写了两年多维表格和自动化，最近有个朋友问了我一句话，说：你讲的这些东西，你自己有在用吗？
我当时愣了一下。因为确实，我发出去的都是”我给某某企业或用户搭了套什么”，很少讲我自己每天怎么干活。今天补上这一篇。
我就讲讲我平时是怎么用这些工具来做内容的，因为我自己用的这些东西，就是我帮用户解决问题时用到的那些东西拼起来的。多维表格负责存，n8n跑一些定时任务，claude去做重复的脏活累活，中间再用几条自动化串着。没有神秘工具，也没有什么一键出爆款。
而且我必须要先说：它不是全自动的。有几个环节是全自动化的，有些还是需要人工来判断。那么接下来我们就详细来说说。
一、整体流程：挖需求 → 选题 → 成文 → 分发
我的写作流程是四段：
挖需求 → 变成选题 → 写出来 → 发出去（文章+小红书+短视频）。
听起来像是废话，做内容的都是这四段。区别在于每一段里谁在干活：
| 环节 | 多维表格干什么 | Claude 干什么 | 我干什么 |
|---|---|---|---|
| 挖需求 | 存监控数据 | 搜索、初筛、标记来源 | 判断哪条是真的 |
| 变选题 | 存选题卡、管状态 | 归类、写卡、查重 | 拍板写不写 |
| 写出来 | 存素材和原话 | 出初稿、查证事实、清理AI味 | 改内容、补我自己的经历 |
| 发出去 | 存发布状态 | 改写各渠道版本、出脚本 | 录屏、最后校对 |
看这张表你会发现一个规律：
多维表格管理我的数据以及我的任务状态，Claude AI干的全是”重复且有标准”的活，我干的全是”要判断”的活。
二、挖需求：AI 抓，我来判断
这一步我花的力气最多，因为它决定后面所有环节的质量。选题错了，写得再好也白费。
1. 需求数据从哪来
两类地方。
①一类是外面的：行业垂直论坛、社区、问答站，拿”岗位 × 干什么活 × 哪儿难受”凑搜索词，比如”货代 每票毛利 算不清”。这一步我固定好规则，直接让 Claude 帮我干，我会定期让 Claude 运行指令，让它帮我看看最近全网有没有什么需求或者痛点之类的。（这条线怎么搭，我单独写过一篇：Reddit 需求线索怎么抓，AI 自动化每天 10 分钟搞定。）
claude的运行是基于写好的skills来的
②另一类是自己的：我常年跑着几张监控表，行业群聊在讨论什么、公众号搜一搜有人在搜什么、B站同类内容什么数据，这些每天自己流进多维表格。
之前也有分享过这一块 【链接】
当然这里有些细节决定你抓回来的数据的质量，比如让AI全网扫一些业务痛点，可能很多都是厂商的软文或者营销文，没有说真话的，这个需要让AI来判断清楚，只要不断的调整数据源和AI的指令后，数据质量才会越来越好。
2. 这一段怎么分工
①多维表格和n8n，用来帮我通过接口去定时抓公众号、b站、youtube和reddit等各渠道的数据。然后把数据都从在多维表格里作为一个知识来源库，里面的内容和评论也可以作为需求和痛点的来源库。
②Claude干的是，按词去全网搜索、把明显是广告的先扔掉、给每条标上来源和可信度。把最脏最累的活都丢给AI去做，并且给我整理出可能的痛点或选题。
③我自己，判断哪条是真需求。
群聊和评论区那条支线也是同一个思路，见飞书龙虾怎么蹲需求：话题群每天自动给一份摘要。
其实这一步最重要的就是，我要人工来判断，AI给出的结论是否合理 。 说白了就是AI只是辅助我工作，但是最终的判断还需要人工来核实确认。
说一个我自己总结的判断方法：
以我自己做信息化需求为例，一般说业务词的是真人（”订单老是漏”），说工具词的是软文（”数字化转型”）；结尾有二维码的基本是推广。
但最管用的是这条：
比如前段时间AI在一个检测行业的论坛找到一个案例，一位检测员为了批量出检测报告，自己研究了半天 Excel 的 INDIRECT 函数，还配了个批处理脚本。他原话是”这次样品量有些大，所以研究一下”。
这条信号比一百句抱怨值钱，因为它一次证明三件事：需求是真的（他付出了真实成本）、频率够高（没人为一年一次的活写公式）、现有软件没接住他（他们行业有便宜的系统，他还在系统外面手搓）。
三、把需求变成选题卡
挖到的东西不能就那么放着，不然没有任何价值。选题情报怎么攒成一张能用的看板，我拆过一篇多维表格仪表盘+飞书龙虾：把选题情报真正用起来；海外那条线的雷达在Reddit 选题雷达怎么搭。
所以我会让 Claude 把我筛查后的内容变成一张完整的选题卡。
这个选题卡一般会包含这几部分的内容
第一个是他的原话。 逐字记，不许改写。这句话就是文章开头最好的素材，改写一遍就废了。
第二个是上下文。 他是谁、什么场合说的、之前试过什么办法、有没有人回复他。这栏是我后来加的，就是因为吃过前面说的那个亏。
第三个是这篇写给谁看。 老板、执行岗员工、还是通用。这决定写法：给老板看的讲钱和风险，给员工看的讲”你手上这活能省多少事”。
第四个是动笔前要先验证什么。 比如”这个功能我没实际跑过，写之前先自己搭一遍”。为了避免AI自己瞎编乱造。
这个选题卡，除了会保存在电脑的本地文件夹里，我会同时让AI同步到我的多维表格里，变成一个任务清单。因为选题卡可能会很多，有时候自己都忘记了，所以我在多维表格里建了一张任务表，按状态展示，做完的就拖拽一下换个状态，这样就避免自己遗忘。
四、把文章写出来
这一段是 Claude 参与最深的，我会直接把选题卡给到 Claude，让它帮我生成一篇文章，这篇文章直接输出到飞书的云文档里。
这一步虽然看起来简单，但实际很复杂。说简单，你可能会觉得，直接一句话让AI帮我生成就好了呀，说复杂，你生成的结果到底符不符合你的预期和定位，怎样让AI尽量表达的像你，这个就很复杂了。
这个写作的指令我们做成了一个skills（整套写作系统的思路我另写过一篇AI 内容创作系统：从洞察到成稿的完整思路，哪些环节适合交给 AI 见内容创作哪些环节可以用 AI）
这个skills大概会定义的事情是这些：
首先我会AI一个作业指导书。类似工厂里都有的作业指导书，新人按着做就不会出错。我给 Claude 也写了一套。
每类工作有一份：挖痛点一份、写文章一份、发 blog 一份、做小红书图文一份。每份里写清楚三件事：按什么步骤做、判断标准是什么、什么绝对不许干。
这么做的好处是输出稳定。不用每次重新交代一遍要求，也不会这次写出来是这个味、下次又变了。
更重要的是它会长。每次踩了坑，我就把教训写回指导书里。踩过的坑不会踩第二次，这是它比我自己记着靠谱的地方。
其次还有几个注意事项：
一是按类型定写法。 比如我会写教程文和观点文，这是两套规矩。不同的文章表达的形式肯定不同，如果混用就是一股机器味。
二是查证事实。 涉及具体操作的地方不凭记忆和猜测写，不然AI会胡乱编造。比如涉及到多维表格的部分，我会把飞书官方帮助中心的两百多篇文档整个存到了本地，写之前先AI先查一遍，另外涉及到接口对接的部分，我也会把接口文档存在本地，让AI对着来操作。慢慢的就会有一个属于自己的知识库，比如AI出现幻觉。
三是清理 AI 味。 初稿出来跑一遍，专门抓机器痕迹：破折号、”此外””值得注意的是”、三段式排比、听起来像金句的句子等等。 其实每次AI输出后，你都可以把你觉得不好的地方给AI修改，并让AI存到规则里，慢慢的AI就会避免那些机器味很重的措辞
另外这里还有很多事情，比如你可以分析厉害的博主的写作结构和技巧，把这个技巧转化成规则用在自己身上，也可以找一些专业写作的书，把里面的技巧也转化下来… 就不细说了。
最后要提醒的是，AI生成的内容，一定是没法直接用的，人是一定要去复核和修改的。
比如我每次都要去改里面的内容，补充自己的经历。因为AI 可以帮我组织已经发生过的事，但不能替我生产没发生过的事。再就是AI始终代替不了人的情感，它能接近，但是不能代替。 可能很多次写作和调优之后，它会越来越高效，但始终无法替代你。
五、发出去：一篇文章拆成四个渠道
写完不是结束。同一篇文章我会拆成四个渠道的东西，这一段自动化程度最高。
公众号是主阵地，原文发，这一步我还是手工从飞书云文档copy到公众号里去发的，省不了。
blog 同步一份但要改（我还有个自己的WordPress搭建的blog）。改的原因是读者不一样：公众号读者是关注我的人，blog 来的是搜索来的陌生人。所以标题要换成别人真会去搜的问句，还要加结构化标记让 AI 搜索引擎读得懂。
说个我的判断：公众号内容被困在微信里，豆包、DeepSeek 这些引用不到。所以 blog 对我不是”多一个渠道”，是唯一能被 AI 引用的资产，也就是经常说的GEO。
下面两块讲细一点，因为这是我折腾最久的两条线。
1. 小红书：把文章拆成图文卡片
小红书这条线我没有用 AI 生图，毕竟我是做工具的，好像AI生图也帮不上什么，读者要看的是你软件里真实长什么样，画一张漂亮的示意图没用，反而显得虚。所以我的卡片里，内页全是真实截图。（封面图那部分怎么自动生成，详见多维表格自动生成小红书封面图。）
整条线是这么走的：
①读取文章 ： 从飞书文档里把正文和图扒下来。
②做卡片： 这步是关键。我没用任何图片软件，卡片是用 HTML 写出来的：写一个网页，把封面大字、截图、清单排好版，然后用浏览器自动截图导出成 PNG。
为什么用 HTML 而不是设计软件？因为它能批量、能复用、能改一处全变。定好一套样式之后，下一篇只要换文字和图，几分钟出一整套。设计软件做不到这点。
③写标题和简介：把小红书的标题和简介也写出来。
这一步我是完全用claude来做的。 把飞书云文档链接丢给claude，引用指令，然后帮我生成。
同样的它在claude里也是一个skills
生成的文案和图片，都会保存到电脑本地文件夹里。
当然了还是要提醒的是，AI生成的内容不是说可以直接用的，我一般还是会调整优化，然后手动去发布到小红书上面。
2. 短视频：把文章自动剪成短视频
抖音和视频号这条，是我这套东西里链条最长的。因为我是想试试看能不能直接用AI把我的文章直接变成短视频。
这一块也做成了一个skills和几个py脚本
大概会有以下几个阶段
阶段一：文章 → 脚本。
Claude 会帮我把文章改成口播稿，同时出一张分镜表：每一拍多长、画面上该出现什么、这句话用什么情绪念、屏幕上打什么大字。
中间：我自己录屏。 拿着分镜表照着操作一遍。为什么我要自己录屏，因为我做的内容比较特殊，都是一些工具操作的，需要展示一些操作的画面和动作。所以我一定要有个原始的录屏，给到AI才能去剪。
阶段二：录屏 → 成片。
这段是全自动的，几个工具接力：
第一步，让 AI 看懂我录了什么。 录屏是一段十几分钟的原始素材，机器得知道”第几秒到第几秒我在干什么”。这里用的是 Gemini 的API 做视频理解，它会输出一份时间轴日志。
但这里有个点我要说一下：只信它给的时间边界，不信它写的文字细节。它理解画面很厉害，但是要描述画面里的具体的文字可能会有问题。所以拿到日志之后，我会用 ffmpeg 从录屏里抽十来帧图片，逐帧核对”这个时间点画面到底是什么”。
第二步，配音。 用的是阿里百炼上的 CosyVoice 声音克隆：我先录一段自己的声音做样本，之后每句口播都用我的声音念出来。
这里最容易翻车的是语气。刚开始出来全是播音腔，念得字正腔圆，一听就是机器。后来我在配置里加了一条全片统一的基调指令，大意是”口语聊天感，像发语音跟同行朋友分享，绝对不要播音腔”，每句再单独微调情绪。”坚定””有力””庄重”这类词一个都不能写进去，一写它立刻就播音了。
虽然好了一点点，但是说实话还是怪怪的，没关系，需要时间，也需要我长期的调整和优化
第三步，剪辑。 按分镜表把录屏切成一拍一拍，对齐配音，加大字卡，该打码的地方打码，最后合成。这步是脚本干的，一条命令跑完。
第四步，出封面和发布文案。 封面要同时出竖版和横版两个尺寸，因为抖音发布页那两个位置都要传。
最后的成片、视频简介和封面图，也保存在了电脑本地的文件夹里。
以上全流程我都放到一个指令里了，只需要给claude一个飞书文档的文章链接，再给他一个指令，它就可以全这个步骤帮你把视频都剪出来。
这一块也是我调的最多的地方，其实说实话会有些粗糙，只能不停的去学习其他博主的视频形式，多学习视频剪辑的行话，多让AI去完善和调整。
最后我再把它手动上传到抖音和视频号里。
六、数据复盘
发出去不是就完事了，我还得跟踪效果，到底怎么样。
我会把我的数据自动从各渠道同步到飞书多维表格里来。当然这里只能同步平台有的内容。
拿公众号举例，我把各时间段的数据表现，都同步到了多维表格，然后监控数据表现。数据攒够之后怎么反过来找规律，可以看我批量下载了某个公众号所有文章，分析了爆款内容的共性。
可以把数据丢给AI，让它帮你定期来分析和洞察你的不足。
同样的，你还可以让claude，帮你定期去分析分析你赛道里其他博主或关键词的文章和视频内容，判断趋势和风格。
这一部分就是我对自己数据的一些复盘，复盘后，一些好的有价值的修改点，我都会同步去优化我的AI指令，慢慢的把这一套闭环起来。
七、说说不好的地方
写到这儿，得说点问题，不然就成软文了。
一是容易搭过头。 AI用久了容易上瘾，你不知不觉的就会搭很多自嗨的东西出来，慢慢的就用”搭系统”代替”做经营”，表倒是越建越漂亮，但是对于需求和痛点的分析，以及未来的趋势越发越少。工具搭起来很爽，但爽的是搭的过程，不是结果。
二是 AI 捞回来的东西质量不稳定。 好的时候一次出五个真痛点，差的时候搜六轮全是软文。所以最后那道判断必须人来做。
三是最难的那部分它帮不上忙。 一篇文章值不值得写、写给谁看、哪句话能戳到人，还是得自己想。工具能帮你把想清楚的事做得更快，但它帮不了你想清楚。
最后
回头看，我这套东西真正花时间的不是搭，是想清楚每件活该归谁。
那三个问题你可以直接拿去用：这活是不是每次都一样、办砸了我能不能立刻看出来、结果要不要留下来。想明白这三问，工具放哪儿自然就清楚了。
反过来，很多人自动化做不起来，不是工具不会用，是把不该交的活交出去了，或者把该交的活死死攥在手里。
如果你手上也有一摊子活想理顺，可以把你现在的流程说给我听听。我帮你看看哪几段能交给机器、哪几段其实不该自动化。有些环节自动化了反而更麻烦，我们可以一起来聊聊。
