我搭了一套内容机器。
它把变成了一个人撑起一家媒体公司，为 @tenex_labs 带来了数千万 pipeline，而且对 AI 味内容过敏。
还让我的所有员工都变成了内容创作者。
我可能会开源整个东西，但现在先分享我是怎么搭建的以及它是如何运转的。
如果你想自己搭一套内容机器，可以直接把步骤复制粘贴到 Claude/Codex 里。
步骤 1：梳理流程
要想让任何工作实现 AI 原生，你得先明白它历史上是怎么做的。这就是为什么业务上下文和领域知识在 AI 时代依然至关重要。
过去十年，内容一直是我的饭碗。所以第一步我拿出一张 8.5×11 的打印纸，画出了传统流程：
- 寻找灵感
- 选一个 10 倍内容选题
- 研究这个选题
- 把所有想法脑暴出来
- 决定要创作的帖子格式
- 写初稿
- 编辑帖子
- 生成衍生版本
- 发布
- 跟踪效果
步骤 2：哪里需要我，哪里不需要我？
我只需要参与第一英里和最后一英里：
- 第一英里：选定选题/方向，提供所有必要的上下文
- 最后一英里：用放大镜过最终稿，给出最终批准
AI 可以搞定剩下的一切：寻找灵感、研究选题、提取我的想法、写帖子、第一轮编辑、生成衍生内容、跟踪效果。
步骤 3：搭建内容机器
这套机器就是一个流程，可以端到端运行，也可以分步执行。它是一个技能目录，模拟了内容流程中我已委托出去的那些步骤。
1) 预言家 [AI]
从我的 Slack、Notion、通话记录和 Gmail 中挖掘闪光点——那些我自然说出的值得扩展的时刻；同时互联网阅读器会整理我选定的 X 账号和网站的外部信息流。
评分 ≥6/10 的选题会被写入“宝藏库”（一个 Notion 内容选题数据库）。
2) 从宝藏库中挑选选题 [人类]
3) 研究员 [AI]
在任何采访前，生成一份有来源的研究报告.md：TL;DR、关键事实及链接、当前进展、别人已经说过什么、反常识视角、以及采访中待解答的开放问题。对断言进行对抗性检查，区分事实与观点。
4) 采访小组 [AI + 人类]
六位世界级采访者（Joe Rogan、Howard Stern、Michael Barbaro 等）逐一提问 12–15 个问题，每个问题推动不同维度……而且从不满足于模糊的回答。没有 2–3 个具体故事、真实数字和情感细节就不让通过。
5) 制作 [AI]
采访内容变成一个原始 .md 文件：逐字稿、关键故事、核心洞察、金句、情感锚点、意外揭示，以及“所以呢”。这个原始文件是神圣的——我的原话，绝不转述。
6) 精炼 [AI + 人类]
我告诉机器我想创作什么类型的内容。它会读取我的自定义风格指南 + 过往反馈经验 + 内容类型规范，然后用我的语气写稿……直接从原始文件中抽取真实故事和引语。第一规则：写得像在给朋友发微信。支持长文、LinkedIn、X 主题帖等多种形式。
7) 作者委员会 [AI]
六位专家评审（Shaan Puri、Morgan Housel、David Perell 等）从各自视角给初稿打分，把修改建议分为两类：编辑性修改（机器可以重写）和信息缺口（只有创作者能回答……这些会返回采访小组）。
8) 修改循环 [AI]
迭代直到委员会评分达到 9/10。
9) 再利用引擎 [AI]
一篇锚内容 → 10+ 个原生格式的衍生作品，每个都针对其平台重新设计钩子，并且每个都要通过完整的委员会 → 修改门槛 9/10。这就是两个人产出像一百个人的秘诀。
10) 最终修改 [人类]
11) 学习循环 [AI]
批准通过后，机器对比初稿与终稿，提取确认的经验教训，并保存到该创作者的 content-lessons.md 文件中。未来每篇初稿都会更聪明。当经验教训与风格指南冲突时，以经验教训为准。
随便抄走这套机器，有不明白的尽管问我怎么用！