花一天时间，我用Claude Code搭了个AI写作系统

点击上图，查看往期优秀营销数字化案例

来源：大疯狂有话说 ID：liudayue1128 作者：大疯狂

疯狂的是我，还有全世界！

早上9点，我打开电脑，Obsidian里躺着3篇公众号草稿、2条小红书笔记，还有朋友圈已经两天没更新了。

公众号要更新，小红书要发帖，朋友圈还得分享点什么。每次都是这样：打开Claude，说"帮我写一篇关于XX的文章"，然后开始漫长的来回修改。

有时候它给我写成了论文，有时候又太口语化。最让我头疼的是，每次都得重复解释我想要什么风格、什么长度、用什么结构。

"能不能搭个系统，让AI按我的要求自动完成这些流程？"

这个想法在脑子里转了一圈，我决定今天就干这件事。

上午10点：确定目标，开始搭建

我先在Obsidian里新建了一个文件夹，叫06_writingflow。

然后列出我最常用的几种写作场景：

• 公众号：长文，需要配图，结构完整

• 小红书：短文，标题要吸睛，开头要抓人

• 朋友圈：碎片化思考，简短有力

• 视频脚本：口播稿，要控制时长

这四个场景的需求完全不同。如果每次都让AI现场发挥，出来的东西肯定不稳定。

我需要一个路由机制：根据不同场景，自动加载对应的流程配置。

于是我在根目录下创建了一个CLAUDE.md，写下第一段配置：

## 一、任务路由机制（两层判断）


 ### 第一层：工作区判断
根据需求判断属于哪个工作区：
- 公众号 → 执行公众号流程
- 小红书 → 执行小红书流程
...

写完这段，我突然意识到一个问题：判断完工作区还不够。

因为有时候我是要写新文章，有时候是改已有文章，有时候只是想让AI审校一下。这些任务的流程完全不一样。

所以我加了第二层判断：任务类型。

这样一来，AI就能自动识别："哦，这是要写一篇新的公众号文章，而且用户没给详细需求，我得先补充brief。"

写到这里已经11点了。我泡了杯咖啡，继续往下搞。

上午11点：核心痛点，一个个解决

配置好路由机制后，我开始思考：之前用AI写作，到底哪里最痛？

我在纸上列了几条：

1. 选题难：每次都不知道写什么，AI也不主动提建议

2. 资料搜集麻烦：涉及新技术时，AI经常用过时信息

3. AI味太重：生成的文章一看就是AI写的，套话一堆

4. 扩写费时间：从想法到成稿，中间要改好几轮

这些问题，不解决的话，系统再花哨也没用。

解决痛点1：选题难

我决定在公众号流程里加一个Step 3: 选题讨论。

要求AI不能直接写文章，必须先提供3-4个选题方向，每个都要包含：

• 标题建议

• 核心角度

• 工作量评估

• 大纲（3-7个大标题 + 字数分配）

这样我就能快速看到几个方向，选一个最合适的，而不是等AI写完了发现方向不对。

解决痛点2：资料搜集麻烦

我加了一个强制搜索规则：

涉及以下情况，必须搜索：
- 新概念/新方法/新技术
- 2024-2025年的新产品、新工具
- 不确定的技术细节

而且搜索完后，AI必须把信息保存到_knowledge_base/文件夹，标注时间和来源。

这样下次再用到同样的知识点，就不用重复搜索了。

解决痛点3：AI味太重

这个是最难的。

我之前试过很多方法，比如让AI"写得自然一点"、"别用套话"，但效果都不好。

后来我发现，关键是要用真实素材替代AI生成的内容。

于是我做了两件事：

第一件：建立个人素材库。

我把自己在Obsidian里记录的真实经历、观点、案例，按主题分类整理到个人素材库/文件夹。

比如：

• AI工具使用经验

• 编程开发心得

• 产品思考

第二件：设计三遍审校机制。

• 第一遍：检查内容（事实、逻辑、结构）

• 第二遍：降AI味（删套话、改句式、加真实细节）

• 第三遍：打磨细节（句长、标点、节奏）

尤其是第二遍，我列了一个详细的checklist，比如：

• 删除"在当今时代"、"综上所述"这类套话

• 把"显著提升"改成具体数字

• 把"进行操作"改成具体动词

• 加入个人态度（不要太中立客观）

写到这里，已经中午12点半了。我去吃了个饭，下午继续。

下午2点：发现新需求，快速迭代

吃完饭回来，我本来想直接收工的。

但刷手机时看到OpenAI降价的新闻，评论区都在讨论。

我突然意识到一个问题：追热点。

公众号写作经常需要追热点，但我现有的流程里没有专门针对热点内容的机制。

热点内容和普通文章不一样，它需要：

• 快速判断热点价值（值不值得写）

• 深度分析热点（不能只是转述新闻）

• 爆款标题（吸引点击）

• 快速排版（尽快发布）

我决定加一个新工作区：热点内容。

然后我开始搜索"如何判断热点价值"、"爆款文章的要素"。

找到一些资料后，我提炼出一个13要素快筛系统：

生存层（基础需求）：

• 成本（钱/时间/精力）

• 最坏（焦虑/恐惧/损失）

• 激素（愤怒/爽感/共鸣）

发展层（社会属性）：

• 人（名人/素人逆袭）

• 场景（具体可感知）

• 数据（惊人对比）

• 对比（前后/新旧）

超越层（认知升级）：

• 反认知（颠覆常识）

• 怀旧（集体记忆）

• 好奇（未知/悬疑）

• 顶配（极致/最强）

• 高维（哲学思考）

• 钩子问题（引发讨论）

每个要素给分，总分≥12分才值得写。

这样就能避免浪费时间在低价值热点上。

接着我设计了3阶段瀑布流分析：

1. 速判期（1000字）：快速评分，决定继续还是放弃

2. 框架定位期（1500字）：选择内容框架（预言型/震撼型/深度型）

3. 素材收集期（12000字）：收集事实、观点、场景、爆点素材

这个流程下来，AI会输出一份14000字的深度分析报告。

有了充足的素材，写文章就不会空洞了。

然后我又加了爆款标题生成功能：

• 一次生成20个备选标题

• 每个标题13-20字

• 必须包含至少2个13要素

• 分4组：数据震撼型、场景共鸣型、反认知型、人物故事型

这样我就能从20个标题里挑一个最合适的。

写完这些配置，已经下午4点了。

我测试了一下，让AI分析"OpenAI最新降价"这个热点。

它真的按照3阶段瀑布流，输出了一份14000字的分析报告，还给了20个标题。

我从20个标题里挑了好一会儿，最后选了："AI大模型价格战，普通人的机会来了"。

虽然还不确定这个标题够不够吸引人，但至少比我自己想的几个强多了。

下午5点：最后一块拼图

系统基本搭完了，但我总觉得还缺点什么。

我回看了一下今天写的配置，发现一个问题：如何保证内容的事实准确性？

AI有时候会编造数据、用错时间、引用不存在的名人名言。

虽然三遍审校能发现一些问题，但针对事实准确性的检查还不够系统。

于是我加了第四个环节：内容审核。

放在三遍审校之后、发布之前。

审核checklist包括4项：

1. 引言真实性：核查名人名言、案例故事、研究结论

2. 数据来源：所有数据标注来源和时间

3. 信息准确性：产品名称、功能描述、价格信息

4. 时间准确性：事件时间、产品发布时间、时间线

每个数据点都要有明确来源，比如：

根据OpenAI官方博客（2025年1月），ChatGPT的周活跃用户已超过2亿。

而不是模糊地说"据报道，用户量很大"。

这样一来，整个流程就完整了：

创作 → 三遍审校 → 内容审核 → 发布

我把这个版本标记为v1.2。

晚上7点：回顾与思考

晚饭后，我打开文件夹，看着今天搭建的这套系统。

从早上10点到现在，9个小时。

我完成了：

• v1.0：核心架构（两层判断 + 9步流程 + 三遍审校 + 个人素材库）

• v1.1：热点能力（13要素快筛 + 3阶段分析 + 爆款标题 + 排版优化）

• v1.2：内容审核（4项核查 + 来源标注）

我试着用这套系统写了一篇文章，流程确实顺畅多了。

AI不再是一个"盲目执行命令的工具"，而是一个"按照规范协作的助手"。

我不用再每次都重复解释需求，也不用担心它写跑偏。

一些意外的收获

搭建这套系统的过程中，我发现几个有意思的点：

1. AI需要明确的决策边界

之前我总觉得AI应该"聪明一点，自己判断"。

但实际上，AI最怕的就是模糊指令。

比如"帮我写一篇文章"，它不知道：

• 写多长？

• 什么风格？

• 发在哪里？

• 用什么结构？

结果就是瞎猜，猜错了还得重来。

但如果我明确告诉它："这是公众号文章，按9步流程执行"，它就知道该干什么了。

2. 流程可以迭代，但原则不能妥协

我在配置里写了4条不可妥协的核心原则：

• 绝不编造数据

• 绝不使用过时信息

• 绝不省略Think Aloud（重要决策要说明思考过程）

• 绝不跳过用户确认（重要决策要等我确认）

这些原则即使流程再怎么优化，也不能违反。

因为它们是保证质量的底线。

3. 个人素材库是降AI味的核心

我试过很多降AI味的方法，但效果最好的还是用真实素材。

因为AI再怎么模仿人类写作，也无法编造你的真实经历。

比如我在素材库里记录了一次使用Claude Code的真实体验：

"上次让它写小红书，结果给我来了篇3000字长文，完全没法发。"

这种真实细节，AI绝对写不出来。

所以我决定以后每次用完AI工具，都把真实经历记录到素材库。

积累得越多，文章的"人味"就越足。

未来的优化方向

虽然系统基本能用了，但我知道还有很多可以改进的地方：

1. 自动化配图：目前配图还是手动的，能不能让AI根据内容自动生成Midjourney提示词？

2. 风格学习：让AI读我之前写的文章，自动提取风格特征，而不是每次都手动配置。

3. 数据统计：记录每篇文章的阅读量、点赞数，分析哪种选题、哪种结构效果更好。

4. 多平台分发：一篇文章写完后，自动改写成小红书版、朋友圈版、视频脚本版。

这些功能我打算在v2.0版本里实现。

今天这9个小时，我做了一件之前想做但一直没做的事。

以前总觉得"搭系统"很复杂，需要写代码、需要很强的技术背景。

但实际上，Claude Code的核心就是配置文件。

你只需要用Markdown写清楚规则，AI就能按照你的要求执行。

这让我想起之前看过的一句话：

"工具的价值不在于它有多强大，而在于你如何使用它。"

AI写作也是一样。

与其每次都临时发挥，不如花点时间搭个系统，让AI按照你的标准协作。

这样不仅效率更高，质量也更稳定。

如果你也在用AI写作，不妨试试这个思路。

从确定工作区，到设计流程，再到建立审校机制。

一步步来，你会发现：

AI不是来替代你的，而是来放大你的能力的。

点击下方关键字，查看原创热文

行业案例：| | | | | | |

业务场景：| | | | | | | | | | |

系统应用：| | | | | |

数智科普：| | | |

米多是国内领先的营销数字化整体解决方案提供商，为企业提供顶层设计（营销数字化蓝图/架构/体系等）、系统规划（一物一码/智能营销/渠道管理）及运营落地（扫码发红包/一元换购/五码合一等）提供服务，用数字化驱动业务增长。