AI-负责筛选与结构化而不是最终创作
首页 / AI工具 / 文章

AI-负责筛选与结构化而不是最终创作

AYi 在 X 上分享了自己的自媒体 AI 工作流:前一天用 Agent 帮自己刷小红书、X、Reddit 找选题,把每天 3-4 小时的信息浏览压缩成约 20 分钟的二次筛选;这条新帖补充了选题之后的结构化环节,用 Codex 定时...

AI 负责筛选与结构化而不是最终创作#

背景#

AYi 在 X 上分享了自己的自媒体 AI 工作流:前一天用 Agent 帮自己刷小红书、X、Reddit 找选题,把每天 3-4 小时的信息浏览压缩成约 20 分钟的二次筛选;这条新帖补充了选题之后的结构化环节,用 Codex 定时任务每天早上自动整理行业日报。

核心闭环是:

Agent 搜集信息 → Codex 结构化产出 → 人做最终判断和润色

这个工作流的价值不在于“AI 自动写爆款文章”,而在于让 AI 处理信息搜集、初筛、分类、结构搭建这些高重复、低判断密度的环节,把人的精力留给判断、取舍和表达。

核心判断#

AI 最适合放在流程的前处理和结构化位置,而不是最终表达位置。

如果直接让 AI 写内容,常见结果是模板化、空泛、缺少个人判断。更稳的做法是让 AI 先完成:

  1. 收集信息。
  2. 初步筛选。
  3. 按主题分类。
  4. 抽取数据、案例、金句和行动建议。
  5. 搭出可编辑结构。

人再负责:

  1. 判断哪些信息真正有价值。
  2. 删除噪音。
  3. 调整角度。
  4. 加入经验和观点。
  5. 决定是否发布或归档。

这样 AI 不是替代创作者,而是降低启动成本和信息处理成本。

为什么这比“AI 代写”更有效#

内容创作和知识整理真正耗时的地方往往不是打字,而是:

  • 今天写什么。
  • 哪些信息值得看。
  • 哪些材料能支撑观点。
  • 从哪个角度切入。
  • 如何把零散材料组织成结构。

AI 直接代写只能解决表层输出,但不能解决判断质量。把 AI 放到筛选和结构化阶段,解决的是空白页恐惧、选题疲劳和资料整理成本。

因此,更合理的分工是:

环节更适合谁
信息抓取AI / Agent
初步筛选AI + 规则
分类整理AI
结构搭建AI
价值判断
最终表达
发布或归档人确认后自动化

对 Claude Code 工作流的迁移#

这个思路可以迁移到当前知识库和 Claude Code 工作方式中。

daily-recap#

daily-recap 已经承担了从 observations 中整理当天工作的职责。它可以继续负责发现“可沉淀资产候选”,但不应该自动创建 skill、hook 或 note。

更稳的边界是:

观察当天工作 → 结构化总结 → 提出候选 → 用户确认 → 再落盘

workflow-audit#

workflow-audit 适合做周期性重复流程审计。它的目标不是尽可能多地自动化,而是找出已经有证据证明值得沉淀的重复劳动。

判断标准应保持:

  • 输入稳定。
  • 步骤可重复。
  • 输出或停止条件清晰。
  • 至少出现多次,或明显会继续发生且重复成本高。
  • 没有被现有 skill、command、hook、agent 覆盖。

repo-research#

repo-research 对应的是外部项目调研。AI 可以读取 README、源码、release、issues 和官方文档,整理成结构化判断,但是否保存到知识库仍应由人确认。

推荐流程:

读取一手来源 → 结构化项目判断 → 给出使用建议 → 用户确认 → 调用或遵守 note 规则归档

Claude Code 版本变更分析#

Claude Code release notes 也适合套用这个模式:

定期检查 release → 抽取新增版本 → 分类影响 → 生成变更分析草稿 → 用户确认是否保存

这里不应自动写入知识库,因为版本更新里有些只是内部改动,不一定值得沉淀。

自动化边界#

这类工作流可以自动生成候选,但不应该自动落盘或自动发布。

原因是知识库是长期资产,自动写入容易制造噪音。更合适的边界是:

AI 自动准备材料,人决定是否进入知识库。

特别是以下动作必须保留人工确认:

  • 写入 markdown 知识库。
  • 创建或修改 skill。
  • 修改 settings hooks。
  • 创建定时任务。
  • 提交代码。
  • 发布对外内容。

可复用原则#

这条帖子的核心原则可以概括为:

AI 不负责替你完成最终判断,而负责把你带到更好的判断起点。

用于设计 AI 工作流时,可以按这个问题检查:

  1. 这个步骤是否重复、高频、耗时?
  2. 输入是否稳定?
  3. 输出格式是否清晰?
  4. 错了以后是否容易人工修正?
  5. 人是否仍保留最终判断权?

如果答案大多是“是”,这个步骤适合交给 AI。

如果某一步需要强个人风格、价值判断、对外承诺或长期知识资产归档,就不应该完全自动化,只能让 AI 生成候选。