

























内容创作团队常陷入资料搜集与合规引用的泥潭,一个极简智能体正在改变游戏规则。只需输入主题、受众等基础信息,系统就能自动生成带可靠来源的完整稿件,包括标题、大纲、正文、配图链接和引用列表,从根本上解决『事实不牢』和『产能不稳』两大痛点。本文揭秘这套六节点工作流的设计逻辑与避坑指南,带你实现从手工作坊到智能流水线的蜕变。

很多内容团队都有同一个痛点:写公众号不是“写字”,而是“查资料 + 结构化 + 写作 + 配图 + 标注来源”的综合体力活。选题会、搜资料、拼观点、写稿、找图、补引用,一套下来常常半天没了。更糟的是,临近发布时最容易出现两类问题:
所以我做了一个极简智能体:用户只输入「主题/行业/受众/字数/口吻」,它就输出标题3个 + 大纲 + 正文 + 4张图链接(封面+3配图)+ 引用来源列表。关键是:把“硬编数据”的风险降到最低,让内容能持续交付。
很多人以为写公众号难在“文笔”,但真正卡住的是:
所以智能体的核心不是“写得像人”,而是“写得有据可依、可复用、可交付”。
我刻意把工作流压缩到少量节点,避免复杂的批处理/网页解析导致配置门槛过高。
最终采用的策略是:
✅ 这样既保证可用性,又能在调试时快速定位问题。

工作流结构如下:开始 → 参数提取 → DeepSeek搜索 → 图片搜索 → 成稿生成 → 回复 → 结束
1)开始:只负责接收用户输入(例如 content),不做复杂逻辑。
2)参数提取:从 user_text 抽取 topic/industry/audience/word_count/tone,并生成:
3)DeepSeek搜索:Query 只引用 search_query(因为很多节点只允许选一个变量)。
4)图片搜索:word 引用 image_query,limit=4,size=large。
5)成稿生成:输入要拿到 topic、tone、word_count、search_answer、search_refs、images,并强制:
6)回复节点:把 成稿生成.Output.Content 作为最终消息发给用户(这一步非常关键)。

坑1:发布后仍显示“大模型直接回复”
原因通常是:工作流没真正绑定到应用,或没有“回复节点”导致无法出消息而回退。
解决:务必加回复节点,并确认应用侧启用工作流。
坑2:配图链接变成 example.com
原因:成稿生成没拿到 images,模型就编了占位链接。
解决:图片搜索必须在成稿生成之前;并把 images 作为输入变量传入成稿生成;提示词里明确“只允许输出 images 的 image_url”。
坑3:成稿突然跑题(比如主题是个人IP,输出变量子计算)
原因:topic 没传入或提示词没生效。
解决:成稿生成提示词开头加一句:“文章主题必须严格等于 topic;topic 为空则输出 ERROR: missing topic”。
主题:普通人如何用AI做个人IP并实现变现
行业:个人品牌
受众:想做副业的上班族
字数:1300
口吻:案例
如果你也想做内容生产智能体,别一上来就追求“全自动进草稿箱”。先把“搜索事实→成稿→配图→可输出”跑通,稳定之后再迭代:
只要你把事实底座和输出闭环搭起来,公众号内容就能从“手工艺”变成“流水线”。
本文由 @杨阳 原创发布于人人都是产品经理。未经作者许可,禁止转载
题图来自作者提供
此内容由惯性聚合(RSS阅读器)自动聚合整理,仅供阅读参考。 原文来自 — 版权归原作者所有。