作者拿到的成绩
这篇值得看在哪里
枕棠从公众号引流和私域知识付费业务起步，用两个月搭出Agent员工体系。内容工作时间降至原来的1/3～1/2，上个月月入7w。真正的转折不是堆工具，而是把真实任务拆成知识库、Skill、交互和反馈闭环。
先从公众号创作切入，而不是从热门工具开始
作者的业务链路很明确：通过公众号引流获客，再在私域售卖知识付费产品。因此，他没有先追逐各种热门插件或现成Agent，而是把公众号创作作为第一个提效场景。这个选择符合他给出的四个条件：任务高频、有明确产物、能获得业务反馈，而且本人已经做过大量实践，能够判断文章哪里好、哪里需要推倒重来。公众号至少每周写三篇，每次都能产出选题、结构和正文等中间结果，发布后还可以观察阅读、转发、客户与收入等反馈。作者称，AI接入后上个月实现月入7w，内容工作的时间成本降至原来的1/3～1/2，但文章也明确表示，并非所有结果都由AI完成。对读者而言，最值得借鉴的不是照搬公众号场景，而是先把AI交给一项自己熟悉、重复发生、结果可验收的真实工作。
知识库不是资料仓库，而是围绕任务搭出的第二大脑
作者的实际做法是先确定“要让AI完成什么任务”，再倒推它需要知道什么。围绕公众号创作，他把长期资产拆成IP表达、产品、客户需求与卖点、故事案例、方法论等部分，并用“602｜公众号原创”承接具体生产过程。这样安排的意义在于，每个目录都对应一个业务问题：谁在写、卖什么、写给谁、用什么真实经历证明、能提供什么方法。文章还把初版知识库抽象成任务DNA、任务标准、任务资产和任务工作区四个模块，工作区记录从原始输入、AI初稿、人工精修到发布和复盘的过程。作者特别强调，知识库的价值不在资料数量，而在AI能否找得到、找得准、用得对；把无关资料一股脑塞进去，反而会增加调用混乱。这个经验适合需要长期复用个人经验、产品信息或业务标准的创作者和小团队。
九维公众号Skill把“写篇好文章”拆成可验收的工作
作者一开始只让AI读取资料写文章，发现故事和观点仍需自己提醒，调用也不准确，结果容易空泛。于是他把公众号创作拆成九个维度：选题、传播包装、开头、文章结构、内容血肉、结尾、表达风格与去AI味、配图、排版。每一维都有独立目标和中间产物，出了问题可以回到对应环节处理，而不是笼统地重写全文。作者将Skill理解为给AI看的SOP，每一步都要说明怎么做、用什么、怎样算好；这使AI从偶尔写出好结果，转向沿着预设流程稳定执行。Skill并非一次写完，作者参考GitHub和他人的方法后，会拿自己的真实文章测试，再人工保留、删除或修改规则，循环完成执行、检查、修改Skill和再执行。这里的可迁移经验是：AI系统的稳定性来自任务拆解和验收标准，而不是单纯更换模型或堆工具。
工作台和AI员工解决的是使用方式，反馈回流才形成闭环
知识库和Skill跑通后，作者仍然需要打开Codex不断发出“开始”“继续”“发送结果”等指令，于是进一步设计了两种交互。工作台像App，把已有能力封装成按钮和页面；AI员工则像飞书里的机器人，在固定时间或事件触发后主动处理并发送结果。作者展示的知识采编台，会把飞书妙记、会议录音和个人口述逐步整理成可读母稿，再提取观点、方法、故事、案例和选题；早安Agent则读取既有内容资料，生成朋友圈候选内容，经作者确认排期后发送到飞书。作者称在内容生产和咨询业务中搭了12个左右的AI员工。系统并不会因为封装完成就自动成熟，后续还要区分人工修改和真实数据两类反馈：资料错了回到知识库，流程不稳回到Skill，触发或发送麻烦则回到Agent与交互。这个闭环更适合已有稳定业务流程、愿意持续复盘的人，而不适合只想体验聊天式AI的人。
根据作者原帖整理。完整实操与材料见原文。
原文还会展开这些问题
- 为什么公众号创作适合作为第一个Agent场景？
- 知识库如何避免资料过多导致AI调用失准？
- 公众号九维创作系统怎样约束内容结果波动？
- 人工修改和真实数据分别如何推动Agent迭代？
- 工作台与AI员工在交互方式上有什么差异？
原作者原话
本质上是把你过去已经验证过的经验、方法和判断，一点点交给AI
最重要的从来不是“大”，而是“清晰”
以上为原帖简短摘引。作者：枕棠。完整内容及访问条件以生财有术原帖为准。
