如何 AI 搭一个内容系统，2 周跑到 500 万曝光？
你有没有发现，你用AI写的文章不仅流量差，还AI味满满，有种吃屎的感觉。
归其原因，最根本的是你喂给AI的东西不行。
你没有认真整理自己的想法，没有积累自己的语言，没有把爆过的内容复盘成规则。最后丢给 AI 一句“帮我写一条推文”，它当然只能给你一段看起来完整、但发出去没人想收藏的东西。
我最近搭了一套自己的 Content OS。
它做的事情很简单：
帮我找想法，整理素材，用我的语气生成草稿，排期发布，最后再根据数据反过来优化系统。
这套系统让我的 X 账号在 2 周内跑到 500 万曝光，2 个月内拿到 10 万收藏。
但先说一句很重要的话：
AI 可以加速内容生产，但不能替你拥有判断。
如果你直接把 AI 生成的东西原封不动发出去，账号迟早会变成一股很浓的AI味。
这套系统最有价值的地方在于，能把你真实写过的内容、真实表达习惯、真实案例和反馈，整理成一套可以反复调用的资产。
这样每次模型给你的初稿，起点就更接近你。
你省下来的时间，可以花在改观点、压语言、补案例、让内容更像一个活人写出来的。
01我只优化一个指标：收藏
我做这套系统的时候，不是看有多少点赞，也没有只看播放量。
我盯的是一个更重的指标：
收藏。
收藏这个动作很特别。
因为点赞可能只是顺手，转发可能是读者刚好被击中。
但收藏意味着读者认为，“这个东西我以后还会用到。”
所以我会在发内容前先问自己：
这条内容有没有让人想存起来？
它像不像一个清单、模板、框架、步骤、截图案例、前后对比，或者一个以后能反复拿出来用的判断模型？
如果答案是否定的，我一般不会急着发。
因为很多内容看起来不错，但它没有下次还能用得上的价值。
02整个系统怎么跑
我没有用一个万能大提示词，也没有弄一堆看起来很高级但实际很乱的文件夹。
我整个系统围绕一个想法搭起来：
每一条内容，都是一个有生命周期的对象。
它不是一句灵感写完就发。
它会从想法进入系统，然后被判断、写 brief、出草稿、检查、人工修改、排期、发布，最后再根据 24 小时和 72 小时的数据写回系统。
简单说，它会经历这条路：
捕捉想法
→ 判断内容路线
→ 写内容简报
→ 起草
→ 检查
→ 人工修改
→ 批准
→ 排期
→ 发布
→ 24 小时反馈
→ 72 小时反馈
→ 沉淀成下一次的经验
这就是内容系统和“随手发一条”的区别。
随手发靠状态。
系统靠沉淀。
03内容来源分两层
- 第一层是外部信号。
比如你收藏的 X 帖子、文章、播客、私信、竞品内容、热点、别人的爆款。
这些东西负责给你输入新信息。
- 第二层是你自己的知识图谱。
比如你的笔记、日记、语音备忘录、过往文章、已经发过的内容、自己的项目经历。
这些东西决定你能不能写出自己的角度。
如果只有外部信号，你很容易变成搬运工。
如果只有自己脑子里的东西，又容易闭门造车。
真正有效的内容系统，要让这两层东西互相喂养。
04我把内容分成 4 条路线
每个想法进系统之前，我会先判断它属于哪一种。
1. 原创
这个内容直接来自我自己。
可能是我的笔记、项目经历、观察、语音备忘录，或者某个我想了很久但一直没写的判断。
这类内容需要人味，也最需要真实案例。
2. 旧内容再利用
把你已经写过的东西拆开重用。
一篇文章可以拆成一组短推。
一条爆过的内容可以延展成系列。
过去一个观点也可以换成新的形式再讲一遍。
这类内容的核心已经是你的，只是换个表达方式继续放大。
3. 外部内容改写
看到一条值得回应的推文、一篇好文章、一个有启发的观点，把它转成你自己的角度。
这里最重要的是：
你要明确保留什么，改掉什么，引用什么，加入你自己的判断在哪里。
不然就会变成高级洗稿。
4. 研究和选题
有些内容还没到能写的程度，只是一个方向。
这时不要急着生成正文，先让 AI 帮你找角度、拆结构、做研究，最后沉淀成一批更锋利的选题。
很多人一有想法就叫 AI 写正文，结果写出来很空。
问题往往出在前面：
这个想法还没被想清楚。
05文件夹长什么样
你不用一开始搞很复杂。
一个最小版本可以这样搭：
/content-os
/strategy 策略层
positioning.md 定位
audience.md 目标读者
pillars.md 内容支柱
source-watchlist.md 关注来源清单
/voice 语言层
voice-profile.md 我的语言风格
master-avoid-slop.md 反 AI 味规则
/stores 素材库
inbox.md 临时收集箱
workboard.md 当前工作板
ideas/ 选题库
hooks/ 开头钩子库
proof/ 证据库
feedback/ 数据反馈库
/runs 内容生产区
/active 正在写的内容
/archive 已完成归档
/modules 模块区
/writer
SKILL.md 写作规则
references/ 参考内容
templates/ 模板
/workflows 工作流
idea-to-published-post.md 从想法到发布
verifier-checklist.md 检查清单
scheduler-handoff.md 排期交接
feedback-loop.md 反馈循环
真正重要的是 runs/active/。
每一个正在生产的内容，都在这里开一个独立文件夹。
比如：
/runs/active/2026-05-bookmark-flywheel
content-object.md 内容状态卡
idea.md 选题判断
brief.md 写作简报
draft-package.md 草稿包
feedback.md 发布后反馈
一条内容一个文件夹。
它从想法到发布，再到复盘，所有状态都在这个文件夹里留下记录。
这样你不会每次都从零开始，也不会写完就忘。
06你可以 1-2 小时搭一个 V1
不用追求一开始就完美。
先把架子搭起来。
- 第一步，建 6 个顶层文件夹：
strategy 策略层
voice 语言层
stores 素材库
runs 内容生产区
modules 模块区
workflows 工作流
- 第二步，写 strategy。
你只需要先写三份小文件：
positioning.md：
你到底是谁，别人看完你内容后应该记住什么。
audience.md：
你具体写给谁，不要写“年轻人”“创业者”这种大词。
pillars.md：
你长期有资格讲的 3-4 个主题。
- 第三步，写 voice。
你需要一个 voice-profile.md，里面放：
我写作里一直会做的 5 件事。
我绝对不要出现的 5 种表达。
2-3 条最像我的参考内容。
然后再建一个 avoid-slop.md，专门记录那些一看就很 AI 的表达。
- 第四步，放 10 个真实想法进 inbox。
不要全靠现场硬想。
最好有一半来自你最近说过的话、私信里聊过的东西、语音备忘录、真实踩坑。
因为你已经说出口的东西，往往比你硬憋出来的选题更像你。
- 第五步，挑一个想法，开一个 run folder。
写清楚：
这条内容的主题是什么。
写给谁。
准备用什么格式。
属于哪个内容支柱。
然后再写 brief，交给模型起草。
- 第六步，读草稿，改完再发。
模型返回之后，不要直接发布。
先用检查清单过一遍：
有没有 AI 味？
有没有具体案例？
有没有值得收藏的结构？
有没有一句话可以被截图？
有没有一句话会让人想转发？
发出去以后，再把数据和反馈写回 feedback.md。
这一步非常重要。
真正让系统变强的，是反馈。
07Writer Context Packet：别把全部资料都丢给 AI
这是很多人最容易搞错的地方。
他们会把整个品牌文档、全部笔记、所有参考内容一次性塞给模型。
结果模型写出来一团安全、平均、没重点的东西。
因为上下文太多的时候，真正重要的信息反而被淹掉了。
更好的做法是：
每条内容只给它需要的那一点上下文。
我会给每条内容写一个 brief，里面只有这些东西：
核心观点 thesis：
这条内容必须证明的一句话。
目标读者 reader：
谁看完以后最应该收藏这条内容。
可信证据 proof：
可以使用的数据、截图、真实故事、项目经历或案例。
切入角度 angle：
这条内容最有新鲜感、最容易让人停下来的讲法。
写作限制 constraints：
格式、长度、语气、不能出现的词和表达。
语言锚点 voice anchors：
2-3 句最像我自己说话的表达，给模型模仿。
风险提醒 risks：
什么地方会让这条内容读起来像 AI、像广告，或者很尬。
待补信息 open loops：
我还不知道什么，模型需要提醒我补充。
这个 brief 不需要很长。
400-900 tokens 一般就够了。
重点是让每一条信息都有用，而不是单纯塞满信息。
08收藏价值怎么判断
我会在发布前给内容打分。
每一项 0-2 分，总分 12 分。
是否帮读者省下未来一次工作。
是否有数据、截图、真实案例。
是否给出可复用的模板、清单、框架。
读者和使用场景是否具体。
没有我在旁边解释，别人能不能直接用。
有没有适合截图或视觉化的部分。
我的发布线是 8 分。
低于 8 分，我会回到 brief 里补最弱的那一项。
因为很多草稿不是彻底没救。
只是少了一个具体案例，或者没有把方法变成可复用的结构。
09我专门有一份 anti-AI 味文档
收藏价值只能判断这条内容有没有用。
但它不能判断这条内容像不像人写的。
所以我还有一份 master-avoid-slop.md。
里面记录了很多 AI 很爱用、但我觉得很AI味不想用的词句。
比如：
“颠覆性”“划时代”“游戏规则改变者”这种宣传腔。
“关键时刻”“重要里程碑”这种硬拔高。
“专家认为”“研究表明”这种没有来源的模糊归因。
一堆句式相同的短句，跟口号一样的东西
过度使用破折号
太多排比句，不是 而是的结构
看起来很完整，但没有一句真实的话。
每次草稿出来，我都会用这份文档过一遍。
它的作用很简单：
让内容从“AI 写得挺顺”，变成“一个真的有判断的人在说话”。
10可以直接用的提示词
下面这几个不是神奇咒语。
它们只是系统里几个关键步骤的起点。
你要根据自己的账号、语气和内容方向继续改。
- Prompt 1：提取个人内容基础
角色：
你在帮我搭建一个个人内容系统的基础层。
你的任务是把我零散的笔记，整理成后续写作模型可以反复调用的运营文档。
输入：
我会给你一些原始材料，包括：
我在做什么、我想帮谁、我做出过什么、我平时怎么说话、我想吸引什么读者、我不想写成什么样。
流程：
1. 先读完所有材料，指出里面的矛盾和缺口。
2. 最多问我 5 个澄清问题，不要跳过。
3. 等我回答后，再输出下面 6 个部分。
4. 任何你猜的内容，都标注“假设”。
输出：
1. 定位：
一句话，让陌生人看完我的内容后能记住我。
2. 读者：
一个具体的人，包含他的角色、处境和痛点。
3. 内容支柱：
3-4 个我有资格长期写的主题，并说明为什么。
4. 语言规则：
我写作时一直会做的 5 件事。
5. 禁止模式：
我绝对不要出现的 5 种表达。
6. 证据库：
10 个我可以引用的真实案例、数字、项目或经历。
规则：
不要编造数字、客户和项目。
尽量使用我原话里的表达。
如果某一部分太泛，就标注“缺失”，并告诉我还需要什么。
输出控制在一页以内。
- Prompt 2：判断内容值不值得收藏
角色：
你是一个内容审稿人，长期看高收藏内容和大量没人记得的内容。
你要判断一条内容有没有让读者保存下来的价值。
输入：
我会给你一个选题、粗稿或完整草稿。
流程：
1. 先从普通读者角度读一遍。
2. 按下面标准逐项打 0-2 分。
3. 总分 12 分。
4. 如果低于 8 分，指出最应该补的一项，以及具体怎么补。
评分标准：
1. 是否帮读者省下未来一次工作。
2. 是否有数据、截图、真实案例。
3. 是否给出可复用的模板、清单或框架。
4. 读者和使用场景是否具体。
5. 没有作者解释，读者能不能直接用。
6. 有没有适合截图或视觉化的部分。
输出：
总分：X / 12
最强项：
哪一项，为什么。
最弱项：
哪一项，具体怎么改。
判断：
可以发 / 修改后重评 / 放弃。
规则：
不要为了鼓励我故意打高分。
不要说“更吸引人一点”这种空话。
告诉我应该加什么、删什么、改什么。
- Prompt 3：生成写作 brief
角色：
你是我的内容生产负责人。
你的任务是把一个已经通过的选题，整理成一份写作 brief。
这份 brief 要足够清楚，让写作模型能写出锋利的草稿，但不要把我的全部资料都塞进去。
输入：
- 一个已经通过的选题
- 我的定位、目标读者、内容支柱、语言规则、禁用表达、证据库
- 这条内容相关的截图、对话、文章、笔记或录音稿
流程：
1. 先用一句话复述你理解的选题。
2. 只提取这条内容真正需要的背景。
3. 按下面模板填写 brief。
4. 填不了的地方写“缺失”，并说明还需要什么。
输出模板：
核心观点 thesis：
这条内容必须证明的一句话。
目标读者 reader：
最应该收藏这条内容的人是谁。
可信证据 proof：
可以使用的数据、截图、故事或案例。
切入角度 angle：
最有新鲜感的讲法。
写作限制 constraints：
格式、长度、语气、禁用表达。
语言锚点 voice anchors：
2-3 句最像我的表达。
风险提醒 risks：
什么会让它读起来像 AI 或很尬。
待补信息 open loops：
我还不知道但需要补的信息。
规则：
越小越好，控制在 400-900 tokens。
不要粘贴整份资料，只提取这条内容需要的部分。
如果上下文不够，直接说不够，并问我最关键的一个问题。
- Prompt 4：爆款复盘式终审
这条是我觉得最好用的一个。
因为这条prompt能让大模型指出具体哪一句是真的有效。
角色：
你正在读一条已经在一周后拿到 100 万浏览和 1 万收藏的内容。
你不是来改写它的。
你要解释它为什么能被传播。
输入：
一条准备发布前的草稿。
流程：
1. 读完整篇。
2. 指出具体哪一行承担了关键作用。
3. 说清楚 hook 用了什么动作。
4. 找出让读者相信你的证据。
5. 找出最适合截图的一句话。
6. 找出最值得收藏的一句话。
7. 找出最容易让人回复或转发的一句话。
8. 找出最弱的部分，并说明发之前怎么改。
输出：
开头动作 hook move：
[原文具体句子] + 为什么有效。
可信度 credibility：
[原文具体句子] + 为什么读者会相信。
适合截图的一句话 screenshottable line：
[原文具体句子]
值得收藏的一句话 save-worthy line：
[原文具体句子]
容易引发回复/转发的一句话 reply/share trigger：
[原文具体句子]
最弱的部分 weakest part：
[原文具体句子] + 怎么改。
规则：
不要说“很强”“很有洞察”这种空话。
必须指向具体句子。
如果找不到某一类句子，就直接说找不到。
找不到的地方，就是发布前必须修的地方。
这条提示词最有价值的地方在于：
模型将不会讨好式的泛泛夸奖你。
它必须指出哪一句在发挥作用。
很多草稿看起来已经过了检查，但一跑这个 prompt，问题马上就会暴露出来。
11写作模型和系统模型，可以分工
当内容量起来以后，我发现一个很明显的问题：
写作和调度系统，其实是两种能力。
- 写作模型要负责语言、节奏、压缩、语气和草稿质量。
- 系统模型要负责分发任务、整理上下文、判断该给写作模型什么材料、跑检查流程、把内容交给发布层。
所以后来我就不再用一个模型干所有事。
你可以简单理解成：
- 一个负责写。
- 一个负责管流程。
写的人不用管文件夹怎么流转。
管流程的人也不需要亲自写出最后那段最击中人心的表达。
分开之后，整个系统会好运作很多。
系统要放在哪里跑
这类系统想真正运转起来，关键不是你用哪个 App。
关键是：
你的“系统负责人”能不能读写文件、调用工具、运行检查、把通过的草稿交给发布工具。
我看到比较好用的方式有两种。
- 第一种是 VPS + Claude Code。
你租一个小服务器，把 /content-os 放在 Github里，让 Claude Code 在里面跑流程。
好处是你完全掌控自己的系统，可以写定时任务、检查脚本、发布流程。
适合愿意折腾技术栈的人。
- 第二种是 Hermes Agent。
它更适合这种长期工作流：agent、skills、文件操作、浏览器、搜索、定时任务、持久上下文都在一起。
你把定位、素材、brief 模板和检查规则给它，它就能承担中间那层调度工作。
但不管用哪种，原则一样：
系统要住在一个能读写文件、调用工具、跑检查、交付发布的地方。
工具只是外壳。
真正重要的是这条内容生产链路能不能跑通。
12发布层：Postiz
当草稿通过之后，我会把它丢进 Postiz 排期。
它可以把内容排到 X、LinkedIn、Instagram、Threads、TikTok、YouTube、Bluesky、Reddit 等平台。
它是开源的，也能自托管。
对我来说，Postiz 更像系统最后的发布层。
Agent 可以把通过检查的内容交给它排队发布，但草稿在发出去之前，仍然会经过我自己人工确认。
这一点很重要。
AI 可以碰发布工具，但不代表你要让它完全自动乱发。
13反馈循环才是护城河
很多人做到“发布”就停了。
但真正让系统变强的，是发布之后。
我每周会看这些数据：
浏览量
收藏数
收藏率
回复
私信后续
其中我最看重的是收藏率。
因为它能告诉我：
这条内容到底是被人顺手划过去了，还是让人觉得以后还会用到。
- 表现好的内容，会进入 winners。
我会把它和数据一起放进系统，作为之后的参考样本。
- 表现差的内容也有用。
它可能会更新我的语言规则、禁用模式、选题过滤器，或者提醒我某种角度已经失效。
所以每一周的内容数据，都在反过来训练下一周的系统。
这才是内容系统真正开始产生复利的地方。
最后
我现在正在把这整套系统整理成一个 blueprint。
里面会包括：
文件夹结构
提示词
writer context packet
检查清单
收藏评分表
anti-AI 味文档
我自己账号正在用的文件模板
如果你现在已经有不错的草稿，只是缺一个发布层，那不用等我。
先用 Postiz 把内容排起来。
内容系统不是一上来就完美。
它是你每周写、每周发、每周看数据、每周修规则，慢慢长出来的东西。
最关键的一句：
不要把 AI 当成自动驾驶。
它更像一个加速器。
真正决定内容能不能被记住的，还是你自己的判断、素材、审美和复盘能力。