AI 內容工廠唔係全自動：讓 AI 做重複勞動，人保留最終判斷

🧠 過去半年 AI 內容工具嘅 marketing 同實戰 entry 之間，有條好明顯嘅 fault line。

Marketing 嗰邊講「一鍵全自動發文」、「24/7 不停運作」、「零人工干預」。實戰 entry 嗰邊講嘅完全唔同——@chriswangwy 嘅內容中台方案有條核心 thesis：「唔係全自動發文系統，而係讓 AI 做重複勞動、人保留最終判斷」。

呢個論斷值得細讀，因為佢攻擊嘅唔係 tool 嘅 capability，係 user 對 automation 嘅誤解。

全自動嘅幻覺

「全自動發文」呢個 framing 本身就 mislead。內容工作流由四個 stage 組成：

素材聚合 → 選題判斷 → 寫作 → 發布

呢四件事入面，選題判斷係 highest-leverage 嘅環節，但成個 industry 都假設佢可以自動化。唔可以。或者更準確啲講：可以，但做出嚟嘅內容會集體趨同，因為大家嘅 LLM 都係讀同樣嘅 RSS、用同樣嘅 ranking signal。

點解咁多 AI 內容號睇落「都係一樣」？因為佢哋嘅選題層 outsource 咗畀同樣嘅 algorithm。

@chriswangwy 個方案嘅 architecture 設計就係刻意打破呢個趨同：

AIHOT（每 4 hr 同步全網信息）
       ↓
飛書文檔（素材庫，人可隨時 browse）
       ↓
Agent 選題推薦（每朝 9 點推薦過去 24 hr 內容）
       ↓
Agent 協作寫作（Claude Code / Codex / Cursor / Hermes）
       ↓
人工審核 → 發布

注意第三步係推薦，唔係決定。Agent 揀出 5-10 條 candidate，最後揀邊條由人決定。呢個 design decision 係成個 stack 嘅靈魂。

注意力分配先係 alpha

呢套思路嘅深層假設係：人嘅注意力係 scarce resource，必須花喺最高 leverage 嘅 decision 上。

Agent 適合處理：信息聚合、初步篩選、格式轉換、機械寫作、批量分發。呢啲嘢佢可以做到 80% acceptable，浪費人嘅注意力做佢就係 negative ROI。

人應該保留：選題嘅 final call、敏感判斷（topic 係咪 align 個人 brand）、品質嘅 quality gate、回覆讀者嘅互動。呢啲嘢 AI 做到 60%，但 60% 對 brand 嚟講係 fatal。

呢個分工嘅 implication 唔係技術上嘅，係 identity 上嘅。如果你成個 stack 都俾 AI 跑晒，咁個 output 嚴格嚟講唔係你嘅。你只係個 maintainer。一旦讀者開始識別到 AI 文嘅 fingerprint（而佢哋會），你嘅 trust account 就 bleed。

保留 final judgement 嘅人，係喺 build 一個會持續積累信任嘅 asset。Outsource 晒 final judgement 嘅人，係喺 rent 一個會隨 supply 增加而貶值嘅 commodity。

Karpathy LLM Wiki：同一個哲學嘅另一個 manifestation

呢個「AI 做重複勞動、人保留結構性 judgement」嘅 design philosophy，喺其他 vertical 都見到同樣 pattern。

Karpathy 嘅 LLM Wiki 概念係另一個例子——用 LLM 維護結構化 Markdown wiki（Ingest → Query → Lint），取代傳統 RAG 嘅黑盒 vector search。Ingest 嘅 mechanical work 由 LLM 跑，但 wiki 嘅 schema 同 structure 由人定。當 wiki 出錯時，人 review 嘅唔係模糊嘅 embedding similarity，係具體嘅 markdown content。

Hybrid 嘅 leverage 點：

• AI 處理 ingest、formatting、cross-reference linking
• 人定義 schema、揀重要 entries、做 quality gate

呢個架構嘅 cost 係：你要持續投入 attention 喺結構化嘅 judgement，唔可以「按個鈕走人」。但呢個 cost 正正就係 moat。能持續投入 judgement 嘅人少之又少。

點解咁多 AI 內容項目第三個月就崩盤

睇番個 fault line。「全自動」嘅 narrative 帶嚟頭兩個月嘅 dopamine 高峰，因為 mechanical output 量大。

但係：

• 第三個月，內容質量 plateau，因為冇人 review final selection
• 第四個月，讀者開始流失，因為 AI fingerprint 累積
• 第五個月，整個 channel 嘅 trust account 透支

對比一下「AI 做 80%、人做最後 20%」嘅 stack：

• 頭兩個月 output 量 maybe 慢一半
• 但第六個月，你仲喺 build asset
• 第十二個月，你已經有 reader base 同 brand voice

對 long game 嚟講，呢個 trade-off 完全係 no-brainer。

一個視角

AI 內容工廠嘅核心問題唔係「AI 識唔識做」，係「人應該保留邊個 decision」。Outsource 晒 final judgement 等於 outsource 嗮個 brand。能持續嘅內容 architecture，永遠係 hybrid。