夜雨聆风先说结论：AI 自动发文的核心，不是让它每天替你写一篇文章，而是让它像一个小型编辑部一样，完成选题、核验、写稿、排版、配图、发布和复盘。
很多人第一次做 AI 自动发文，脑子里想的是：每天定时搜热点，然后让大模型写一篇 2000 字文章，配几张图，再推到公众号草稿箱。
听起来很顺，甚至有点诱人。
但这里有个坑：如果流程只解决“写得出来”，它很快就会变成一台稳定生产平庸内容的机器。标题看着像那么回事，正文也不短，段落也整齐，可读者读完只会觉得：这篇我好像在哪儿都看过。
所以，这件事真正该优化的不是“让 AI 更快写稿”，而是让它更像一个靠谱编辑。它要知道什么值得写，哪些话不能乱说，普通读者到底关心什么，也要知道每次发布之后从数据里学点东西。
这篇文章就讲一件事：如果你想用 AI 自动运营一个公众号，应该怎么把“发文脚本”升级成“内容生产线”。
01 先别急着写，标题池决定一半点击
公众号文章的第一步不是正文，而是标题池。标题不只是包装，它决定读者会不会点开，也决定搜索流量能不能找到你。
后续每一篇文章，都应该先给出 5 个备选标题，再决定最终标题。不要让 AI 只给一个标题，因为第一个标题往往只是“能用”，不一定“能点”。
一个合格的公众号标题，至少要同时满足三件事：
| 标题能力 | 要解决的问题 | 例子 |
|---|---|---|
| 有点击欲 | 读者刷到时愿不愿意点 | 如何用 AI 帮你搭一条全自动内容生产线？ |
| 有搜索词 | 后续能不能被搜到 | AI 自动写作、公众号自动发文、AI 工作流 |
| 有定位感 | 是否符合「东的AI说」的普通人视角 | 普通人也能照着做，不需要写代码 |
我更建议把标题池当成一个小漏斗：先列出 5 个方向，再从点击、搜索、定位三个维度筛选。
比如这篇文章，最普通的标题可能是《公众号自动发文 Agent 指南》。它准确，但不够吸引人，也更像内部文档。
改成《如何用 AI 帮你搭一条全自动内容生产线？》之后，读者能立刻知道三件事：这和 AI 有关，这是一套方法，而且可能能直接照着搭。
这就是公众号标题要做的事：不用夸张，但要让人知道点开有什么收获。
02 自动发文最容易失败的地方，不在技术，而在选题
自动化内容最怕的不是写不出来，而是写了一堆“没错但没用”的文章。
很多 AI 内容流水线会从“今日 AI 新闻”“某某工具更新”“某某模型发布”开始搜，然后看到一个热词就开写。问题是，热点不等于选题，新闻也不等于价值。
对普通读者来说，他们并不关心某个模型参数提升了多少，也不一定关心某家公司又发了什么 API。他们真正关心的是：
- 这件事跟我有什么关系？
- 我今天能不能用上？
- 它能帮我省时间、少花钱、少踩坑，还是只是看起来很厉害？
所以，一个更好的做法是让 Agent 每次至少整理 5 个候选选题，并给它们打分。
可以用这 5 个维度判断：
| 维度 | 要问的问题 |
|---|---|
| 普通人收益 | 读者读完能不能立刻行动？ |
| 信息新鲜度 | 这是今天/昨天的新消息，还是老内容换皮？ |
| 可操作性 | 能不能写出步骤、案例、清单或决策建议？ |
| 可信素材 | 有没有官方来源或权威媒体支撑？ |
| 差异化观点 | 能不能写出自己的判断，而不是复述新闻？ |
这一步看似麻烦，但它能挡掉很多无效内容。
说白了，AI 太能写了。只要你给题目，它总能写出一篇结构完整的稿子。可结构完整不代表值得发布。一个好的 Agent 流程，必须先学会“不写什么”。
03 写稿前先做事实卡片，避免 AI 一本正经地胡说
自动化文章要可信，必须先把事实、判断和不确定信息分开。
AI 工具、产品更新、价格、功能限制变化都很快。一个功能是否开放、是否收费、是否只支持海外用户、是否需要等待名单，都可能在几天内变化。
如果文章里写错，读者照着操作失败，信任感会掉得很快。
因此，写稿之前应该先让 Agent 生成一张事实卡片：
选题：某 AI 工具的新功能
核心结论：普通人最值得关注的是 XXX，而不是 XXX。
信息源：
1. 官方公告：证明功能发布时间和适用范围
2. 产品文档：证明使用步骤和限制条件
3. 媒体评测：补充真实体验和案例
不确定信息：
- 价格是否长期保持不变，暂未确认
读者行动：
- 可以先用免费版测试 XXX 场景这张卡片不是为了好看，而是为了避免 AI 把“可能是”写成“就是”。
事实是：某个工具推出了什么功能，支持什么平台，有什么限制。
判断是：这个功能对普通人是否有用，适合什么场景，值不值得尝试。
不确定信息是：目前证据不够，不能写死。
这三类信息分清楚后，文章会明显更稳。读者也能感受到你不是在凑字数，而是在替他做判断。
04 真正有价值的 AI 文章，要把新闻翻译成行动
读者不缺“发生了什么”，缺的是“我该怎么做”。
很多 AI 新闻解读写得没价值，是因为它停在了新闻复述。
比如某个工具发布了新功能，普通写法可能是：
某某公司近日推出了全新 AI 功能，该功能可以提升用户效率，降低使用门槛，未来有望改变工作方式。
这类话看着顺，但读者读完不知道下一步干嘛。
更好的写法应该往下多走三步：
- 它具体能解决什么问题？
- 谁现在应该试，谁可以先不用管？
- 第一次上手应该怎么做，别踩哪些坑？
比如讲一个 AI PPT 工具，文章不应该只说“它能生成幻灯片”，而应该告诉读者：
如果你只是要做一次内部汇报，它适合帮你搭框架、改标题、整理逻辑；但如果你要做品牌发布会或融资路演，它生成的视觉风格可能还不够稳，最好把它当成初稿助手，而不是最终设计师。
这个区别很重要。
因为普通人不缺“这个工具很强”的信息，他们缺的是“我该怎么用它，以及用到什么程度就该停手”。
05 一条完整内容生产线，至少要有 6 个环节
不要只让 AI 写稿，要让它跑完整条内容链路。
一条真正能用的 AI 内容生产线，至少包括这 6 个环节：
| 环节 | Agent 要做什么 | 产出物 |
|---|---|---|
| 选题 | 搜热点、列候选、打分 | 今日选题表 |
| 核验 | 查来源、拆事实、标不确定信息 | 事实卡片 |
| 写稿 | 用固定结构写正文 | Markdown 初稿 |
| 润色 | 去套话、补判断、调节奏 | 可读版本 |
| 排版配图 | 套模板、生成封面和内文图 | 微信 HTML + 图片 |
| 复盘 | 记录数据、更新选题权重 | 发布日志 |
你会发现，“写稿”只是其中一环。
真正的价值在前后两端：前端决定写什么，后端决定下一次怎么写得更准。中间的正文生成，反而是最容易自动化的部分。
这也是我建议把它叫“内容生产线”，而不是“自动写稿工具”的原因。
06 去 AI 味不是加口语，而是增加判断和取舍
真正的 AI 味，来自没有判断。
很多人理解“去 AI 味”，会以为就是把“总的来说”“值得注意的是”删掉，再加几句“说白了”“坦白讲”。
这当然有用，但只是表层。
一篇文章如果每个观点都四平八稳，每个工具都“有优势也有不足”，每个结尾都是“未来值得期待”，那读者很容易看出它没有作者。它只是在平衡各方，避免犯错。
但公众号需要的是观点。
观点不等于偏激，而是你愿意替读者做一次取舍。比如：
- 这个功能现在被高估了，因为它看起来酷，但普通人用不上。
- 这个工具适合学生和自由职业者，但不适合团队协作。
- 这次更新真正重要的不是生成能力，而是降低了上手门槛。
- 如果你只有 10 分钟，我建议先试 A，不要折腾 B。
这些句子比“该工具具有广阔应用前景”有用得多。
所以，润色阶段不要只做语言替换，而要逐段检查：这一段有没有明确判断？有没有告诉读者该怎么选？有没有讲清楚不适合的情况？
有了判断，文章才像人写的。没有判断，再自然的口语也只是包装。
07 配图和排版不是装饰，而是降低理解成本
每篇文章都应该有 2-3 张内文配图，而且同一篇文章的配图风格必须统一。
公众号文章里的图，不应该只是为了“看起来丰富”。尤其是 AI 教程类内容，配图最重要的作用是降低理解成本。
读者可能不懂模型、插件、工作流、提示词这些词，但他能看懂流程图、对比表和步骤图。
比较适合「东的AI说」的配图有四类：
| 图片类型 | 适合场景 |
|---|---|
| 流程图 | 解释一个工具从输入到输出怎么工作 |
| 对比表 | 比较多个工具适合谁、价格如何、上手难度如何 |
| 操作步骤图 | 教读者按步骤完成一个任务 |
| 复盘闭环图 | 帮读者理解系统如何越跑越准 |
这篇文章采用的配图风格是：白底信息图、深蓝主色、蓝绿黄强调色、圆角卡片、轻阴影、少文字。
后续文章也可以沿用这个风格。这样读者会慢慢形成识别感：一看到这种图，就知道是「东的AI说」在讲 AI 方法。
08 流程最后必须有复盘，否则自动化只是在重复旧错误
发布不是结束，复盘才是下一篇文章的开始。
很多流程到“推送到草稿箱”就结束了。但如果不记录每篇文章的选题理由、信息源、标题、字数、配图数量、发布表现，Agent 永远不知道什么内容更适合这个账号。
建议每篇文章发布后记录这些信息：
| 项目 | 作用 |
|---|---|
| 选题总分 | 判断当初为什么选它 |
| 核心结论 | 回看文章是否有清晰观点 |
| 信息源 | 方便追溯事实 |
| 阅读完成度 | 判断开头和结构是否有效 |
| 收藏率 | 判断内容是否具备长期价值 |
| 分享率 | 判断观点是否值得传播 |
| 关注转化 | 判断账号定位是否清楚 |
复盘不是为了追求单篇爆款，而是为了让系统越来越懂自己的读者。
比如连续一周之后，你可能会发现：工具教程的收藏率高，但新闻解读的分享率高；或者“普通人怎么用 AI 做某件具体事”的表现，明显好于“某某大模型发布”的表现。
这些发现会反过来优化选题打分。久而久之，自动化流程就不只是每天执行任务，而是在学习账号的内容方向。
最后：让 AI 做编辑部，不要只做打字员
把 AI 用在公众号发文上，最浅的一层是让它写稿；更深一层，是让它承担编辑部的工作。
它要会选题，会核验，会写作，会排版，会配图，会发布后复盘。
如果只把 Agent 当打字员，它会帮你更快地产出更多普通内容。
如果把 Agent 当内容系统，它会帮你稳定地把复杂信息翻译成普通人能理解、能行动、能判断的文章。
我更建议后者。
因为今天读者真正稀缺的不是信息，而是有人替他把信息筛一遍、讲明白、说人话，再给一个可以立刻执行的建议。
最后给一个简单版本的行动清单：
- 每篇文章先给 5 个备选标题，再选最终标题。
- 用普通人收益、可操作性、可信素材给选题打分。
- 写稿前先做事实卡片，把事实、判断和不确定信息分开。
- 正文不只讲发生了什么，要讲读者能怎么做。
- 润色时重点增加判断和取舍，不只是删套话。
- 每篇文章配 2-3 张统一风格内文图。
- 发布后记录数据，让下一篇更准。
做到这一步，自动发文才不是“让 AI 每天交一篇作业”，而是搭起了一条能持续进化的内容生产线。
如果你也想用 AI 做内容、副业或个人工作流，记得关注「东的AI说」。后续我会继续拆更多能落地的 AI 副业实操指南，尽量不讲玄学，只讲普通人能照着试的方法。
*作者：阿东阿 | 东的AI说*
—— 东的AI说 ——
