公众号自动化

• 结论只有五种：重写、加深、换角度、停止、通过。默认两轮，最多三轮。需要时可以打回去重新调研。

它拦下过什么

• 结论泛化：初稿写“所有 AI 模型都会作弊”。改稿收窄成“只看结果的验收会失真”，补上 41.5% 对 26.1% 的数据、反方边界，以及结果、路径、权限三层验收的方法。
• 数字注水：初稿把“600 万美元的人力估算”和“1.2 万美元的实际花费”写成“省了 500 倍”。评审指出 600 万是估算，标题和正文一起改。
• 重复选题：“有组织用 Claude Code 开发导弹软件”冲击力很强，但和两天前写过的属于同一事件，去重不写，当天换成一条可以持续核验的新事实。70 天的选题决策里，有 6 天结论是“今天不建议写”。

为什么要有它：我说过一句“每天 review 花一个多小时”，还有一句“选题很好，但写作质量非常差”。我想让自己处在一个省心的位置，所以把审稿也交给了 AI。现在每天交到我手上的是一个完整的包：推荐选题、标题、公众号稿、单独写的小红书稿、封面。我只做最后的拍板。

ChatGPT Work 那条线，从 7 月 10 日磨到 7 月 17 日。

开头也跟着变了

• 改前：“过去三年，ChatGPT 和办公软件之间形成了一种稳定分工。”
• 改后：“你以前让 ChatGPT 做一份 PPT，它通常会给你什么？大概率是十页大纲……然后呢？”

同一条线上，ChatGPT 和 Codex 合并那篇也一样：标题从“它想解决的是一堆老麻烦”改成“OpenAI 开始接手一整段工作”，开头第一句直接给事实：“OpenAI 把 ChatGPT、Work 和 Codex 合进了同一个桌面应用。”

AI 新闻每天几百条，拼速度拼不过大号。一个人做号，能拉开差距的是信源更干净、事实更准。

三层信源，不能互相替代

• 一手层：OpenAI、Anthropic、Sam Altman、Claude Code 负责人、Cursor、Google DeepMind 等官方账号和核心人物。从这里拿准确的功能名、入口和发布时间。
• 概念层：Musk、Karpathy 这类人。他们的话不拿来当事实，用来抓大话题、找选题张力。这一层是后来加的。当时我否掉了 AI 排出来的选题顺序：“不能仅盯着那些实用性功能的发布，应该更多地去关注概念类型的事情。”
• 加工层：Ben's Bites、Rundown、Simon Willison 这类 newsletter 作者和 builder，看他们怎么解读、怎么落地。用我当时的话说：“做菜，你不仅要有新鲜的食材，还得看看别人是怎么做的。”

刻意不看的：官方帖子下面的二创搬运。噪声大，清洗成本比价值高。

聚合站只当雷达：热点聚合站用来发现线索，每条都要追回官网、官方文档或 GitHub 发布记录核验，同一事件合并成一个事件包再判断。官网还没更新的，正文写明“来自官方人员 X 动态，官网页面尚未更新”。

两个例子

• 某条模型新闻在聚合站上很热，追到源头发现只是个人账号的帖子，没有官方原始发布，当天不作为主选。
• 别人的标题写《OpenAI 断供 Cursor》。查证后发现自带 Key 和 IDE 扩展都还能用，标题改成“OpenAI 退出 Cursor 直连”，文章落到“你的团队该测一次切换模型要多久”。

同一信息源，共享事实；不同渠道，重写选题

• 公众号问：“它为什么重要？”
• 小红书问：“它对我有什么用，我现在该怎么做？”
• 公众号稿不能直接缩短成小红书；小红书的钩子也不能反过来污染公众号正文。
• 这条规矩的起因是一开始的小红书图卡，我的反馈是：“好像你在做 PPT 一样，每一张纸上就只有几个字。”

这些题，公众号不写：单纯的功能清单、活动通知、只有标题好看但事件本身不重要的话题、没经过事实核验的情绪判断。

必须有观点

• 只有当新事实打断了读者原来的预期，并且会改变他的判断、成本、风险或下一步动作，这条才值得起稿。
• 验收标准：“观点必须有真实的信息增量，不能只是正确。”

写给谁

• AI 工具的重度用户、产品经理、运营、创业者、独立开发者，还有对新能力感兴趣、但不想读技术文档的人。
• 语气定位是我说的那句：“大家都是上班打工的人……就像跟朋友说话一样。”

选题三层判断，一层都不能跳：事件重要性 → 对读者的价值 → 标题和封面怎么包装。“用户更容易点开”和“今天更值得写”是两回事。这条来自我对某天选题的批评：“像是茶余饭后的一些消遣新闻。”

每张视角卡回答三个问题：市场已经怎么讲了？还漏了什么？我们凭什么值得再讲一次？卡上还要写清：读者没解决的问题、原来的预期、核心反差、文章承诺、证据链、标题候选、开篇三拍、风险。

同题调研：动笔前至少拆 3 篇同题文章，看它们的标题、开头、受众、切口。调研的目的是找到最强的讲法，不为了和别人不一样而硬换角度。我当时的批评是：“逻辑好像变成了‘因为市场上都这么写，所以我要换一种’。”

例子：OpenAI × Cursor，出了 4 张卡，只留 1 张

• ✅ 选中“模型供应链演练”：避开公司恩怨，回答团队在截止日前该怎么测。
• ❌ “5% 流量不等于 5% 风险”：缺少内部数据，推不出结论。
• ❌ “多模型定价已经选边”：容易把正常的商业定价写成阴谋。
• ❌ “收购改写供应合同”：受众偏企业采购，普通读者用不上。

例子：安全类新闻，换一个站位

• GPT-Red 那篇，第一版站位偏安全圈。我的反馈是“这个视角评审非常非常的差”，理由是“我不想让它看起来只是一个面向安全圈的信息”。
• 换成普通用户的视角之后，标题变成《网页里藏一句话，就可能让 ChatGPT 带走你的资料》。

开篇四拍

1. 唤起读者原有的预期；
2. 抛出反常的事实；
3. 给出阅读承诺：读完你能得到什么；
4. 标题里的核心事实，正文前 20% 就要给出证据和结论。 不让读者等。

钩子有六种，每种都写明了常见的失败方式：预期反转、隐形代价、失去控制、选择困境、窗口与时机、行业换轨。

标题自检

• “去掉产品名，这个标题还能套在十条无关新闻上吗？”能套，就重写。
• 大词要前置。我的原话：“像 Claude、ChatGPT 或者是一些热点词，你在标题上一定要能蹭就蹭。”但正文证据覆盖不到的产品，不许塞进标题。

结构自检

• 全文只走一条因果链：现象 → 原因 → 后果 → 官方解法 → 你可以做什么。
• “删掉小标题，段落之间还能读通吗？”读不通，说明逻辑是断的。这条来自我当时的一句追问：“这几个部分的关系是什么？”
• 每篇至少 3 个真实案例，每个案例标明它负责什么：开篇、证据、对比、反证，还是行动示范。起因是我说过一篇稿子“文章很空……车轱辘话”。

禁用：元叙事（“这条新闻很有看头”“读者会继续往下看”）、流水账、超过 3000 字。

一开始走科技风，我的反馈是：“像在上海陆家嘴看到的高耸入云的大楼……反而就不想进去看了。”

之后定下选图顺序：人的尺度 → 具体处境 → 看得见的证据 → 最后才是标题海报。

封面自检

• “把标题遮住后，这张图还能让我看出读者正在经历什么吗？”
• 缩到 600×255 的缩略图，标题还要一眼能读。
• 动笔画之前，先拆至少 5 个同类封面，再找一个只属于这篇的画面隐喻。

什么时候用哪种

• 证据型：有官方成品可以直接展示时用。“ChatGPT 能做 PPT”那篇，封面就是官方做出来的那份 PPT，不用抽象插画。
• 手绘场景型：要讲一个处境或一种关系时用。Agent 工时那篇，画的是一只手拿印章，给机器吐出来的任务卡盖章验收。官方那条 3.14 倍的曲线留在正文当证据，因为放在封面上容易被误读成“生产力翻了 3 倍”。

技术细节：先让 AI 生成不带字的底图，再在本地精确叠中文标题，避开 AI 写中文容易乱码的坑；暖色插画用浅色叠字方案，免得被深色遮罩压回“科技海报”。

实战里学到的一件事：规则给多了，AI 会走极端。有一次最有效的提示，反而是让它“抛开我之前给你提的所有要求……你会咋写？”结果那一稿“味道终于对了”。所以后来我把反馈分成三级：长期审美、渠道规则、单篇取舍。只有前两级会写进流水线。