把创作经验沉淀成可复用的AI系统
主要观点
这篇分享展示了一套以Codex和Obsidian为核心的个人内容生产系统：资料进入统一目录，AI先完成检索、整理和素材包构建，创作者再用口述补充经验与判断，随后生成初稿、保留本人修改稿，并从修改差异中积累写作偏好。它真正追求的不是“一键成稿”，而是让个人知识、来源和流程持续沉淀，逐步形成可验证、可复用、可自动运行的创作基础设施。
关键要点
- 素材包是选题与正文之间的关键缓冲层：它汇总目标读者、内容形式、外部参考、个人经历、产品资料和待补缺口，避免AI只会拼接资料。
- 收集素材采用“数据服务搜索候选＋工具提取正文或逐字稿＋本地保存”的混合方式，先筛选链接和互动数据，再决定哪些内容值得完整收录，以控制成本。
- 选题质量取决于个人定位是否进入判断标准。同一工具主题可以写成资讯、教程或业务流程实践，选择依据应包括读者需求、已有材料和创作者能补充的真实经验。
- 修改稿不是简单润色，而是训练系统的证据。需要对比开头、用词、句子、顺序和案例安排，把一次性调整、候选偏好与稳定偏好分开，不能因一次删除就形成永久规则。
- 系统强调可审计性：外部原文、AI分析、个人观点和产品信息分开保存，初稿与本人稿不覆盖，重要资料保留旧版本，任务失败时保留已完成结果并说明卡点。
- 自动化必须后置。流程先在真实任务中跑通，再用新样本验证Skill的复用性，最后才设置定时任务；每日任务还要检查原文完整性，不能用空数据继续生成内容。
建议带着这些问题阅读
- 自己的内容项目中，哪些个人事实、案例和判断目前还没有被结构化保存？
- 哪些写作修改已经重复出现，足以成为候选偏好，哪些只是单篇文章的临时调整？
- 在设置定时任务前，如何用新样本证明采集与选题Skill确实能稳定复用？