用 AI 做内容的人，很容易遇到一个问题：

AI 可以写。

但它不一定知道你是谁。

它可以写公众号、小红书、口播稿、项目介绍、标题、摘要和发布文案。

但如果它不知道这个账号长期在讲什么，不知道你以前写过什么，不知道哪些表达你不喜欢，不知道哪些事实必须核验，不知道哪些信息不能公开，它写出来的东西就很容易变成一种“看起来都对”的模板稿。

标题顺。

结构完整。

但读起来不像你。

所以我现在越来越觉得，内容创作里真正值得交给 AI 的，不是“帮我写一篇”。

而是把一个人的内容方法整理成工作区，让 AI 能在这个工作区里读上下文、查旧内容、判断平台、生成草稿、做发布前检查、记录复盘结果。

这也是我开源 agent-content-workspace 的原因。

它不是爆款生成器。

它更像一套给创作者使用的 Agent 内容生产工作区模板。

项目地址：

https://github.com/pa1nrui1/agent-content-workspace

Abstract

agent-content-workspace 是一套面向内容创作者的本地工作区模板。它用配置文件、方法论、检查模板、工作流钩子、隐私规则、Learning 机制和第三方 Skill 协作，把内容生产整理成一个可执行、可复盘、可持续迭代的流程。

这个项目的核心不是让 AI 直接替你完成内容创作，而是解决四个更基础的问题：

第一，让 Agent 在写作前先读懂创作者。包括创作者定位、长期内容主线、平台规则、文风偏好、视觉策略和隐私边界。

第二，让选题进入检查流程。推荐新选题前，先查历史草稿、最终稿、复盘、样本、脚本和预测，判断它是否重复、是否偏离定位、是否适合当前平台。

第三，让草稿、最终稿、发布检查和复盘分开。写完不等于能发，能发也不等于经验已经沉淀。

第四，让隐私和版权成为工作流的一部分。截图、账号、客户、后台数据、真实路径、token、cookie、未脱敏素材，都不能靠临时记忆来处理。

如果说 legal-skills 是我把法律工作拆成 Agent workflow 的尝试，那么 agent-content-workspace 则是我把内容创作拆成 Agent workflow 的尝试。

它们处理的场景不同，但底层思路接近：先配置上下文，再进入任务；先做边界检查，再生成结果；先保留草稿状态，再由人确认最终稿。

1. 内容创作不是从写稿开始

很多人用 AI 做内容，第一步是写 Prompt。

比如：

帮我写一篇公众号文章，主题是 AI 工作流。

或者：

把这篇文章改成小红书风格。

这当然能用。

但如果长期这样做，内容很容易变散。

今天写热点，明天写工具，后天写观点；一篇像科普，一篇像教程，一篇像营销稿；每次 AI 都能写出一版，但账号本身没有变得更清楚。

真正的问题不是 AI 不会写。

而是它不知道应该在什么边界里写。

所以 agent-content-workspace 的第一条方法论是：先配置，再生产。

正式写内容之前，先完成这些配置：

创作者定位
内容主线
平台规则
文风偏好
视觉规则
隐私规则
Learning 文件

这些配置不需要写得很宏大。

但它们要回答几个具体问题：

  • 我是谁？
  • 我长期写什么？
  • 读者为什么需要我？
  • 哪些主题属于我的内容主线？
  • 哪些平台适合长文、图文或短视频？
  • 哪些表达不适合我？
  • 哪些事实必须核验？
  • 哪些信息不能公开？
  • 哪些经验下次还要继续使用？

配置完成之后，AI 才不只是临时写手。

它开始像一个能读规则、能查记录、能按流程工作的内容协作者。

2. 选题前先查旧内容

内容创作里最容易被低估的动作，是选题前查重。

这里的查重，不是只看标题是否重复。

很多内容标题不一样，但读者感受到的是同一件事。

比如连续几篇都在讲“我开源了一个 AI 工具”，只是换了项目名、换了表达，读者很快就会觉得疲劳。

所以项目里的 before-topic 钩子要求，推荐任何选题前，Agent 先做这些事：

读取创作者定位
读取内容主线
读取目标平台规则
读取 Learning
检索历史草稿、最终稿、复盘、样本、脚本和预测
使用选题检查模板判断是否建议继续

选题检查只允许输出三种结论：

建议继续
修改后继续
不建议继续

这一步看起来很克制。

但它解决的是长期创作里很实际的问题：

  • 这个题是否符合账号定位？
  • 是否属于长期内容主线？
  • 是否只是旧题换标题？
  • 是否和近期内容太近？
  • 如果继续做，新差异在哪里？
  • 是否有隐私、版权、事实核验或专业风险？

AI 很擅长发散选题。

但真正能不能做，不能只看标题顺不顺。

要看这个题是不是长在你的内容系统里。

3. 平台版本不能只是改长短

同一个内容，放到不同平台，不应该只是改字数。

长文平台、图文平台、短视频平台，对同一件事的要求完全不同。

长文更适合完整解释一个问题。

图文更适合展示过程、截图、结构、对比和收藏价值。

短视频更依赖前三秒：冲突、反差、后果、真实卡点，必须很快出现。

所以 agent-content-workspace 默认把平台抽象成三类：

platform-a：长文、深度分析、结构化论证、方法论内容
platform-b：图文、图片卡片、过程展示、收藏型内容
platform-c：短视频、口播、节奏推进、连续系列内容

项目没有强行写死具体平台名称。

这是有意的。

因为每个创作者的平台组合不同，账号定位也不同。抽象平台规则的好处，是让你先定义“这类平台需要什么”，再把具体平台映射进去。

这样 AI 在改写时，不是把一篇长文压短。

而是先判断：

  • 这个内容适合哪个平台？
  • 读者为什么会在这里看？
  • 开头是否符合平台习惯？
  • 图文是否需要首图和多图结构？
  • 视频是否需要前三秒钩子？
  • 这个版本和其他平台版本有什么差异？

平台适配不是排版问题。

它是内容任务重新定义的问题。

4. 草稿和最终稿必须分开

内容写完，不等于可以发布。

agent-content-workspace 把草稿状态拆成几类：

idea
outline
draft
review
ready-for-final

草稿头部要记录：

目标平台
内容类型
所属内容主线
当前状态
是否需要事实核验
是否需要视觉素材
是否已确认最终稿

这套状态设计很朴素，但它能防止一个常见问题：

AI 写完一版后，人会下意识觉得“已经完成了”。

但在内容工作里，写完只是进入了下一步。

还要检查：

  • 平台规则是否匹配。
  • 标题和开头是否成立。
  • 事实是否需要核验。
  • 截图和案例是否脱敏。
  • 是否有版权风险。
  • 是否把个人经验写成普遍结论。
  • 是否需要用户确认最终稿。

项目里的 before-final 钩子规定，当内容接近可发布状态时，Agent 必须问一句：

这是否确认为最终稿？

用户未确认前，不得放入最终稿目录。

这不是形式主义。

它是在内容生产里保留 human-in-the-loop。

5. 隐私边界要写进工作区

内容创作经常会用到截图、案例、聊天记录、后台数据、账号信息、客户信息、项目目录、脚本输出。

这些东西如果没有边界，很容易在发布时出问题。

所以项目里有独立的隐私与脱敏模块。

默认禁止公开的信息包括：

真实账号
手机号
地址
身份证号
执业证号
客户信息
当事人信息
案号
合同
聊天记录
平台后台数据
token / cookie / secret / auth 信息
个人电脑路径

公开示例里应使用占位符：

<创作者名称>
<平台A>
<项目A>
<SkillA>
<客户A>
<隐私信息>

截图发布前也要检查头像、用户名、联系方式、路径、后台数据、客户和当事人信息、token、cookie、secret、auth 信息。

这和法律 AI 工作流里的“来源边界”很像。

不是写一个免责声明。

而是把风险检查变成流程节点。

6. 复盘要能影响下一次写作

很多复盘最后只剩一句话：

这条数据不错。

或者：

这条数据不行。

这样的记录当然有用，但很难改变下一次写作。

agent-content-workspace 更强调预测与复盘的闭环。

发布前先记录判断：

目标平台
内容类型
选题判断
标题判断
钩子判断
视觉判断
预期表现
可能失败原因

发布后再对照：

实际表现
判断准确的地方
判断偏差的地方
标题是否有效
首图或前三秒是否有效
视觉策略是否有效
是否形成新经验

复盘原则里有一条我很喜欢：

不要改写发布前预测。

也就是说，不要用结果倒推当时判断。

内容系统真正需要记录的，不只是“这条好不好”，而是“当时为什么这么判断，后来哪里偏了”。

稳定经验可以写入 Learning.md。

这样下一次 Agent 写作前，就能读到过去的判断、偏差和用户纠正，而不是每次从空白对话重新开始。

7. 项目结构

当前仓库的核心结构大致是：

agent-content-workspace/
├── AGENTS.template.md
├── Learning.template.md
├── config/
├── methods/
├── templates/
├── hooks/
├── privacy/
├── third-party/
└── scripts/

每个目录有自己的职责：

config/      创作者、平台、文风、视觉和隐私配置
methods/     内容生产方法论文档
templates/   选题、草稿、视觉、发布和复盘模板
hooks/       Agent 在关键节点必须执行的检查规则
privacy/     隐私脱敏和发布前扫描说明
third-party/ 第三方 Skill 来源、致谢和同步规则
scripts/     初始化和隐私扫描脚本

项目的工作流可以概括成：

配置创作者定位
  -> 配置平台规则
  -> 建立内容主线
  -> 进行选题前检查
  -> 设计内容钩子
  -> 生成草稿
  -> 判断视觉策略
  -> 调用第三方 Skill
  -> 发布前确认
  -> 发布后复盘
  -> 更新 Learning

这套结构不是为了把写作变复杂。

它是为了让内容创作从一次性对话，变成一个能积累经验的工作区。

8. 如何安装

可以先克隆项目：

git clone https://github.com/pa1nrui1/agent-content-workspace.git
cd agent-content-workspace

然后运行初始化脚本：

bash scripts/init-workspace.sh

脚本会创建基础配置文件和平台工作目录。

接下来按顺序填写：

config/creator-profile.md
config/content-pillars.md
config/platform-a-rules.md
config/platform-b-rules.md
config/platform-c-rules.md
config/style-preferences.md
config/visual-rules.md
config/privacy-rules.md
Learning.md

如果你不想运行脚本，也可以手动复制模板文件：

cp AGENTS.template.md AGENTS.md
cp Learning.template.md Learning.md
cp config/creator-profile.template.md config/creator-profile.md
cp config/content-pillars.template.md config/content-pillars.md
cp config/platform-a-rules.template.md config/platform-a-rules.md
cp config/platform-b-rules.template.md config/platform-b-rules.md
cp config/platform-c-rules.template.md config/platform-c-rules.md
cp config/style-preferences.template.md config/style-preferences.md
cp config/visual-rules.template.md config/visual-rules.md
cp config/privacy-rules.template.md config/privacy-rules.md

使用 Agent 时，可以从这样的指令开始：

请先读取 AGENTS.md、Learning.md、创作者配置、内容主线和目标平台规则，然后使用 templates/topic-check.md 检查这个选题是否值得做。

或者：

请基于 platform-a 规则生成一版长文草稿。写完后，使用 templates/publish-checklist.md 做发布前检查，不要直接进入最终稿。

9. 适合哪些人

这套工作区适合已经开始长期做内容的人。

特别是这几类：

  • 用 AI 辅助写公众号、图文、短视频脚本或项目文章的人。
  • 希望账号长期主线更稳定的人。
  • 不想每次从空白对话重新解释定位、风格和边界的人。
  • 需要同时维护多个平台版本的人。
  • 需要做发布前隐私检查、版权检查和事实核验的人。
  • 希望把复盘经验沉淀给下一次写作的人。

如果你只是偶尔让 AI 改一段文案，不需要这么复杂。

如果你想长期做一个内容系统，它会有用。

10. 边界

agent-content-workspace 不承诺生成爆款，也不替代创作者判断。

它提供的是一套本地工作区模板：

  • 配置文件。
  • 方法论文档。
  • 检查模板。
  • 工作流钩子。
  • 隐私规则。
  • 初始化脚本。
  • 复盘和 Learning 机制。

AI 可以参与选题、查重、草稿、改写、平台适配、发布前检查和复盘整理。

但是否发布、如何表达、是否引用事实、是否使用截图、是否公开某个案例，仍然应由创作者自己确认。

我不太相信“靠一句话让 AI 做好自媒体”。

但我相信，如果一个人能把自己的内容方法整理清楚，AI 确实可以少做很多重复劳动。

真正的核心不是让 AI 替你做内容。

而是把内容创作变成一个有上下文、有边界、有检查、有复盘的工作流。