本文介绍如何利用Claude Code的Skill功能，搭建写作、配图、发布三层自动化流程，实现公众号文章从选题到草稿箱的全流程提效，并强调人工确认与数据迭代的重要性，适合公众号运营者参考。
Tags:
昨晚8点，我在终端里敲了一句话，然后去泡了杯茶。回来的时候，文章写好了、图配好了、草稿箱里躺着了。
整个过程30分钟。以前至少3个小时。
但在你开始羡慕之前，我要先泼一盆冷水。
坑一：洗稿复述 = 没有灵魂的内容
AI最擅长的事情，恰恰是公众号最没价值的事情——把别人说过的话换个说法再说一遍。
你让它写一篇"AI对程序员的影响"，它会给你整出一篇结构工整、逻辑清晰、引经据典的文章。看起来很专业，读完之后……什么都没记住。
因为里面没有一句话是"你的"。
读者关注你，不是因为你会总结信息——搜索引擎比你快一万倍。读者关注你，是因为你的观点、你的经历、你的判断。你用了一个工具踩了什么坑，你做了一个选择背后是什么考量，你在某个凌晨debug到崩溃时的真实感受。
这些东西，AI编不出来。
坑二：依赖AI = 失去自己的声音
用久了你会发现一个问题：所有文章读起来都"差不多"。
因为AI的表达模式是固定的——它喜欢用"首先、其次、最后"，喜欢用"值得注意的是"，喜欢在结尾来一段"总的来说"。读者看两篇就能闻出AI味。
AI能帮你写1000篇80分的文章，但写不出一篇让人记住你的文章。那20分的差距，就是你的经历、你的判断、你的态度。
正确的姿势：AI是笔，不是脑子
说完风险，说正确的用法。
公众号最有价值的是什么？你的观点、你的亲身经历、你的独特视角。
AI擅长什么？把你脑子里模糊的想法，变成结构清晰、表达流畅的文字。
这两件事，一个是"想"，一个是"写"。很多人搞反了——让AI去想，自己来写。应该反过来：你来想，AI来写。
具体怎么分工？
| 你负责 | AI负责 |
|---|---|
| 选题方向（写什么） | 结构化表达（怎么写得好看） |
| 核心观点（你怎么看） | 素材补充（找数据、找引用） |
| 亲身经历（你经历了什么） | 排版优化（标题、分段、节奏） |
| 最终审核（能不能发） | 配图生成（根据内容自动配图） |
| 数据复盘（发完看效果） | 一键发布（推到草稿箱） |
打个比方：AI就像一个特别能干的实习生。你告诉他写什么方向、什么不能碰、用什么风格，他帮你执行得又快又好。但选题会和客户会议，得你自己去开。
你是主编，AI是执笔人。
补充一点：模型怎么选？
既然AI是执笔人，那"笔"的质量就很关键。我试过主流的几个模型，说说真实感受：
| 模型 | 写作体验 | 一句话总结 |
|---|---|---|
| Claude Sonnet（推荐） | 语感最好，表达自然，能写出"像人说的话" | 写公众号首选，没有之一 |
| GPT系列 | 逻辑强但语气冷冰冰，要不就一大堆废话 | 适合写报告，不适合写给人看的文章 |
| Gemini | 特别喜欢拍马屁，幻觉严重，经常编数据 | 需要反复核实，效率反而更低 |
| 国产模型（GLM-5、Kimi 2.5等） | 中文语法没问题，但"AI味"很重 | 一眼就能看出是AI写的 |
为什么推荐Claude Sonnet？因为它最擅长做一件事：把你给的素材和观点，用自然的方式"说"出来，而不是"生成"出来。你读完不会觉得"这是AI写的"，而是"这就是我想说的，只是它帮我组织得更好了"。
手把手搭建：三步把方法论"编码"给AI
好，说完理念，说操作。
先理解一个东西：什么是Claude Code Skills？
一句话解释：SKILL.md = 写给AI看的操作手册。
你把"怎么写公众号"这件事，用文字写成一份详细的操作手册，放到Claude Code里。以后每次你说"帮我写公众号"，AI都会自动翻出这本手册，照着来。
它跟你平时在ChatGPT里输入提示词不一样：
| 普通提示词 | Skill | |
|---|---|---|
| 生命周期 | 用完就忘 | 永久生效 |
| 积累性 | 每次从零开始 | 每次在上一次基础上改进 |
| 复杂度 | 一两句话 | 可以写几百行的完整方法论 |
| 触发方式 | 你手动输入 | AI自动识别场景并调用 |
简单说：提示词是临时工，Skill是带手册的正式员工。
claude code有个skill-create指令，我们用它，可以很方便帮我们创建skill
第一层：写作Skill——教AI"按我的方式写"
这是整套系统的地基。
我在SKILL.md里写了什么？不是"帮我写一篇好文章"这种废话，而是我自己总结的、有数据验证的方法论：
1）账号画像——你的读者是谁
比如我跟Claude Code说"我的读者主要是什么什么人群，关注AI是为了提升效率，内容要说人话不堆术语"，它就会自动把这些写进SKILL.md里。以后每次写文章，AI都会按照这个画像来调整语气和深度。
2）已验证的标题公式——用数据说话
| 公式 | 效果 |
|---|---|
| 「[工具名]用了X天，说几句实话」 | 爆款，阅读量最高 |
| 「[差点劝退]，但[真香]」 | 高阅读，先抑后扬 |
| 「[数字]种玩法，只有X种值得做」 | 高分享率，拉新利器 |
| 纯AI模型对比类 | 最差，读者不买账 |
这些是我发了十几篇文章后统计出来的规律。你只要把自己的数据告诉Claude Code，它会自动帮你写进Skill里。以后起标题时就会自动套用高效公式，避开失败模式。
3）发布时间铁律
同样的道理，我把发布数据告诉Claude Code——"晚上8点发的阅读量是凌晨发的几十倍"，它就会自动写一条规则：发布时间铁律：20:00-21:00发布，绝不凌晨发。以后AI给你发布建议时，再也不会建议你凌晨发。
4）写作禁区
- 不纯贩卖焦虑（必须给出路/解法，否则有举报风险）
- 不堆技术术语（读者不是程序员）
- 不洗稿复述（没有自己观点的内容不发）5）每一步都有人工确认
AI不会自己跑完全程。大纲出来你不满意，打回去重来；正文有一段不对味，你改完再继续。这不是"全自动"，是"半自动+人工质检"。 具体流程后面会展开。
第二层：配图Skill——文章写完，一句话生成配图
文章确认后，我说一句"帮这篇文章配图"，配图Skill就启动了。
配图skill我用的是宝玉老师的，baoyu-article-illustrator skill，感谢宝玉老师提供了那么好的skill
它会：
- 1. 分析文章内容，识别哪些位置需要配图
- 2. 生成配图大纲（每张图的位置、目的、视觉内容）
- 3. 等我确认——我可以调整数量、换风格
- 4. 确认后，按Type（信息结构）× Style（视觉风格）生成图片
Type决定"画什么"——信息图、流程图、场景图、对比图。Style决定"长什么样"——简约、手绘、科技感、水彩。
整个过程不需要手动改配置，Claude Code会问你"图片放哪个目录"，你回答就行。
第三层：发布Skill——一条命令推到草稿箱
这一步用的也是宝玉老师的skill baoyu-post-to-wechat
文章和配图都确认后，最后一步：发布。
我用的是API方式——不需要打开浏览器，不需要手动复制粘贴。一条命令，文章连同标题、摘要、作者、封面图、评论设置，全部打包推到微信公众号的草稿箱。
配置同样不用手动改文件。Claude Code会问你笔名、主题风格、要不要开评论，你回答完它自动写好。唯一需要你自己动手的是去微信开发者平台拿AppID和AppSecret，告诉Claude Code就行。
还有一个api ip的白名单设置，在发送过程中，如果有问题，claude code会自动提醒我们，加上去就好。
推送成功后，我打开手机，在草稿箱里检查一遍——标题对不对、排版有没有跑、配图位置对不对。没问题，点「发布」。
注意：我不会让AI直接发布。草稿箱是最后一道人工关卡。
补充：为什么用Obsidian管理内容？
所有文章我都存在Obsidian里，用Markdown格式管理。
为什么不直接在微信编辑器里写？因为：
- • Markdown是纯文本，Claude Code可以直接读写，不需要打开浏览器
- • Obsidian的双链和标签，让所有文章、素材、数据分析形成知识网络，选题时随手就能翻到
- • 本地文件 = 永远是你的，不怕平台改版、不怕数据丢失
- • 方便二次修改——改完Markdown，重新跑一遍发布命令就行，不用在微信编辑器里重新排版
工作目录大概长这样：
Obsidian打开这个目录，所有文章、配图、数据分析一目了然。写新文章时翻翻历史数据，选题方向马上就有了。
把三层串起来
上面提到的Skill（配图用的baoyu-article-illustrator、发布用的baoyu-post-to-wechat）都是开源的，安装一行命令就搞定，评论区问我就行。
三层串起来后的完整流程，看这张图就够了：
全程4个人工确认点。AI跑得再快，也得你点头才能过。
最关键的一步：用数据迭代Skill
上面说的所有东西，搭完之后只是一个60分的系统。真正让它变成90分的，是后面这一步：用数据反哺Skill。
每篇文章发出去之后，我会做一件事：看数据。
阅读多少？完读率多少？分享了几个人？从哪里来的流量？然后把分析结论写回SKILL.md的「迭代记录」里。
举几个真实的例子：
迭代1：发现发布时间影响巨大
同样质量的内容，凌晨发和晚上8点发，阅读量差了几十倍。我把这个数据截图发给Claude Code，跟它说"帮我加一条发布时间规则"。它自动在Skill里加了一条：发布时间铁律：20:00-21:00发布，绝不凌晨发。从此再也不会犯这个错。
迭代2：发现重发会被降权
有一篇文章下架后原样重发，阅读暴跌、分享裂变归零。我把两次的数据对比告诉Claude Code，它帮我写了一条应急策略：下架后绝不原样重发，要改标题+改开头，作为新文章发布。
迭代3：发现分享是小号增长的核心
分析数据发现，几个人分享就能带来十几个新读者——对于小号来说，这比等算法推荐靠谱得多。告诉Claude Code后，它在Skill里加了：文末必须加转发引导语，文中必须加2-3个金句段落。
每一次发文，Skill都在变得更聪明。但这个"聪明"不是AI自己学的——是你看完数据，做出判断，写进去的。
别人的AI越用越傻，我的AI越用越懂我——不是因为AI变聪明了，是因为我把踩过的每一个坑都变成了规则。
你也可以搭一个
看到这里，你可能觉得很复杂。其实上手只需要三步：
第一步：安装Claude Code
命令行工具，按官方文档装就行。不会写代码也没关系——你需要写的不是代码，是中文。Claude Code默认就用Claude模型，不需要额外配置。
第二步：写你的第一版SKILL.md
不需要一上来就写几百行。从最简单的开始：
# 我的公众号写作手册
## 读者是谁
25-40岁，对XX感兴趣的人。
## 标题怎么起
- 要短，不超过20个字
- 要有具体的工具名/数字
- 参考公式：「实测[工具名]：[结果]」
## 不要做的事
- 不要堆技术术语
- 不要纯贩卖焦虑
- 标题不要用问号结尾就这么几行，已经比"帮我写一篇公众号"强十倍了。
第三步：写完第一篇，看数据，改Skill
发出去之后，看看阅读、完读率、分享数。哪个好，写进去；哪个差，分析原因，也写进去。
三篇文章之后，你的Skill就开始有"肌肉记忆"了。十篇之后，AI写出来的东西越来越像"你会写的东西"——因为它照着的手册，就是你自己的经验。
最重要的第一步，不是装工具，是想清楚：你的公众号要说什么，给谁看。
这个问题AI回答不了。只有你能回答。
最后说两句
AI时代最大的误解，是以为AI能替你思考。
它不能。
但如果你知道自己要说什么，AI能帮你说得更好、更快、更稳定。而且每一次说完，你都可以把经验存下来，让下一次更好。
这不是什么高科技。就是一个朴素的道理：把你的方法论写下来，教给AI，然后不断迭代。
工具会越来越强，但你的判断力不会过时。
觉得有用？转发给你身边也在折腾公众号的朋友。
你最想让AI帮你自动化公众号的哪个环节？选题？写作？还是排版？评论区聊聊。
没有评论:
发表评论