零基础搭一个 AI 工作流：从资料收集到成稿输出全自动
很多人用 AI 写东西，第一步就是打开对话框，输入一句“帮我写一篇文章”。
这当然能得到一篇东西，但很难稳定。今天写得好，明天可能跑偏；这次资料够，下次可能乱编。问题不在 AI 不聪明，而在你只给了它一个任务，没有给它一条路。
所谓 AI 工作流，说白了就是把这条路搭出来。
工作流不是一句更长的提示词
很多人一听“工作流”，脑子里会先冒出自动抓网页和自动写稿，接着还有排版、发布。其实先不用想那么复杂。
最小的工作流只回答三个问题。输入是什么，下一步做什么，产物放哪里。
比如做一篇热点文章，先放一个具体新闻池，不泛泛问“今天有什么新闻”。第二步先筛出三个候选题，不急着写。最后把产物固定保存为选题卡、研究包、提纲和终稿。
这就是工作流和普通聊天的区别。普通聊天靠临场发挥，工作流靠结构复用。
一个内容工作流至少有六步
拿内容生产举例，比较稳的链路可以拆成六步。
第一步是资料收集。你要先把新闻和链接收进来，再补上评论、阅读量等原始材料。没有输入，AI 只能凭印象猜。
第二步是筛选排序。不是每条新闻都值得写，要按热度、相关性、可解释空间和风险排队。
第三步是定题。标题、目标读者、唯一问题和写作角度要先定下来。否则文章写到一半，很容易从教程变成感想，从科普变成资料堆。
第四步是成稿。到了这一步，AI 才适合真正写正文。因为前面已经有边界，它知道该写什么，也知道不该写什么。
第五步是审稿。审稿要检查事实、逻辑和标点，还要看有没有重复，读者能不能看懂。不能只夸一句“写得不错”。
第六步是反馈复盘。哪些标题更好，哪些段落太绕，哪些事实需要补证，都要沉淀回下一次流程。
这六步连起来，才叫从资料收集到成稿输出。
每一步都要留下产物
工作流最容易失败的地方，是中间过程只存在聊天记录里。
今天你让 AI 帮你筛了十条新闻，明天就找不到当时为什么选第一条。今天你让 AI 改了一版稿，后天也说不清它删掉了哪些判断。
所以每一步都应该留下一个小产物。资料收集后留下新闻池，筛选后留下候选表，定题后留下选题卡，研究后留下研究包，成稿后留下 Markdown，审稿后留下反馈清单。
这样做的好处是能接力。你可以让另一个 AI 接着审，也可以让自己隔天回来继续改，还可以把失败经验留给下一篇。
OpenAI 官方文档讲 skills 和 plugins 时，也强调把重复流程、专业知识和工具连接沉淀下来，不用每次重新贴一大段提示词。
不要迷信全自动
全自动不是让人完全消失。
真正可靠的 AI 工作流会把人的判断放在定方向、看风险、拍板取舍这三处。
比如选题可以让 AI 先排，但最终要有人判断这篇文章是不是适合账号定位；事实可以让 AI 先查，但关键数字必须能找到来源；文章可以让 AI 先写，但结论过满、语气太硬、读者看不懂的地方，还是要回到人工审读。
所以“自动成稿”更准确的理解是，重复劳动自动化，关键判断显性化。
AI 负责把流程跑完，人负责决定这条路要不要走。
先搭一个最小版本
如果你想从零开始，不需要一上来就买复杂系统。
先建五个文件夹，分别放资料、候选、研究和草稿，最后留一个复盘夹。每次做内容，都按这个顺序走。
再准备四张固定卡片。选题卡写明给谁看、解决什么问题、为什么现在写；研究卡写明哪些事实可用、哪些事实待确认；审稿卡分别记事实和逻辑问题，再补表达与标点问题；复盘卡记录这次哪里省了时间，哪里还卡住。
最后，把最常用的提示词改成检查清单。不要只写“帮我润色”，而要写“删除重复观点，拆开超过 80 字的长句，检查中文标点，把没有来源的数字标出来”。
当你这样跑过三次，就会发现 AI 工作流最有价值的地方，是你终于不用每次从零开始。
资料收集、筛选和成稿之后，再走审稿与复盘，就变成一条可以重复的路。下次再遇到同类任务，你只需要把新资料放进去，让流程再跑一遍。
这就是普通 AI 使用者和进阶 AI 使用者的区别。前者找一句万能提示词，后者搭一套能反复交付的流程。
资料来源包括 OpenAI 官方文档《Skills & Plugins》《Build skills》，以及本号本地每日简报与写作中台流程。