20万次转发的AI写作系统搭建复盘

刚拉了一下公众号后台数据，原来我的文章已经累计阅读300万，转发超过 20 万次 了最近AI 自媒体非常火，虽然我不是最早一批，但也是实打实做了一年多。虽然近半年开始做 AI 跨境电商创业没空更新，但回头看，我之前搭的这套写作系统依然能打我现在整套写作系统都建在一个本地 Obsidian 仓库里，用 Claude Code 驱动。核心目录结构是这样的：写作仓库/├── 00_Dashboard/ # 全局排期日历├── 01_Accounts/ # 账号工作区├── 02_Research/ # 共享调研知识库与选题评分卡├── 03_Resources/ # 全局禁止词、微信排版规则、参考博主库等└── .claude/commands/ # 自动化流水线指令为什么要这么设计？说白了就是为了解决三个实际问题：第一是人格物理隔离。我同时管「饼干哥哥AGI」和「第二曲线增长」两个号，不同账号目录放了独立的 CLAUDE.md 和 _style-guide.md，进哪个目录就加载哪个人设，解决 AI 写稿串味的问题第二是研究与写稿解耦。所有行业报告、群聊监控和一手实测都先放进 02_Research/，先用选题评分卡算分，过线了再立项写稿第三是文件即状态。每篇文章一个独立文件夹，所有中间产物全部存成 Markdown 文件，状态写在 frontmatter 里立项之后，每篇文章在 Pipeline/ 目录下必须跑完四步流水线：/write 起草初稿，生成 01-draft.md/critique 审查挑刺，生成 02-critique.md/edit-draft 按评审意见修改，生成 03-edited.md/score 量化评分，生成 04-score.md（满 80 分才放行，否则退回第 3 步重改，低于 70 分直接推翻重写）这个流程跟把所有要求塞进一个超长提示词里一次性出稿，有什么区别？核心区别在于「上下文隔离」。如果把这些规则全塞进同一个对话窗口，模型自己写完再自己检查，会顺着刚生成的逻辑自我合理化，根本挑不出毛病我现在的做法是分不同的 Sub-agent 去独立跑，等于是独立评分，看不到写稿时的上下文，严格按规则行事，比如可执行干货占比够不够 60%、有没有出现全局禁止词、有没有用「你」对读者说教那具体怎么从 0开始搭这套系统？如果你以前写过公众号，先把后台的历史文章数据下载下来；同时找几个你认可的对标博主，把他们数据好的爆款文章也保存下来然后把这篇短文、你的历史数据、对标文章，连同下面这套提示词一起扔给 Agent，让它直接在本地初始化你的专属协作系统（字数不够了提示词放评论区）