三个月前，我每周在公众号内容上要花将近 6 个小时。
搜素材、筛资讯、列大纲、写初稿、改格式、做封面图、上传排版、填标题摘要——每一步都是体力活，每一步都在消耗本来应该用来写代码的时间。
最烦的不是"写"本身，而是那些围绕着写的机械重复：同一类信息要搜好几遍，封面图每次都要重新找参考、调尺寸，上传微信的格式踩坑永无止境。
我开始想，这些东西能不能用代码解决？
现在的答案是：能。我搭了一套 AI 驱动的内容管线，把整个流程压缩到了 10 分钟以内。这篇文章就是在拆解这套系统是怎么做出来的。
问题拆解：内容运营到底在浪费哪些时间
在动手之前，我先把流程拆开来看，找出真正耗时的环节：
环节一：选题与素材收集（原来 2 小时） 需要搜不同来源、不同角度的资料，手动开十几个标签页，整理成可用的笔记。这件事最烦的不是"搜"，而是搜完之后信息散落在各处，要花大量时间整合。
环节二：写稿（原来 2 小时） 有了素材还要转化成公众号风格的文章。技术人写东西容易写成文档风，而不是读者愿意读的内容风格。每次都要有意识地调整语气、节奏、结构。
环节三：配图（原来 1 小时） 微信封面图有固定的尺寸要求（头条封面 2.35:1，底部留白避开标题遮挡）。每次找参考图、调尺寸、上传，这件事没什么创意含量，但绕不过去。
环节四：上传发布（原来 1 小时） 微信公众号的编辑器对 Markdown 的支持极差，粘贴进去全是乱格式，代码块没有高亮，标题样式要手动调。我之前每篇文章光排版就要 40 分钟。
四个环节，六小时。全是可以自动化的重复劳动。
核心方案：四个 Skill + 一条管线
解决方案的核心是 Claude Code 的 Skill 系统 + MCP 协议。
Skill 系统允许你把一套操作流程封装成可复用的模块，Claude 在执行任务时按需加载。MCP（Model Context Protocol）则让 Claude 能直接调用外部 API——比如直接把文章发布到微信草稿箱，而不是复制粘贴。
我搭了四个 Skill，覆盖全流程：
ai-topic-scout → 多角度搜索，整理结构化素材
article-rewriter → 基于素材按模板生成完整文章
wechat-image-gen → 调用 Cloudflare AI 生成封面图
wechat-publish → 通过 MCP 直接上传微信草稿箱
整条管线的调用方式只有一句话：「帮我发一篇关于 XX 的文章」。
关键实现一：素材搜集的多角度策略
ai-topic-scout 的核心不是工具，而是搜索策略。同一个话题，从"最新进展""深度分析""行业争议""落地案例"四个角度各搜一遍，再用 WebFetch 精读 3-5 篇来源可信的文章，提取核心观点和关键数据。
最终输出是一份结构化的素材文件，存到 articles/topics/ 目录：
## 观点一：[视角名称]
来源、核心论点、关键引述、补充分析
## 观点二：...
## 可切入的写作角度
1. 角度A — 适合什么读者，核心卖点
2. 角度B — ...
这份素材文件是整条管线的原料，后面所有环节都基于它展开。
关键实现二：图片索引系统（避免重复生成）
生成配图用的是 Cloudflare Workers AI 的 Flux 模型，免费账号每天有 10,000 neurons 额度，够用。
但真正节省时间的是图片索引系统。每次生成新图后，会把图片的标签、主题、风格、尺寸写入 images/index.json。下次同类主题的文章想配图时，先搜索索引，有匹配直接复用，不再重新生成。
# 搜索现有图片
node scripts/manage-image-index.js search --tags "AI,automation" --type cover
# 找到匹配 → 直接用
# 没有匹配 → 生成新图 + 写入索引
实际效果：已经积累了十几张主题封面图，现在大多数新文章都能直接复用，生成新图的频率大幅降低。
关键实现三：MCP 打通微信发布
这是最关键的一步。
我用的是 gzh-mcp，一个封装了微信公众号 API 的 MCP server。配置进 .mcp.json 后，Claude 可以直接调用 publish_article 工具，传入本地 Markdown 文件路径，它会自动完成：
- Markdown → 微信富文本格式转换
- 代码块语法高亮
- 封面图上传
- 推送到草稿箱
// .mcp.json 核心配置
{
"mcpServers": {
"gzh-mcp": {
"command": "npx",
"args": ["gzh-mcp"],
"env": {
"WECHAT_APP_ID": "...",
"WECHAT_APP_SECRET": "..."
}
}
}
}
之前 40 分钟的排版工作，现在是 0 分钟。
效果对比
| 环节 | 之前 | 现在 |
|---|---|---|
| 选题 + 素材收集 | 2 小时 | 15 分钟（AI 自动搜索整理） |
| 写稿 | 2 小时 | 5 分钟（选角度 + 确认） |
| 配图 | 1 小时 | 1 分钟（索引复用或 AI 生成） |
| 上传排版 | 1 小时 | 0 分钟（MCP 直接推送） |
| 合计 | ~6 小时 | ~20 分钟 |
最后还有一步需要人工：登录微信后台，在草稿箱里点一下"发布"。
这步故意留下来了——发布是一个需要人确认的动作，我不想完全托管给自动化。
踩过的坑
坑一：微信 IP 白名单
微信公众号 API 要求调用方 IP 在白名单内。本地调试没问题，但换了个网络环境就 403。解决方式：在微信后台固定一个开发机 IP 加白名单，或者用 Cloudflare Tunnel 把本地服务暴露到固定域名下。
坑二：Flux 模型对中文 Prompt 支持差
一开始写了中文 prompt，生成的图质量明显差。改成英文 prompt 之后质量好很多。现在所有图片生成的 prompt 都是英文，中文关键词先翻译再用。
坑三：Skill 触发率问题
Claude Code 的原生 Skill 系统有一个隐藏问题：触发率只有约 6%。也就是说大多数情况下 Claude 不会主动调用你写的 Skill，你需要在描述里写得足够精确，或者搭配 SessionStart hook 注入提示来提升触发率。
总结
这套管线的本质是把内容运营里的机械劳动交给 AI，把真正需要判断的环节留给自己。
选题方向需要判断——留给自己。写什么角度需要判断——留给自己。搜资料、整合素材、调格式、上传——交给 AI。
结果是：内容质量没有下降，时间成本降到了原来的 1/18。
这套系统我已经在日常运营中稳定跑了三个月。
如果你也想搭类似的自动化工作流——不管是内容运营、数据处理，还是其他重复性的业务流程——欢迎私信聊你的具体场景。我也在承接网站开发和技术自动化类的项目，感兴趣可以直接找我。
后台回复「管线」，获取本文的完整 Skill 配置文件和 MCP 配置模板。
觉得有用的话，点个在看和分享，让更多想用 AI 提效的开发者看到 👇
本文同步发布于微信公众号，欢迎关注获取更多 AI 工具实战内容。
