一人公司内容生产6步工作流：AI去体力化提效指南

"一人公司"这个词很多人都在聊，但真到一个人撑起全部内容生产时，你才会发现：难的不是"写不出来"，而是"写不完"。写稿、找图、排版、改标题、发完再盯着数据想下一期选题，每件事单独看都不难，合在一起就是每天八小时起步的体力消耗。我现在的做法，是用一套6步工作流把这摊事里重复、琐碎、靠熬时间才能完成的部分尽量压掉，然后把省下来的精力放在真正需要判断的地方。这套流程不是什么玄学，就是一条可复制的内容生产流水线。这篇文章我会把它从头拆开讲：每一步的输入和输出、工具选型思路、我自己踩过的坑，以及一个只靠一个人也能稳定跑的效率基线。内容比较长，建议直接收藏，按步骤去搭。

1. 先想清楚：一人公司做内容，到底在解决什么问题

1.1 一人公司的隐形工作负担

先算一笔账。不考虑流量奇迹，假设你要在一周内稳定产出三篇内容：每篇从找选题、整理资料、写初稿到配图排版上线，手动做至少四到六个小时。三篇就是十二到十八个小时。这还没算回复评论、处理私信、做数据记录、想下一周选题的时间。一个人长期扛这个量，基本没有余力去做产品、去谈合作、去思考商业模式。一人公司最大的瓶颈从来不是灵感，而是带宽。

我一开始也以为买几个工具就能解决，结果发现如果没有把流程想清楚，工具越多越乱。AI工具的引入顺序如果错了，不但不省事，反而会多出"喂资料、调提示词、改AI生成内容"三件新麻烦。后来我把整个内容生产切成六段，每段只解决一个问题，工具才真正开始帮我省时间。

1.2 "去体力化"的含义：不是不做事，而是把重复交给系统

很多人对"去体力化"有个误解，觉得它是让人什么都不干，睡一觉起来内容自己发布。不是这样的。我理解的内容生产去体力化，是指把"重复的、不需要判断的、靠堆时间完成的动作"尽量自动化或半自动化，把人的精力集中在"需要判断、需要审美、需要承担责任"的部分。

举几个典型的体力活：同一篇文章改成不同平台的表达方式、给文章想五个备选标题、把网页链接整理成结构化素材、每周统计数据写复盘。这些事，AI都能做得像模像样——它们不需要很强的创造力，只需要足够规范。而"这个选题到底要不要追""这个观点会不会有偏差""这句话是不是太AI味了"，这些判断我给AI再多提示词它也很难替你兜底。所以这套流程的定位很明确：AI负责繁重，我负责判断。

1.3 为什么是6步，不是4步也不是10步

这套流程划分成6步，不是拍脑袋。内容生产从零到发布、再到下一轮迭代，天然有几个必须经过的环节：定方向、备材料、出初稿、分渠道、做包装、看反馈。少了任何一环，流程都会断。比如只做前四步的人，会发现内容发出去文案是对的但视觉很粗糙；只做前五步的人，会发现数据没有沉淀，下个月的选题还是靠拍脑袋。

当然，你也可以拆得更细，但步骤越多，一个人跑起来心理负担越大。6步是我反复调过之后比较舒服的颗粒度：每步半个小时到一个半小时，中间可以随时暂停，不用一口气憋完一整篇内容。下面我会逐步拆。

2. 6步工作流全景：从选题到复盘的内容流水线

2.1 流程总览与每一步的标准产物

先把全景亮出来，后面每一步都会单独展开。

这张表有三个信息值得注意。第一，每一步都必须产出"标准产物"，不能是"我大概看了一眼就过去了"；第二，每一行都标注了耗时，说明这套流程是按时间盒设计的，到点就收，不许无限打磨；第三，工具类型我写的是"类型"而不是具体工具，因为市面上的同类工具迭代太快，关键不是用哪家，而是它满足这个环节的哪些能力需求。

2.2 环节划分背后的逻辑

我划分环节时坚持一个原则：每个环节的产物尽量是"下一环节能直接消费"的状态，而不是需要返工的半成品。比如第2步采集素材时，我要求AI输出的是一份按观点分组的大纲，而不是一堆分不清用途的截图和链接；第3步生成初稿时，我要求它直接按"总起-分论点-案例-结论"的结构写，这样第4步改写时才有明确骨架可用。

另一个逻辑是"隔离思考与执行"。前两步需要人的判断较多，我把它们放最前面，趁精力最好的时候做；第3到第5步是可以交给AI批量执行的，我放在精力一般的时间段；第6步需要对着数据冷静分析，我又把它作为一周的收尾单独安排。一个人工作，精力管理比时间管理更重要，流程设计也得顺着精力曲线走。

2.3 选工具的三个原则：稳定、可导出、可替换

我这几年选工具吃过不少亏，现在只遵循三个原则，在这里可以直接拿去用：

第一，稳定大于时髦。内容生产是每天要跑的事，工具如果三天两头报错、改接口、换收费模式，省下来的时间都不够折腾的。我在正式采用一套工具前，会先连续跑两周再决定，不因为当月的宣传热度换主力。

第二，数据必须能导出。所有素材、提示词、历史版本最好落在通用格式里，比如文本文件、表格文件，不要让内容锁死在某个工具的私有空间里。万一工具涨价或停止服务，数据还在。

第三，能用普通能力解决就不用高级功能。很多工具的"高级AI功能"都是噱头，比如自动生成全套文案、自动剪辑视频，听起来省事，实际生成的精细度离可用还很远。我的原则是：工具负责把80%的重复劳动干完，剩下20%的个性化部分我自己补，补起来不费力，也避免被工具绑架。

3. 前两步：选题筛选和素材采集，决定了上游水位

3.1 第1步：用AI做选题筛选，而不是拍脑袋

选题是最不能靠"今天想写啥"来决定的事。我在流程里固定了一个每日10分钟的热点和话题扫描：早上用一个热榜聚合工具抓取所在领域的当日话题，再让对话式大模型做一轮粗筛，输出三个维度的判断——话题热度、与账号定位的契合度、以及可预见的生命周期。

粗筛之后，我每周会做一次"选题评审"，把候选主题丢给同一个模型，让它扮演目标读者，反问我："这个主题跟我有什么关系？有什么是我已经知道的？有什么是超出预期的？"这一招能筛掉很多自嗨型选题。坚持下来你会发现，一周真正能深入写的选题可能只有三四个，但每一个都值得做，而不是临到发文前还在纠结。

给一个可以直接抄的提示词结构，我每天都在用：

你现在是内容策略顾问。我运营的是一个专注于[你的领域]的个人内容账号，目标读者是[人群画像]。请对下面这个候选主题做评估：1. 从热度趋势看是否值得本周写；2. 与账号已有内容的差异化程度；3. 可能的切入角度有哪些；4. 有哪些事实或数据需要我在写作前核实。主题：[候选主题]

注意，这个提示词里最重要的是第4条。它让模型把"需要人工核实的事项"单独列出来，避免你在初稿阶段被AI一本正经地编造数据带偏。

3.2 第2步：把素材采集从"收藏"变成"加工"

素材采集是整个过程里最像体力活的环节，也是最值得去体力化的。我过去的问题是：浏览了很多网页，收藏了一堆链接，真到写的时候又发现没消化，等于白采。现在我的做法是：所有采集到的链接、文档、聊天记录统一丢进知识库工具，让AI按主题抽取要点，输出"事实列表+观点列表+可引用案例"三部分。

第二步的输出是"可消费的知识点大纲"。举个例子，如果我要写一篇关于某工具的工作流文章，我会让AI把相关资料整理成：2个关键概念、3组数据、1个反面案例、4个操作要点。有了这张结构表，第3步生成初稿就有据可依，不会写出空话。

这里想多说一句，素材采集的去体力化不等于内容洗稿。AI帮你做的是把散落资料结构化，观点判断、表达倾向、最终结论仍然是你自己的。我曾经见过有人直接把AI摘要拼成长文发布，结果核心论据本身是错的——因为采集端就带了先入为主的偏差。所以第2步结束后，我会快速扫一遍"事实列表"，把存疑的标注出来，这个习惯花五分钟，避免后面返工两小时。

3.3 一条可以直接照抄的每日SOP

把前两步合成一个节奏，我建议这样设置：

• 早上10分钟：热榜扫描，AI粗筛出5-8个候选话题
• 中午20分钟：从候选里选1-2个，安排当天素材采集
• 下午或睡前：跑一轮AI摘要，把素材结构化，填进本周选题表

这套SOP我跑了大半年，最大的感受是"上游水位决定下游质量"。前两步做得扎实，第3步初稿几乎不会有大的返工；反过来，如果素材很糙，AI的初稿再漂亮，你也要花大量时间去查补事实，效率反而更低。

4. 中游两步：初稿生成与多平台改写，效率提升最明显的两环

4.1 第3步：把"写"变成"编辑"的初稿生成

初稿生成是大多数人最熟的环节，但也是最容易用错的一环。这里我想先说一个反直觉的结论：让AI"帮我写一篇1000字文章"是最差的用法，因为结果是又空又泛的套话，你改起来比从零写还难受。正确姿势是先给结构，再让AI填充内容。我每次生成初稿前，会把第2步的结构表原样传给模型，并指定章节顺序、每个章节的字数范围和语气。

生成过程中有一个细节：分章节生成，而不是一次性生成全文。我会把一篇文章拆成开头、三个主体小节、结尾，每个章节单独对话。原因很简单，分段生成时每一段的上下文更聚焦，模型不会为了凑字数把前面说过的话再重复一遍；你也能在单个章节出错时只改那一处，而不是整篇重来。

4.2 一套能直接套用的初稿提示词

我的初稿提示词基本固定成这样一个模板，分享给大家：

请按以下结构帮我写一篇[平台]内容初稿，主题是[主题]，目标读者是[人群]。 结构要求： 1. 开头以场景或反直觉结论切入 2. 正文分三个小节，每小节约[字数]，每节需要一个案例或数据支撑 3. 结尾用一种可操作的建议收束 写作要求：使用短段落，多用具体细节，不使用形容词堆砌，每段只讲一件事；不允许出现"总而言之""不难发现"这类空话。 素材：下面是第2步整理的知识点大纲，请严格基于这份素材展开，超出素材范围的内容不要编造。 [粘贴素材结构表]

这个模板的精髓在于两条限制：一是"严格基于素材"，逼着AI不瞎编；二是"不使用空洞总结词"，从生成端就提前把AI味压下去。生成之后我再做的不是逐字修改，而是"删赘述、查事实、补个人语气"三步。

4.3 第4步：多平台改写，不能只做字数压缩

第4步是我个人认为价值密度最高的一步。一篇长文，靠"复制粘贴再删两句"分发到所有平台，效果通常很差。每个平台的表达习惯不同：长文平台适合系统论述，短内容社区需要开头三行就给出钩子，短视频平台则需要把观点转成画面脚本而不是文字段落。

改写不是压缩，是目标读者和阅读情境变了。我建议用表格管理各平台版本的状态：

我实际操作时，会把长文初稿和平台改写分成两个批次的对话。比如上午跑完长文，下午统一把长文喂给模型，分别生成各平台版本。要注意的是，每做一版改写，我要求模型必须标注"一句最能引发评论的句子"放在结尾，这是互动率的关键抓手，很多人会忽略。

5. 后两步：排版配图与发布复盘，别让细节吃掉收益

5.1 第5步：那些看着很小、其实很耗时的视觉环节

排版、配图、取标题，这三个动作单看都是小事，凑在一起常常吃掉一个多小时。我的处理办法是给它们各设一套半自动流程。

标题取法：一篇长文我要求AI先输出五个备选标题，分别对应"悬念型、清单型、反常识型、身份代入型、平实型"五种风格，我再结合自己对内容氛围的判断选一个，通常这个过程不超过三分钟。

配图逻辑：AI绘图工具不适合做复杂场景，但非常适合做封面插图和配图。我总结出一个小技巧：给绘图模型的提示词里一定要包含三个信息——主体、风格、负空间要求。比如"主体是一张工作台，风格是扁平插画，画面四周需要留白用于叠加文字标题"。有了负空间预留，封面文字才放得上去，否则每次都要手动抠图。

排版动作：我在长文平台发布内容时，会直接让AI把初稿按发布平台的排版规范输出成带层级标题的版本，再丢进编辑器里统一样式。核心是让AI把"结构"先排好，人只负责调视觉细节。做完这一步，一篇内容才算真正"可发布"。

5.2 第6步：发布后的数据回收，是下一轮选题的来源

发布不是终点，复盘才是。我每周五固定做一个"本周内容数据审查"：把一周内发布的内容数据搬到同一个表格里，然后让AI做一轮轻量分析，重点不是看阅读量，而是看三个指标的组合——完读率、收藏率、评论内容的情感倾向。

为什么不看阅读量？因为不同平台、不同时期的基础流量差异很大，阅读量波动大，分析意义有限。完读率反映标题与正文是否匹配；收藏率反映内容的长期价值；评论区文本反映的是读者到底被哪个点触动了。这三个维度组合起来，能直接指出下一轮选题应该往哪个方向延展。

具体操作上，我给模型的数据表长这样：日期、内容主题、平台类型、阅读量、完读率、收藏量、评论数、评论区高频词。模型会根据这些字段输出三条建议：下周边角料选题、需要加强的环节、可以放弃的内容方向。

5.3 周复盘提示词与数据表结构

这里附一个我每周使用的复盘提示词，替换数据后可以直接跑：

请基于以下内容数据表做本周复盘。数据表字段说明：日期 | 内容主题 | 平台类型 | 阅读量 | 完读率 | 收藏量 | 评论数 | 评论区高频词。 要求输出： 1. 本周表现最好的1篇内容及可能原因 2. 完读率偏低的2篇内容，推断是标题问题还是内容结构问题 3. 从评论区高频词中提炼2个下周围观或深挖方向 4. 下周内容主题的3个候选清单 数据表： [粘贴数据]

这套复盘做完后，我会把候选清单直接接回第1步的选题表中，形成一个真正的闭环。一个人做内容最怕的不是不努力，而是努力一周后没有任何沉淀。数据回收就是用来解决这个问题的。

6. 真实跑起来之后的踩坑记录与效率基线

6.1 我踩过的几个典型坑

这套流程不是一次成型的，能在文章里写出来，是因为把坑一个个填平了。我先把最典型的几个放在这里，你能少走弯路。

第一个坑是把选题决策完全交给AI。有一段时间我为了省事，直接让模型从热榜里挑三个选题，发布后明显感觉内容同质化严重，都在追同一个热点。后来我加了一步"差异化检查"：每个候选选题都要回答"网上已经写烂了什么、我还能补什么"，筛选标准从"有没有热度"变成"有没有增量信息"。

第二个坑是初稿不核实数据直接发。AI生成的内容很流畅，流畅到容易让人放松警惕，但里面的某个数据可能是它推断出来的。后来我在第2步的"事实列表"上做了强制标注，凡是模型给的数据，必须注明来源类型，来源不明的直接在初稿阶段删掉，绝不带到发布环节。

第三个坑是高估AI改写的时间节省。平台版本越多，改写阶段的时间占比越大，有时候甚至反超初稿。我现在的办法是严格控制平台数量，主力内容只做长文、短内容、社交动态三版，短视频脚本单独立项，不为追热度强行全部渠道覆盖。

6.2 质量检查点与"人工控制位"

流程化不意味着无人值守。我在六个步骤之间设置了四个必须人工过目的检查点，你也可以照着设：

• 选题清单出来后，确认本周主攻方向，不跟风
• 素材结构表生成后，抽查存疑事实
• 初稿完结后，删除AI套话、补写个人经历
• 发布前三分钟，检查标题、封面字、链接编号

这四个检查点都不需要花很久，但每处都卡在"机器犯错成本最高"的位置。我个人经验是，宁可少发一篇，也不要为省两步而降低内容质量——内容是你唯一能积累的资产。

6.3 效率基线与一点个人体会

跑顺之后的效率基线，我可以直接告诉你参考值：一篇完整内容从选题到发布，过去手动做大约需要六到七个小时；现在用这套流程稳定在三到三个半小时左右，其中人工实际参与的时间大概占一半，剩下是AI的生成和等待时间。省下来的时间我用来做什么？看书、拆解同行的优秀案例、打磨产品——正好回到文章开头说的，把时间留给需要判断的事。

最后分享一点心态上的体会。AI工具不是用来替代写作的魔法棒，它更像一个能力很平均、永远不会喊累的助理。你要做的不是把决定权交给助理，而是给它写清楚任务书，再接过它完成的半成品做最后收尾。内容生产去体力化，省下来的是手和眼，省不下来的是心。判断力、审美和责任感，永远要握在自己手里。