写在前面
在我的公众号「FuTalk设计日记」中，周刊已经更新超过130期了，以前是纯手动。每更一期，我都要翻十几个信息源：找选题、筛内容、读文章、截图、翻译、分类、排版，最后再一条条搬进公众号后台。这些活单看哪件都不难、不费劲，可架不住又碎又多、周周重复，一套走下来大半天就没了，真的很耗精力，一度停更了一阵子。
而现在，同样的工作内容，真正需要我亲自上手的时间被压到了几分钟：抓取、分类、排版、配图这些机械环节交给机器跑，我主要负责审稿、取舍和最后把关。能做到这一步，是因为前几天我花了大概一周时间，把它做成了一套半自动工作流。这篇不是生硬的教程，也不是空谈概念，而是一篇真实实录：我怎么搭的、踩了哪些坑、沉淀了哪些心法，以及为什么没有一步到位上“全自动”。
先说句实在话：这篇虽然全程在讲“做周刊”，但我真正想聊的是一个更通用的问题——普通人怎么把那些重复、琐碎、每周都要做一遍的活，拆成AI能接手的SOP。周刊只是我拿来跑通这套方法的例子；你换成做月报、剪视频、整理资料，逻辑都一样。而这套方法的核心，其实就一句话：机械的交给AI，判断的留给自己。
话不多说，我们直接进入正题吧~
正式动手前，需要先想明白一件事，这也是整套流程的底层逻辑：别急着让AI“发明”一套新流程，而是先把原来怎么做的，拆成标准动作，再让AI照着做。说白了就是，你的活越能写成一份清晰的SOP，AI就越能替你干好。那些你自己都说不清、全凭手感的环节，AI也一样抓瞎；但凡你能讲清“先干什么、再干什么、什么情况怎么处理”的步骤，基本都能逐步移交给AI。
所以我做的第一件事不是写代码，而是把“做一期周刊”的全过程拆解，看看哪几步能标准化。下面就按真实顺序走一遍。
1.固定素材入口
第一步是找素材，这部分我是一步步放开的。最早全靠我自己：平时刷到什么、临时看到什么就攒什么，特别依赖个人精力。后来我整理出一个信息源库，把靠谱的来源固定下来，让AI按这张清单去抓；再往后，又把范围扩到更多公开渠道，抓取最近一周的相关内容。从“个人”到“信息源”再到“更多渠道”，覆盖面一层层放大，素材不再只靠我“碰巧看到什么”，而是变成一个相对稳定的内容池。
同时我留了一条绿色通道：我自己手动丢进去的链接，优先级最高，直接进候选池，不参与初筛。因为有些内容不一定是热度最高的，但我知道它适合我的读者，这部分判断，还是要留给人。
不过“多源抓取”也有代价：来源一杂，就可能混进过时信息、二手转述、营销软文，甚至一些未经核实的内容。所以光“抓得多”还不够，接下来更关键的一步，是让AI学会“筛”，先把不合格的挡在门外。
2.建立筛选规则
素材抓回来之后，真正的问题才开始：内容多但不代表都适合进周刊。我的周刊分成几个固定板块，我让AI把抓回来的内容按板块自动归类。但这一步最关键的不是教它“收什么”，而是教它“拒什么”。我给它定了几条很明确的“死规矩”，比如：
这一步对效果影响非常大。以前AI很容易为了“完成任务”凑满数量，把没价值的内容也塞进来；但把这套规则写清楚之后，筛选质量就稳定多了。这里有个小经验：给AI立规矩，先写清“反面例子”，往往比只写“正面例子”更管用。把你最不想要的几种情况明确拒掉，它就能稳一大半。说大一点：教AI做判断，最有效的往往不是告诉它“我要什么”，而是先告诉它“什么绝对不要”。
3.沿用周刊样板
有了每个板块的具体内容，下一步是排版。我对这步有个硬要求：AI生成的周刊，必须和我之前的周刊样式保持完全一致，包括板块结构、卡片样式、标题层级、配色节奏都要对得上。
我没有一条条去写“标题多大、间距多少”这种规则，而是直接告诉AI去看我过去几期的周刊样式，总结规律：我习惯怎么分栏、每个板块都有哪些内容、标题和正文怎么搭……它摸清规律后，再照着给新内容排版。等于我不用教，它“看图临摹”就把版式学走了~
所以不管做周刊、月报，还是任何固定格式的交付物，最好都别让AI从零发挥，可以先给它一个能模仿的样板。样板越清楚，输出越稳定。
4.交出配图杂活
之前做周刊，最麻烦的环节之一就是找图。有些文章自带图还好；有些没有合适配图，就得自己截图、裁图、找素材。现在我把配图分两种情况自动处理：
• 封面： 我把以前的Sketch模板直接给了AI，每期由它替换：背景图、期号、日期，版式原样套用；其中背景图它会优先找可商用或授权清楚的免费素材，并把来源出处记录下来，我再做最后确认，尽量降低版权风险；
• 正文配图： 优先用原文图片；万一某条内容没有合适配图，调用AI生成一张符合风格的图。
这一步不一定多高级，但真的省时间。因为周刊里很多配图本质上不是核心创作，而是辅助阅读，这类机械的找图、套图、补图，交给AI非常合适~
换成别的工作也是一样：只要某个环节重复、耗时、判断成本又不高，就可以优先交给AI。真正值得自己盯的，不是这些机械活，而是最后的取舍和质量。
5.搭好审稿闭环
按理说到这一步，AI已经能把整期排好了，但我很快撞上一个现实问题：AI默认产出的是Markdown文件。只看文字还行，可我要确认的是它最终在公众号里的阅读效果：标题层级对不对、图片位置顺不顺、版式有没有乱。盯着一堆Markdown，我根本看不出最终效果，全靠脑补。
同时，我平时有随手收藏好文章的习惯，以前都是直接丢到“文件传输助手”里，但传输助手的内容没法被程序稳定读取，做不了自动化。两个需求叠一起，我最后选了飞书：它同时解决了两件事，既能让我所见即所得地审稿，又能让AI自动读取我丢进去的素材。于是我在飞书搭了两个群。
第一个群负责“收”。它其实是我那个“随手收藏”习惯的升级版：以前刷到好文章丢进传输助手，更多只是临时收藏，后面很难稳定进入自动化流程；现在我在外面看到什么，链接往群里一丢，它就收进素材库、排进下一期的周刊内容。等于我走在路上随手存的灵感，自动变成了产线上的原料。
第二个群负责“改”。AI把整期内容生成一份飞书审稿文档，我直接在手机上看、点批注，比如：
这里最关键的一点是，我把批注意见分成两类：临时性的，当场改掉，只作用于这一期；原则性的，写进规则文档，往后每期自动遵守。
这样一来，每次审稿都不只是改这一篇，而是在给系统补规则。用得越久，它越懂我的口味，要返工的地方也越来越少。对我来说，这才是最有价值的地方：它不只是一个审稿工具，而是把“人来判断、AI来执行”变成了一个持续变好的闭环。
6.稳定保存草稿
最后一步，是把成稿存进公众号草稿箱。
最开始AI自己实行了“去网页后台点来点去”的方案：打开后台、上传图片、粘贴正文、设封面、存草稿，我到现在也没搞懂它为什么挑这条路（这其实也是它偶尔“变笨”的一种表现）。而这个方案偏偏很脆弱：网页自动化最大的毛病就是不稳，页面结构一变、按钮一挪、登录态一掉，流程就崩。
试了几次都没有成功，后来我把另一个已经通过API跑通的项目发给它，让它看看有没有可借鉴的地方。之后它就改成调官方API建草稿，把标题、摘要、正文HTML、封面、配图、板块、期号打包成一个结构化的“内容包”，一次提交到位。从“模拟人操作网页”换成“直接调接口”，稳定性完全不是一个级别。
7.定期归档清场
以上基本流程就跑通了，但之后我又补了一步特别容易被忽略的事：清理。
自动化项目跑久了，尤其是反复调试的过程里，最容易堆出一堆缓存、测试文档、临时文件、各版本中间稿、旧封面草稿……不管它，不光占空间，更麻烦的是过段时间我自己都分不清哪个能删、哪个动不得，流程也越跑越乱。
所以我又让AI帮我做了一次清理，但不是让它随便删，而是先把规则写清楚：哪些文件必须保留，哪些要归档，哪些只是测试缓存可以清掉。清完后，我又让它把整条流程从头到尾自检一遍，确认关键依赖都还在、没有误删重要内容。
同时我把这件事也做成了定时任务，每周二上午十点自动跑一次，归档上一期、清掉缓存、只留当前期。把这些定期清干净，不只是腾空间，整条流程清爽了，后面每期跑起来也更顺，不容易被一堆杂物绊住。做完这一步我才觉得，这套流程不再是“临时项目”，而是真的有点像一个能长期执行的系统了。
真正动手才发现，坑不只在代码里，更多在“怎么和AI配合”上。挑几个最典型的说。
1.别只甩几句话就让它开干
一开始，我经常只说个大概需求，AI就默认开始埋头写起代码来。结果是：它看着很努力，实际方向跑偏，写了一大堆，最后还得推倒重来。更麻烦的是，这种跑偏一旦发生，想把它一点点调回正轨，往往比直接推倒重来更麻烦。
后来我给自己立了条规矩：先沟通清楚、对齐方案，在我说“可以”之前，不要动代码。有不明确的内容可以提问，等需求、边界、文件结构、输入输出都对齐了，它写得又快又准；反过来，需求不清时，它写得越快，返工越多。
2.一个对话别塞太多问题
同一个对话里堆的事越多、上下文越长，AI反而越容易变“笨”，开始混淆前后任务，甚至在一个问题上反复打转，或者陷入死循环。
所以我现在会主动拆分对话：选题筛选一个、封面生成一个、飞书批改一个、公众号草稿一个、报错修复再单开一个。不同问题各走各的线，互不交叉。这样不仅AI判断更准，我自己回溯问题也更方便。
3.安全这件事，不能省
自动化一旦涉及账号、密钥、发布权限，就不能只想着方便。我至少加了两道保护：
• 账号守卫：我同时管着多个号，最怕发错。所以发布前先校验当前是不是目标号，对不上立刻中止；
• 密钥只存本机：公众号密钥、接口凭证这类东西，我绝不发进对话框、也不会随手贴给AI，而是存在本机的私有文件里（通过一个只在本地跑的小页面录入），让程序运行时自己去读。
这些细节看着麻烦，但只要翻一次车，你就知道它有多重要。
搭完这套周刊我最大的感受是：真正值钱的不是某段脚本，而是这套和AI协作的方法。现在回头看，很多环节已经有成熟的skill可以替换，但把复杂工作拆成SOP、判断哪些能交给AI、哪些必须自己把关的能力，不会过时。前面踩过的坑，后来也都落地成了我做新流程时会先检查的几条原则。
1.先把“我自己怎么做”捋一遍，别急着问AI
别一上来就问“AI能不能做这个”，而是先把自己每一步老老实实写下来。能讲清楚步骤的活，才谈得上交出去；那些你自己都说不清、全凭手感的环节，AI也一样抓瞎。这一步看着笨，其实是后面所有自动化的地基。
2.给每一步贴个标签：机械 / 判断 / 风险
把记下来的每一步分三类： 机械动作（找图、翻译、排版这种重复体力活）交给AI； 判断动作（选题、取舍、定调）留给自己； 风险动作（涉及账号、密钥、发布）再单独加一道人工确认。先分好类，后面哪步交给谁、哪步得自己盯着，就不纠结了。
3.给AI的不是一句需求，而是一份规则
想清楚再动手，真的比埋头乱写快太多。所以做新东西时，我不会甩一句话就让它干，而是先写一份小PRD，把这几个问题先想明白：
想不清的也别自己死磕，可以反过来问AI，让它帮你搜搜别人怎么做、有没有更省事的方案。这份规则不一定要很复杂，但一定要把边界写清楚：哪些事能自动处理，哪些情况必须停下来问我，哪些结果宁可少一点也不能硬凑。AI最怕的不是任务小，而是边界糊；边界越清楚，它越不容易乱发挥。
4.多轮打磨，别指望一次到位
每做完一段，我会停下来让AI自检一遍：用第一性原理检查结果，有没有更简单的做法，有没有bug或安全风险。
我也会让不同AI互相审。比如让Claude Code写完一段，再让Codex从另一个角度挑问题；或者反过来，让Codex跑完流程，再让Claude Code检查有没有遗漏。最近我还装了Codex for Claude Code插件，可以在Claude Code里直接调用Codex做review，不用在两个工具之间来回切，交叉检查也顺很多。
但说到底，没哪次是一把就做对的，都是我和AI来回磨了很多轮才磨出来的。这个过程其实一点不优雅，我常在崩溃和兴奋之间徘徊，AI也常在“牛得不行”和“它是不是根本没听懂我说话”之间横跳。所以第一版不满意太正常，别急着否定。好东西基本都是一轮轮“测试、反馈、再修改”磨出来的。
AI写代码很快，但写得对不对还得自己想清楚。
这套流程跑顺之后，那些机械活（找图、翻译、排版、搬运）从原来的大半天压到了几分钟。但对我来说，最大的变化还不是省下的这点时间，而是我终于从低头搬运里抬起头，把省下的时间投回到更值得动脑的事上：打磨skill和产品、看书、学英语、锻炼身体。这些才是AI替代不了、也最值得我长期投入的部分。
我也没急着一步到位上全自动。一来，拆到最后发现审稿、取舍这几步本来就得我来，机械活交出去就够了，它自然就停在了半自动；二来，这套流程才刚跑起来，我想先让它半自动地稳跑几周，等确认每个环节都没问题、跑得顺顺当当了，再把剩下的交出去也不迟。全自动那些方案（n8n、云服务器、无人值守）我也研究过，不是不做，而是等它真靠得住了再做。眼下最累的机械搬运已经解决，对我就够了。
与此同时，我也在一点点把这套流程里稳定下来的步骤沉淀成skill。skill只是零件，但你得先知道自己要搭一台什么机器。先从单点能力开始，慢慢再把整条流程打包成更稳定、可复用的工具。
机械的交给AI，判断的留给自己，这就是目前最适合我的“半自动”工作流。
这套工作流我还在打磨，等它更成熟了，再来跟你们聊聊新东西。如果这篇能给你一点启发，那就别光收藏，今晚就挑一件你最烦、最重复的小事，先把步骤拆出来，再让AI接手其中最机械的一步。我们一起，把自己从重复里解放出来，做更有意义更有趣的事，共勉~
更多原创AI教程文章：
AI代码：
👉AI建站实录｜代码小白用Cursor从0建个站，全流程+避坑指南
AI绘画：
AI模型训练：
AI系列课程：