AI写公众号长文：从选题到排版的完整工作流

这套工作流能做出什么

先说结果。跑完下面八个步骤，你会得到：

1. 一个可复用的选题库，不再是打开文档发呆，而是从十几条候选题里挑一条直接开工。

2. 一份结构化大纲（JSON 格式），每一节写什么、写多少字、放什么例子都提前定好。

3. 一篇 1500 到 2500 字的 Markdown 草稿，段落短、有小标题、有例子，不是那种一眼假的大段排比。

4. 一份排版好、能直接粘贴进公众号后台的成品，包括小标题样式、引用块、代码块和配图位置。

整条链路的顺序是：选题 → 素材 → 大纲 → 分节生成 → 人工润色 → 事实核查 → 排版 → 发布检查。模型负责的是"把已经有结构的内容写成通顺的中文"，不负责"替你想清楚要说什么"。凡是把这两件事搞混的流程，最后都会得到一篇读起来通顺、但没人愿意读完的文章。

单篇耗时通常在 1 到 1.5 小时左右，具体取决于你对素材的熟悉程度和排版工具的熟练度。

前置条件清单

开工前确认这几样东西齐了：

• 一个能调用大模型的入口。可以是 API，也可以是网页版对话。用 API 的好处是能做批量和脚本化；只用网页版也完全能跑通，只是第五步要手动复制粘贴。API 的基础地址、模型名、计费方式，以服务商官方文档当前版本为准。
• Python 3 或任何能发 HTTP 请求的语言。本文示例用 Python。
• 一个环境变量存放密钥，不要把 key 写进代码里。
• 一个 Markdown 排版工具。常见的有 mdnice、Doocs md、微信 Markdown 编辑器等，它们能把你写的 Markdown 转成适配公众号的富文本，点"复制"再粘进后台即可。具体功能以各工具官方页面为准。
• 公众号后台的编辑权限，以及一篇已发布文章用来对照风格。
• 一个素材收集习惯。笔记软件、稍后读、浏览器书签都行，关键是平时就往里丢东西，而不是写稿当天现找。

第一步：把选题从"想法"变成"可执行的题目"

很多人卡在第一步，是因为大脑里只有"AI"、"效率"、"职场"这种词，没有题目。选题的最小可用单位不是关键词，而是一句话：

> 给谁看 + 他正卡在哪 + 看完他能立刻做什么

比如"AI 写作"不是选题，"用 AI 写周报，30 分钟压缩到 10 分钟，附一段可直接改的提示词"才是。

如果你已经零零散散记了十几条想法，可以让模型帮你整理。用下面这段提示词：

```text

你是中文公众号的选题编辑。这个账号的方向是【填写方向】，读者是【填写人群】。

下面是我积累的零散想法：

【粘贴你的 15 到 20 条】

请做三件事：

1. 合并明显重复的，输出 8 个候选选题；

2. 每个选题写成一句话，包含"给谁看 + 解决什么问题 + 看完能做什么"；

3. 标出哪些选题必须有外部数据或案例支撑，并列出需要哪些数据。

要求：不要写成悬念式标题党，不要用问号结尾的钩子句。

```

拿到 8 个候选后，别一次全写。挑一个你手上有真实素材、而且自己踩过坑的，先做完一篇。

第二步：先攒素材，再让模型动笔

模型不知道你上周那个报错是怎么解决的。素材越具体，成稿越像人写的。

一篇 2000 字的文章，准备 5 到 8 条素材就够。素材分三类：

• 亲身经历：做砸的一次、改了三次的方案、某个工具用了一周后的真实感受。
• 可核实的事实：官方文档里的说明、产品页面的功能描述、行业报告里的结论。这类内容后文要单独核查。
• 读者反馈：留言、私信、群里被反复问到的问题。这类素材的价值高于你的自说自话。

把素材写成一个纯文本文件 materials.md，每条一行，标出来源：

```markdown

• 上周用脚本批量生成选题，30 条里有 4 条没法用，原因是……
• 官方文档说明 X 功能需要 Y 权限（来源：官方文档，日期）
• 读者留言问得最多的是"生成的内容读起来都一样怎么办"

```

第三步：用结构化的方式出大纲

不要直接说"帮我写一篇关于 XX 的文章"。先让模型出大纲，你改完再写正文。大纲用 JSON，方便后面脚本读取。

先准备一个 outline.json 的骨架：

```json

{

"title": "文章标题",

"audience": "读者是谁",

"tone": "语气，例如：像一个做过这件事的同事在讲经验",

"sections": [

{"title": "小标题", "points": ["要点一", "要点二"], "words": 400}

]

}

```

让模型填内容时，把素材一起给它：

```text

你是一位中文公众号作者。请根据下面的素材，为文章《【标题】》设计大纲。

读者：【人群】

【可用素材】

（粘贴 materials.md 全部内容）

输出一个 JSON，字段为 title / audience / tone / sections。

sections 为数组，每项包含 title、points（2 到 4 条）、words（预计字数）。

要求：

• 6 到 8 个小节，总字数【填写】字左右；
• 每节必须能用到上面的素材，用不到的素材不要硬塞；
• 只输出 JSON，不要解释。

```

拿到大纲后人工过一遍：删掉凑数的小节，把顺序调整成"读者最容易卡住的点放前面"，把明显套路的标题换成具体说法。这一步花 10 分钟，能省掉后面半小时的返工。

第四步：分节生成正文

一次生成全文，模型会在后半程开始重复和注水。分节生成，质量明显更稳。

准备一个风格样例 style_sample.md，放你自己写得比较满意的两三百字旧文。这比任何"请用口语化风格"的描述都管用。

然后写你的写作提示词模板：

```text

你是一位中文公众号作者，读者是【人群】。

【风格样例】

（粘贴 style_sample.md）

【可引用的素材】

（粘贴 materials.md）

【本节大纲】

标题：{title}

要点：{points}

目标字数：{words} 字

【写作要求】

1. 只写这一节的正文，不要写其他小节的内容，不要重复标题；

2. 每段不超过 3 行，多用具体场景、数字、对话；

3. 不要用"首先/其次/最后"这类套话，不要排比堆砌；

4. 不确定的事实不要编，需要补充的地方写成 <待核实：……>；

5. 如果素材不足以支撑要点，直接说明缺什么，不要用空话填满字数。

```

第五步：脚本化批量生成

把上面的模板做成脚本，一次跑完全部小节。下面这段代码可以直接改：

```python

import json

import os

import time

from openai import OpenAI

client = OpenAI(

api_key=os.environ["LLM_API_KEY"],

base_url=os.environ.get("LLM_BASE_URL"), # 按服务商官方文档填写

)

MODEL = os.environ.get("LLM_MODEL", "按官方文档填写模型名")

def read(path: str) -> str:

with open(path, encoding="utf-8") as f:

return f.read()

def write_section(section: dict, style: str, material: str) -> str:

prompt = f"""你是一位中文公众号作者。

【风格样例】

{style}

【可引用的素材】

{material}

【本节大纲】

标题：{section['title']}

要点：{'；'.join(section['points'])}

目标字数：{section['words']} 字

【写作要求】

1. 只写这一节的正文，不要重复标题；

2. 每段不超过 3 行，多用具体场景、数字、对话；

3. 不用"首先/其次/最后"这类套话，不排比堆砌；

4. 不确定的事实写成 <待核实：……>；

5. 素材不够就说明缺什么，不要用空话凑字数。

"""

resp = client.chat.completions.create(

model=MODEL,

messages=[{"role": "user", "content": prompt}],

temperature=0.7,

)

return resp.choices[0].message.content.strip()

def main() -> None:

outline = json.loads(read("outline.json"))

style = read("style_sample.md")

material = read("materials.md")

parts = []

for sec in outline["sections"]:

print("正在生成：", sec["title"])

body = write_section(sec, style, material)

parts.append(f"## {sec['title']}\n\n{body}")

time.sleep(1) # 简单限速，避免触发接口频率限制

with open("draft.md", "w", encoding="utf-8") as f:

f.write(f"# {outline['title']}\n\n" + "\n\n".join(parts))

print("草稿已写入 draft.md")

if __name__ == "__main__":

main()

```

运行前设置环境变量：

```bash

export LLM_API_KEY="你的密钥"

export LLM_BASE_URL="按服务商官方文档填写"

export LLM_MODEL="按官方文档填写"

python generate.py

```

如果只打算用网页版对话，第五步就手动做：一节一节复制粘贴，效果一样。

第六步：人工润色——把"AI 味"去掉

草稿出来后，先通读一遍，把下面这些特征逐个改掉：

润色的核心动作只有一个：把抽象词换成具体物。"提升写作效率"是抽象词，"把选题这一步从 30 分钟压到 5 分钟"是具体物。

另外，挑一段读出声。读着别扭的地方，就是需要改的地方。

第七步：事实核查清单

这一步不能省。模型对数字、日期、版本、链接、引用的记忆并不可靠。

逐条核对：

• 所有数字：百分比、金额、数量、时长，回到原始来源确认。
• 所有时间：发布日期、生效日期、活动周期。
• 所有版本与规格：软件版本、功能名称、接口字段。以官方文档当前版本为准。
• 所有引用与人名：不要写"某位专家说"，找不到出处就删。
• 所有链接：自己点一遍，确认可访问且指向正确页面。
• 所有绝对化表述："最好""唯一""一定"这类词，要么给出依据，要么改掉。
• 平台规则：涉及合规、资质、广告的内容，以平台官方规则页面为准。

草稿里所有 <待核实：……> 标记，在这一步必须清零。

第八步：排版与发布

把 draft.md 丢进 Markdown 排版工具，选一个模板，点复制，粘进公众号后台。排版时守住几条规则：

```markdown

二级标题用于分节，全篇统一

正文段落控制在 1 到 3 行，手机上超过 4 行就开始劝退读者。

> 引用块用来放结论句或读者原话，全篇用两次左右即可。

1. 有序列表用于步骤

2. 无序列表用于并列要点

行内代码 用于命令、字段名、路径

```bash

代码块用来放可复制的命令

python generate.py

```

```

几条容易忽略的细节：

• 代码与报错：超过 6 行的代码，考虑截成图片或只留关键几行，手机屏幕放不下长代码。
• 配图：每 500 到 700 字插一张图，或者每隔两个小节插一张。图片来自自制截图或可商用图库，来源标注清楚。
• 封面与摘要：封面图尺寸、摘要字数上限以公众号后台当前提示为准。
• 样式克制：正文配色不超过三种，加粗只用于关键结论，全篇加粗段落控制在五处以内。
• 文末：放一句具体的互动问题，加一篇往期文章链接。

发布前最后过一遍检查清单：标题、摘要、封面、错别字、图片显示、代码块是否被截断、链接是否可点、原创声明、定时发送时间。

常见坑与排错

生成的内容每篇都一个味。

通常是 temperature 太低加上素材太少。把 temperature 调到 0.6 到 0.8 之间，同时把风格样例换成你自己的旧文，而不是让模型自由发挥。

模型编数据、编链接。

写作提示词里明确要求"不确定的写成 <待核实：……>"，并且把事实核查固定成流程里的独立一步。指望模型自己保证准确，现在还不现实。

大纲和正文对不上。

大纲改完没有同步到 outline.json。改大纲时直接改 JSON 文件，不要只在脑子里改。

上下文太长，后半篇开始敷衍。

不要一次生成全文。分节生成，每节只带自己需要的素材。如果一定要一次生成，把前面的小节压缩成一两句摘要带进去。

粘贴到后台后样式全丢。

不要从 Markdown 编辑器直接复制源码，要用它的"复制"按钮复制渲染后的富文本。部分样式（表格、外链）会被后台过滤，发布前在手机预览一遍。

代码块在手机上串行。

手动折行，或者把长行拆成多行短命令，也可以整段截图。

敏感词和违规内容。

模型不会替你承担平台风险。发布前自己通读，涉及资质、承诺、金额的表述一律删掉或改写。

写完没人看。

问题多半不在文笔，在选题。把发布后的数据（打开率、读完率、留言）记下来，下一篇优先写读者问得最多的那个问题。

下一步建议

1. 把提示词存成模板库。选题、大纲、分节写作、标题、摘要，各存一份，下次直接替换变量。跑过三篇之后你会发现模板基本稳定了。

2. 建一个素材文件长期维护。每次踩坑、每次读者提问，随手记一行进去。写稿时直接粘贴，比临时搜集快得多。

3. 做一次复盘表。记录每篇的选题来源、发布时间、打开率、留言关键词。连记十篇，你会看出哪类选题真正有人读。

4. 逐步半自动化。熟练后可以把"读素材 → 出大纲 → 生成草稿"串成一条命令，但排版和事实核查这两步保留人工。

5. 控制频率。与其一周硬憋三篇，不如一周踏踏实实做一篇有素材、有例子、有核查的。写作这件事，可复用的流程比一次性的灵感可靠得多。