——记一次内容运营团队的 AI 工作台落地
项目记录｜谍赞智能 · 企业 AI 转型顾问
服务方式：需求诊断 + 方案设计 + 培训 + 陪跑 + 兜底
记录时间：2026 年 10 月
先把项目说清楚
客户是一家做内容运营的团队，人不多，活很杂。选题、找素材、改写、配图、分发，一条内容要经过五六个人的手，最后发到知乎、头条、CSDN、公众号几个平台。
他们最初找到我们，提的需求很具体，也很小：
“能不能做个插件，让我们少复制粘贴几次？”
如果只按这句话去做，交付物就是一个“自动填表工具”。但我们没有马上写代码，而是先跟着他们的人完整走了两遍日常流程。
走完之后，问题变了。
他们真正缺的不是一个“自动回复”按钮，而是一条稳定的内容生产线：素材进得来，内容改得像人写的，格式到每个平台都不乱，新人照着做也不会走样。
这两件事，差别很大。前者是工具，后者是能力。
一、需求还原：把“想要个插件”翻译成业务问题
我们把客户口中的“自动回复”，拆成了五个卡点：
素材进不来。网页文章要手动选中、复制、清格式；短视频里的口播内容，只能边看边记。
改写靠人。同一条内容换个平台就要重写一遍，风格全凭编辑当天的状态。
格式总出错。公众号编辑器会过滤标签，知乎、头条、CSDN 的编辑框又各不相同，粘过去经常面目全非。
“AI 味”过不了审。生成的内容看着通顺，但客户自己一眼就能看出是机器写的，不敢发。
人会走，经验留不下。老员工知道怎么改、怎么排、怎么发，新人只能口口相传。
这五条里，只有第 1 条是“插件问题”，其余四条都是流程和标准问题。
所以方案从一开始就不是“做一个自动发布机器人”，而是做一张人在环里的内容工作台：机器负责搬运、初改、格式适配和重复检查，人负责判断、定调和最终发布。
这个边界，我们在项目启动会上就跟客户说清楚了。不夸大自动化，是后面能顺利陪跑的前提。
二、方案拆解：一条链路，五个环节
最终的插件不大，但每个环节都对应一个真实的卡点。
入口：素材获取
网页侧用 Readability 做正文提取，自动去掉导航、广告和重复标题。
视频侧走“解析音视频地址 → 语音转写”的路径，把口播内容变成可编辑的文本。
提取结果统一成标题、正文、纯文本三份数据，后面所有环节都吃这一份标准输入。
加工：AI 改写
模型、接口地址、密钥全部做成可配置，不绑死某一家服务商。客户以后换模型，不用重做插件。
按场景准备了三套提示词：知乎问题回复、热门话题原创、通用文章改写。不是一套提示词打天下。
输出格式做了硬约束：统一字号、只保留
p标签、重点内容用行内样式、图片必须留在原位置。原因很现实——公众号编辑器会过滤div和li，写得再漂亮，粘过去也会散架。
质检：去 AI 味审查
这是客户最在意、也最容易被同行糊弄的一环。
我们没有让模型“自己觉得像不像人”，而是把审稿标准写成了一套本地规则引擎：禁用句式、高频词、连接词、比喻、标点习惯，分成不同等级逐条检查。生成之后先审，不达标就带着问题清单回去改，最多自动修订五轮。
这里有一个我们坚持的设计：审不过就明确告诉人，不假装通过。
工具可以帮着改，但不能替人承担责任。最终点“发布”的，必须还是人。
配图：图片处理
支持按文章内容生成配图。
支持原图批量下载、无效图片过滤。
改写和审查过程中，专门做了图片位置保护，防止模型把图弄丢。
出口：多平台发布
知乎回帖、知乎专栏、今日头条、CSDN、微信公众号，五个出口。
每个平台的编辑器都不一样：有的是 Draft.js，有的是 ProseMirror，CSDN 的编辑器还藏在 iframe 里。我们的策略是三级降级——
先模拟真实粘贴，尽量保住格式；不行再用浏览器的插入命令；最后才直接写 HTML。
不追求“一次成功”，追求“总有一条路能走通”。
三、落地记录：三个最难的坑
第一个坑：编辑器不是标准输入框。
一开始我们按普通表单的思路去写，结果在知乎和公众号上反复失败。后来才明白，这些编辑器都有自己的状态管理，直接改 DOM，页面看着变了，一提交就丢。
解决办法不是找“更厉害的选择器”，而是顺着编辑器的行为走：先聚焦，再模拟粘贴，让它以为内容是人粘进去的。这个思路定下来之后，五个平台的适配才开始顺。
第二个坑：平台会“洗格式”。
客户一开始想要“排版好看”，我们做了一版带卡片、分栏、列表的样式，粘到公众号里全没了。
后来反推平台规则，把所有样式收进p标签的行内样式里，用底色、加粗、颜色、分隔线做层次。视觉上没那么花，但发出去是什么样，编辑器里就是什么样。
这也是我们做企业项目的一条经验：好看不难，稳定才难。内部工具优先保证稳定。
第三个坑：“像人写的”不能靠感觉。
客户审稿时说的是“这段太 AI 了”，但具体哪里 AI，说不清。
我们花了不少时间，把这种“感觉”拆成可执行的规则：哪些句式一出现就要改，哪些词高频出现就要换，哪些标点一看就是机器习惯。拆完之后，审查才能自动跑，培训时也才讲得明白。
这件事对我们触动很大。企业 AI 落地最难的一步，往往不是模型能力，而是把老师傅脑子里的“手感”变成可复用的标准。
四、交付不是交代码：培训、陪跑、兜底
插件装好那天，项目其实只完成了一半。
培训：按岗位讲，不按功能讲。
我们没有对着按钮一个个念说明书，而是按“选题的人怎么用”“改写的人怎么用”“发布的人怎么用”分开讲。每个人只学跟自己有关的那一段，四十分钟以内结束。
培训结束后留了一张一页纸的 SOP：什么情况用哪个入口、审不过怎么办、发布前检查哪三项、出问题找谁。
陪跑：第一周不追求完美，追求顺手。
上线第一周，我们每天看一遍实际发布结果，收集的不是“功能建议”，而是“哪里卡了一下”。
比如按钮位置不顺手、某类文章提取不全、某个平台偶尔要重试。都是小问题，但就是这些小问题，决定团队愿不愿意继续用。
陪跑的价值不在于改了多少功能，而在于让客户知道：这个工具会跟着他们的习惯长，而不是让他们去适应工具。
兜底：三条退路，提前说清楚。
接口可替换：模型、生图、转写都走配置，某家服务不稳定，换一家即可。
密钥本地存：不经过我们的服务器，客户自己掌握。
流程可降级：自动插入失败，可以退回复制粘贴；审查不通过，可以人工改；平台改版，适配层单独修，不影响其他环节。
还有一条最重要的兜底：我们不承诺“全自动”。
内容这件事，判断权必须留在人手里。工具负责把人从重复劳动里捞出来，不负责替人做决定。
五、结果：把时间还给人
出于客户授权限制，这里不披露具体的使用数据。但有几项变化是可以确认的：
一条内容从“找素材到多平台发布”，原来要在五六个页面之间来回切换，现在收在一个弹窗里完成。
新人的上手方式，从“跟着老员工看几天”，变成“照着一页 SOP 做一遍”。
发布格式不再依赖个人经验，公众号、知乎、头条、CSDN 各有一套固定的适配规则。
“AI 味”从一句模糊的评价，变成了发布前可以跑、可以看的检查项。
比数字更重要的是，团队对 AI 的态度变了。
一开始他们担心“AI 写的东西不能发”，后来变成“AI 先起个草稿，我来改”。这个转变看着小，其实是 AI 真正进入工作流的标志：人不再围观 AI，而是开始使用 AI。
六、复盘：企业 AI 落地最容易错的四件事
这个项目做完，我们内部复盘了四条：
把工具当结果。插件只是载体，客户要的是稳定的产出。只交工具，不交标准，项目一定反复。
只做生成，不做质检。能写出来不难，敢发出去才难。质检环节决定了 AI 内容能不能真正进入业务。
忽略最后一公里。平台适配、格式兼容、异常降级，这些“不性感”的活，恰恰决定工具体验。
交付即结束。没有培训和陪跑，再好的工具也会退回旧习惯。企业里真正的阻力从来不是技术，是人愿不愿意改动作。
写在最后
我们做企业 AI 转型，一直不太喜欢“赋能”这个词。它太大，也太轻。
客户要的不是一句“我们帮你拥抱 AI”，而是明天上班时，那个每天重复三十遍的动作，能不能少做十遍；那个只有老员工知道的规矩，能不能写下来让新人也会；那个出了问题的下午，有没有人接电话。
所以我们的服务方式一直是三件事：
培训，让团队知道怎么用；
陪跑，让工具长进真实流程里；
兜底，让客户在出问题时不用独自承担。
这个插件对我们来说，不是一个可以复制的标准品。它记录的是一个很具体的团队，在很具体的日常工作里，往前挪了一小步。
而企业 AI 转型，大多就是这样一小步一小步挪出来的。
本文为客户项目记录，已对客户名称及业务数据做脱敏处理。
