有时间写"。多数情况下，真正的瓶颈不是时间，而是每一篇都从零开始。
系统能解决的，是那个从零开始的摩擦。剩下的，还是得靠你自己的判断力。
你目前的内容产出流程里，哪个环节最卡？