从 3 天到 8 分钟：我如何把垂直科普内容做成了自动化流水线
这不是一篇 AI 套壳教程。它讲的是：当"AI 生成内容"要真正落地到"能发布的内容平台"时，会遇到哪些真实问题，以及怎么用工程手段解决。这套方法不挑领域——植物、美食、历史、地理，任何"图文科普"都能复用。
一、背景：内容生产的真实痛点
做垂直领域的图文科普（公众号 + 小红书双平台），传统流程是：
- 每期内容要翻专业资料，整理学名、形态特征、辨识要点
- 找插画师配图
- 分别写长文和短文案，适配不同平台规则
- 反复检查敏感词，防止过不了平台审核
人工做 1 期的全套内容要 2-3 天，而一个垂直领域动辄几百个条目。
我做的事：把"内容生产"当成一条软件流水线来设计——拆环节、定接口、加质检、能重跑。最终输入一个主题词，8 分钟产出双风格配图、长文、短文、知识卡片、封面，并可直接写入公众号草稿箱。
这篇文章不贴代码，重点讲设计思路和踩坑认知——这些才是这个项目真正值钱的部分。
二、流水线设计：内容生产的四个本质环节
做内容，本质上就是四件事：
找资料 → 做图 → 写文 → 审核
我的核心决策：不找一个大模型从头干到尾，而是拆成独立环节，各司其职。
主题词
▼
① 资料智能体 —— 生成权威资料卡（学名/形态/特征/辨识）
▼
② 图像智能体 —— 按资料出 2 种风格配图（科普插画风 + 写实展陈风）
▼
③ 文案智能体 —— 长文 + 短文（平台规则适配）
▼
④ 审核智能体 —— 三关打分，不过就打回改写（≤3 次）
▼
⑤ 封面 + 排版 —— 平台尺寸适配（2.35:1 封面、HTML 排版）
▼
⑥ 发布 —— 直接写入微信公众号草稿箱
每个环节都是独立脚本、独立接口、独立重跑。这就是"流水线"和"一条龙"的本质区别：环节之间靠文件/JSON 解耦，任何一环出问题，只重跑那一环，不浪费其他环节的产出和成本。
三、五个有深度的设计
1. 提示词 FROZEN：模板和内容彻底分离
这是踩坑踩出来的铁律。
最初把某个主题的形态特征写死在生成提示词里。结果跑另一个主题时，它长出了上一个主题才有的特征——提示词模板被"上一个主题"污染了。
根因：模板里残留了上一期内容的特征描述。
修复思路（值得所有 AI 内容生成项目借鉴）：
- 版式和风格：写死，验证通过后冻结（FROZEN），永不改动
- 主题特征：永远动态注入——每期先由资料智能体生成特征描述，再填进模板
认知：AI 生成里，"怎么画"（风格）和"画什么"（内容）是两种完全不同性质的输入，混在一起必然出 bug。模板管风格，资料管内容，两者通过变量接口衔接。
2. 参考图分级策略：从"盲画"到"越用越准"
资料库里大多是成品/切片类照片，几乎没有"整体形态照"。但配图里的"整体示意图"需要完整的形态结构——全靠 AI 从文字"盲画"必出错。
设计了一套参考图分级策略：
画整体形态 → 用户上传的形态参考图
→ 资料库图片
→ AI 按资料文字生成（兜底）
画局部细节 → 用户上传的细节图
→ 资料库图片 → AI 兜底
参考图按用途分两个目录（整体形态 / 局部细节），各取所需。用户从权威图库逐步积累参考图，系统越用越准；没有图也不阻塞，AI 兜底照常出图。
认知：AI 生成系统的质量上限，取决于参考数据，而不是提示词。把"喂什么参考"做成可积累、可迭代的机制，比反复调提示词有效得多。
3. 审核闭环：AI 生成的内容，必须 AI 审核
内容平台审核严，敏感词是红线。AI 生成直接发布风险太大。
设计了一个审核智能体，对每篇文案三关打分：
| 维度 | 问什么 |
|---|---|
| 权威性 | 事实引用是否准确？对照权威资料核对 |
| 科普效果 | 是否通俗易懂？术语是否解释？ |
| 传播性 | 标题有钩子吗？有互动点吗？（但不能过度标题党） |
每关 0-100 分，总分达标放行；不达标就拿着审核意见针对性改写，最多 3 次；3 次不过标记人工介入。
实测它真的会改内容：把专业术语改成"像上下两片嘴唇"这类大白话，把平铺直叙的标题改成有钩子的"花开，夏天就不远了"。
认知：AI 生成必须配套 AI 质检，否则错误会被批量放大——几百期内容如果有 1% 出错就是好几期错误内容。审核不是可选项，是流水线的安全下限。
4. 统一 LLM 配置中心：多平台可插拔
这是容易被忽视但很重要的工程点。所有脚本不各自读环境变量，而是通过一个统一的配置中心管理：
- 文本模型：可切换
- 图像模型：自配——可切换
- 公众号平台：app_id / app_secret——统一配置
好处：
- 换模型只改一个 JSON，不动任何脚本
- 用户可以填自己的 Key（密钥不进代码）
- 平台预设有兜底，灵活但可控
认知：多模型项目必须做"配置中心"抽象。模型是会迭代、会下线的，把模型选择变成配置而不是代码，系统才能活过模型的更替周期。
5. 发布链路：不只是生成，还要"能用"
很多 AI 生成项目止步于"生成文件"，但真正的落地是能发布到平台。
公众号草稿箱发布器的完整链路：
读取配置 → 获取 access_token（稳定版接口）
→ 上传封面/正文图片到素材库（拿 media_id）
→ 组装图文消息（title/author/digest/content HTML）
→ 写入草稿箱（draft/add）
→ 返回草稿 ID
其中关键细节：
- 正文图片必须先上传素材库换 URL，草稿箱才能显示
- 封面要传
thumb_media_id（永久素材） - digest 摘要长度、作者署名、评论开关都有配置
认知："生成文件"和"能发布"之间隔着一条完整的工程链路。图片上传、token 管理、素材 ID 转换——这些"脏活"才是内容自动化真正落地的关键。
四、工程化细节：能跑通 ≠ 能持续跑
断点续跑 + 成本控制
流水线每步先检查产物是否存在，存在就跳过——重跑一期只花缺的那几步的钱（实测从 ¥1-2 降到 ¥0.14）。
失败自动重试
网络抖动、API 限流是常态。每步失败自动重试 1 次，超时也重试，不因偶发错误白跑半程。
内容类型可定制
不是每次都要全套。可以只生成短文、或只要配图、或任意组合——按需生成，省时省钱。
成本统计
每期内容的花费、总计、待处理预估，面板里一目了然。AI 内容生产必须"花钱看得见"，否则批量跑起来成本失控。
五、成本与价值
| 对比 | 人工 | 自动化 |
|---|---|---|
| 单期耗时 | 2-3 天 | 约 8 分钟 |
| 单期成本 | 配图 ¥300+/张 | 约 ¥0.8 |
| 数百期全量 | 数年 + 数十万 | 约 ¥400 + 数天 |
自动化有天花板（精细度不如专业设计师），但作为内容生产工具，性价比是碾压级的。
六、总结：这套系统真正沉淀了什么
- 内容生产 = 找资料 + 做图 + 写文 + 审核，可拆成独立环节各司其职，环节间靠文件/JSON 解耦
- 模板管"怎么画"，资料管"画什么"，两者通过变量接口衔接，绝不混写
- 参考数据决定质量上限，把"喂什么参考"做成可积累机制，比调提示词有效
- AI 生成必须配套 AI 质检，审核智能体把关文案，视觉模型把关图片
- 多模型项目必须做配置中心，模型会迭代下线，配置化才能活过更替周期
- "生成文件"到"能发布"隔着完整工程链路，素材上传、token 管理这些"脏活"才是落地关键
最终：一个主题词 → 8 分钟 → 双风格配图 + 长文 + 短文 + 知识卡片 + 封面 → 直接进公众号草稿箱。
本文为技术实践记录，对某个环节的实现细节感兴趣，欢迎评论区交流。
如果你也做过"AI 批量内容生产"相关的事，欢迎分享你的踩坑经历——评论区见。
