方法工具
AI 工作流自动化：把重复劳动交给流水线
很多团队用 AI 的方式是"让 AI 干一件件事"：让 AI 写一篇稿、让 AI 做一张图。但真正的杠杆，是把一系列步骤连成流水线，让 AI 之间互相接力。这篇文章记录我们搭建内容自动化中台的真实过程：目标、架构、成本与踩坑。
一、起点：哪一步值得自动化？
判断标准只有一个——重复 + 有固定套路 + 量大。我们当时面临的问题：
- 每天要产出多篇公众号文章草稿
- 流程固定：选题 → 生成 → 合规检查 → 排版 → 推送草稿箱
- 每天人工重复耗时 3 小时以上
这三条全中，于是立项。
二、流水线架构
整体是五段式流水线，每一段由独立模块负责：
选题收集 → 内容生成 → 合规闸门 → 排版输出 → 推送草稿箱
│ │ │ │ │
定时抓取 LLM 生成 规则+LLM HTML 模板 公众号 API
行业热点 + 改写 双重校验 自动排版 安全网模式- 选题收集：定时抓取行业热点与关键词趋势，去重后进入选题池。
- 内容生成：LLM 按模板生成正文，第二个模型负责改写降"AI 味"。
- 合规闸门：规则引擎（违禁词、敏感词）+ LLM 语义判断双重校验，不通过直接拦截。
- 排版输出：正文转成符合公众号规范的 HTML 排版。
- 推送草稿箱：通过公众号 API 推送为草稿，人工审核后才发布。
安全底线：自动化只做到"草稿"，永远不自动群发。人工审核是流水线的最后一道闸门，这条线不能省。
三、成本账
| 项目 | 方案 | 月度成本（估） |
|---|---|---|
| LLM 调用 | 国内模型 API，按量计费 | 数十元级 |
| 服务器 | 复用现有云服务器 | ≈ 0（增量） |
| 开发工时 | 约 2 人周 | 一次性 |
| 人工复核 | 每天 20 分钟审核草稿 | 大幅下降 |
结论：月度运行成本几乎可以忽略，省下的是每天 3 小时的人工。回本周期以周计。
四、踩过的三个坑
坑 1：LLM 输出不稳定
同一个提示词，今天输出合格，明天跑偏。解法：输出结构校验 + 重试机制——先校验字段完整性，不合格自动重试，最多 3 次。
坑 2：合规是"流程"不是"关键词表"
最初只做违禁词过滤，发现语义擦边的根本拦不住。解法：规则引擎打底 + LLM 语义复核，双保险。
坑 3：模型/接口依赖
单一模型出故障，整条流水线停摆。解法：网关层做模型路由与熔断，主模型不可用时自动切换备用。
五、给想复制的你
- 从小处开始：先只自动化"选题 → 生成"，跑顺了再往后接。
- 每段都要可观测：日志记录每一段的输入输出，出问题能定位到环节。
- 保留人工入口：任何环节失败都要能"手动接管"，流水线不能成为黑盒。
小结
自动化的本质不是"消灭人工"，而是把人的时间从重复操作里解放出来，放到判断和创造上。流水线负责"干活"，人负责"把关"，这是我们认为最健康的形态。