论文 PDF 交给智能体,几分钟后生成微信公众号草稿

把一篇论文 PDF 发到固定入口，过一会儿，微信公众平台草稿箱里多出一篇已经排好版的推文。

标题有了，导语能读，正文分好了层。作者、单位、基金、DOI 没被丢掉；年份、术语、图片、引用这些容易出事的地方，也被单独标出来。编辑打开后台，看到的不是聊天框里一段“看起来还行”的文字，而是一篇可以预览、可以修改、可以转给同事看的公众号草稿。

这件事对期刊编辑部的刺激，可能比“AI 会写文章”更大。

因为它碰到的不是写作工具，而是生产链。

过去我们用 AI，常常是让它写一段、改几句、拟几个标题。用得好，确实能省一点时间。但稿子要进入公众号后台，编辑还要核事实、改角度、调标题、补作者信息、处理图注、复制粘贴、重新排版、手机预览。刚省下来的十几分钟，很快又被这些细活吃回去。

现在不一样的地方在于，一篇论文可以被送进一条相对完整的链路：读入、拆解、提炼、改写、排版，最后生成微信草稿。

它让编辑部看见：论文可以沿着规则，先走到一个可接手的位置。

期刊编辑并不容易被一段顺滑文字打动。

一段话通顺，不代表能发；标题有吸引力，不代表没有越界；正文结构完整，也不代表论文事实没有被读错。编辑真正耗时的地方，往往藏在后半程。

打开论文，确认题名和作者信息；从摘要里找研究问题；判断哪些内容适合公众号读者；把学术表达改成可读表达；处理小标题、图注、引用和作者简介；复制到微信后台；预览手机端效果；发现段距不对，再回来改；发现标题太满，再换一版。

这些动作单独看都不大，连在一起就是一下午。

所以，论文 PDF 进入微信草稿箱，真正有冲击力的地方在于：它把过去散落在多个窗口、多个工具、多个临时判断里的动作，串成了一条可以重复运行的小生产线。

聊天框给你一段文本。

草稿箱给你一个可以接手的工作成果。

这两者差得很远。

这条链路不神秘，也不玄乎。它没有绕过编辑，更没有把“发布”交给机器。它做的事情很朴素：把一篇论文推进到编辑可以审看的状态。

PDF 进来以后，智能体先读结构。

题名、作者、单位、摘要、关键词、基金项目、DOI、图表、参考信息，这些都要被识别出来。对期刊编辑来说，这些不是附属信息。作者单位错一个层级，基金编号漏一个字符，DOI 多一个空格，后面都会返工。

接着，它把论文拆成可用素材。

论文摘要服务于学术检索，公众号导语服务于阅读进入。两者不能直接互换。智能体要从论文里拆出几个关键问题：这篇文章研究什么，解决了什么疑问，有没有可讲给非本领域读者的入口，哪些结论只能谨慎表达，哪些图表和案例适合作为传播抓手。

再往后，是传播角度。

以一篇艺术研究论文为例，原题偏学术，讨论的是展览叙事与公众理解之间的关系。如果只是把摘要改得口语一点，普通读者未必愿意点开。更合适的做法，是先给出几类入口：同行能读的学术角度，普通读者能进入的问题角度，和现实展览经验相连的现场角度。

比如，把论文里的一个学术问题转成这样的提问：为什么有些展览越来越难看懂？

这个角度没有把论文讲浅，它只是给读者找了一扇门。编辑可以采用，也可以否掉，换成更稳的表达。关键是，几个候选入口已经摆到桌面上，编辑不用从空白页开始。

随后，智能体生成公众号初稿。

这里的初稿更像一份工作底稿：标题候选、导语、正文骨架、重点段落、引用位置、待核事实、可能越界的表达、需要补图或确认版权的地方，都应该留出来。

如果这一步只停在 Word 或聊天框，搬运工作还在。继续往前走，才到了真正改变体验的部分：排版和草稿箱。

推文按照公众号样式生成 HTML，小标题、段落、提示框、图注、作者信息、版权说明进入固定位置。随后，它被写入微信公众平台草稿箱。编辑打开后台，看到的不再是一堆待复制的文字，而是一篇已经有样子的稿子。

到这里，智能体才算真正碰到了编辑部的日常现场。

这类场景很容易被误解成“机器自动发稿”。

不能这么理解。

草稿箱是交付点，不是发布按钮。智能体把稿子送到后台，只说明它完成了重复性准备工作；能不能发、怎么改、标题是否合适、事实是否准确，仍然要由编辑来判断。

一条可用的期刊编辑部智能体链路，背后至少要有几条规则撑着。

入口要固定。编辑从哪里发起任务，上传什么材料，选择哪个栏目，使用什么口令，不能每个人随手问。

样例要固定。机器要知道本刊公众号过去怎么写，哪些标题可用，哪些表达不能用，什么样的段落节奏像本刊，什么样的热闹会伤害专业感。

口径要固定。论文事实不能补写，作者观点不能扩大，研究结论不能为了点击变成普遍判断。遇到不确定的地方，要标出来，不能编圆。

验收也要固定。草稿进入后台以后，编辑看什么，主任看什么，哪些问题必须退回，哪些问题可以人工修改，哪些内容必须停下来复核，都要提前写进流程。

没有这些东西，自动进草稿箱只是一场漂亮演示。规则在前面托住，它才可能成为编辑部的一段生产能力。

这件事最容易带来两种反应。

一种是兴奋：原来一篇论文真的可以在较短时间内变成公众号草稿。

另一种是担心：草稿都出来了，编辑是不是只剩下点发布？

我更愿意把它看成一次工作位置的变化。成熟的智能体流程，不会让编辑消失。它会把编辑从低价值搬运里拉出来，推回判断位置。

编辑仍然要看事实。

题名、作者、单位、基金、DOI、年份、作品名、展览名、数据、引用，这些基础信息不能因为已经排进草稿箱就默认无误。学术类公众号里，一处事实错误足以抵消整篇文章的传播收益。

编辑仍然要看角度。

同一篇论文，可以走学术角度，也可以走公众理解角度，还可以走事件角度。机器能给候选，但它不知道这一期栏目想服务哪类读者，也不知道本刊最近的选题节奏。角度最后由编辑定。

编辑仍然要看分寸。

公众号标题要有进入感，但不能把作者的谨慎结论改成惊人发现；导语可以更清楚，但不能替论文增加原文没有的判断；传播稿可以更活，但不能把期刊立场说过头。

版权和发布条件也不能省。

图片能不能用，图注是否完整，引用是否过量，作者是否需要确认，是否涉及未授权材料，是否符合公众号发布规范，这些都不能交给机器独自承担。

智能体可以把草稿送到门口，编辑仍然要开门、验货、决定能不能进屋。

这条线不是保守，它是期刊编辑部的专业底线。

如果只把它看成“AI 写公众号稿”，就低估了这条链路。

期刊编辑部里有很多工作，过去靠个人经验、临时判断和手工搬运维持。老编辑知道怎么做，但很难把每一步写下来；新编辑能跟着学，却很难马上接住；主任知道要统一口径，也常常只能靠反复提醒。

智能体恰好卡在这里。

它要求编辑部把一件事说清楚：什么材料可以输入，哪些资料必须随任务一起给，输出应该长什么样，谁来复核，结果落到哪里，出了问题怎么退回。

这些规则写下来，变化就不只发生在某一篇推文上。

下一篇论文再来，可以沿着同一条链路跑；换一个青年编辑，也能看到同样的中间结果；主任复盘时，不用只问“这篇是谁写的”，还可以看“哪条规则导致了这个结果”。

从论文 PDF 到微信草稿箱，最值得关注的不是那几分钟有多快。

更重要的是，编辑部过去说不清、传不稳、靠经验撑着的部分，开始变成可以运行、可以复盘、可以交接的流程。

任何编辑部都不需要一上来就改造全部流程。

更现实的做法，是先选一条高频、低风险、可复核的小链路。比如论文公众号推介。

输入相对清楚：一篇论文 PDF，加上本刊公众号样例和栏目要求。

输出也相对清楚：一篇草稿箱里的推文，加上事实核查位和编辑复核清单。

风险可以控制：不自动发布，不替编辑签发，不把机器输出当成期刊意见。

收益也足够直观：编辑不用从零提炼标题、导语和结构，不用反复复制粘贴排版，也不用在多个工具之间搬来搬去。

这就是为什么我认为，论文 PDF 到微信草稿箱，很适合作为期刊编辑部认识智能体工作流的第一个样例。它不抽象，读者能看见；它不玄虚，编辑能判断；它不要求一步到位，却足以让人意识到，AI 进入编辑部的方式已经变了。

问题也就自然来到下一步。

现在越来越多期刊已经把论文放在网络详情页上。题名、作者、单位、摘要、关键词、DOI、图表摘要、引用格式、下载链接，很多信息本来就结构化地摆在页面里。编辑有时不一定需要先下载 PDF。

如果只把一篇论文详情页链接发给智能体呢？

在页面允许读取、字段足够稳定、版权和授权边界清楚的前提下，它能不能读取页面信息，判断这篇文章适合怎么讲，生成公众号标题、导语和正文，再按本刊模板排版，送进微信草稿箱，等待编辑复核？

对英文刊来说，这个问题更现实。一个文章详情页链接，往往已经包含了比 PDF 更适合机器读取的元数据。链接一发，草稿箱里出现一篇可复核的中文推文——这至少是一个值得验证的小场景。

这条链路跑通，期刊编辑部面对的就不只是“PDF 自动写推文”，而是论文发布页、期刊网站和公众号后台之间被真正接了起来。

下一步，真正值得看的，也许就是这件事。