當 AI 不只幫你寫，還幫你研究、排版和發布：我用 Claude Code 打造的內容生產線
TL;DR：多數人用 AI 寫作還停留在一問一答，真正的效率躍升是把 Claude Code 搭配 Skills 和 MCP 串成一整條內容生產線——從研究、寫作、排版到發布全部自動化。一篇長文從概念到上線原本 5-6 小時，現在 1 小時搞定。關鍵不是讓 AI 替你寫，而是讓 AI 替你處理寫作以外的一切。
你用 AI 寫文章嗎？
如果你跟大多數人一樣，可能是這樣的流程：打開 ChatGPT 或 Claude，貼一段指令，等它生出一篇初稿，然後自己再花一兩個小時修改、潤飾、找圖、排版，最後手動貼到部落格後臺發布。
說實話，這已經比從零開始寫快多了。但每次走完這個流程，我心裡總會冒出一個念頭：中間那些重複的步驟——查資料、整理大綱、轉圖片格式、上傳、設定標籤——能不能也讓 AI 一併處理掉？
幾個月前，我找到了答案。而且這個答案，徹底改變了我產出內容的方式。
先說結果：一篇文章從概念到上線，一小時
在分享做法之前，我想先讓你知道結果，因為結果才是你決定要不要繼續讀下去的理由。
想像一下，寫一篇像你現在正在讀的這種長文，整個流程大概是這樣的：找資料一小時、寫大綱半小時、寫初稿兩小時、修改潤飾一小時、找圖配圖半小時、格式調整和發布半小時。加起來，少說五到六個小時。如果碰到需要大量引用或跨領域研究的主題，一整天都搭進去也不意外。
現在呢？同樣品質的文章，大概一個小時就能完成。不是因為寫得更快了，而是因為那些「不是寫作」的工作，幾乎都被自動化了。
省下來的時間，可以拿去做真正重要的事：想觀點、說故事、把自己的經驗揉進文字裡。這些事，目前還沒有任何 AI 能替人做。
真正的效率提升，不是讓 AI 替你寫，而是讓 AI 替你處理寫作以外的一切。
關鍵轉折：從對話式 AI 到指揮中心
轉捩點，是我開始用 Claude Code。
多數人對 AI 寫作工具的印象，還停留在對話框——你給它一段指令，它回你一段文字。這就像寄信給一個很聰明的助理，每次只能交代一件事。效率有提升，但天花板很明顯。
Claude Code 不一樣。它不是一個對話框，而是一個可以同時操作你電腦上多種工具的 AI 指揮中心。它能讀你的檔案、上網查資料、執行程式、串接各種軟體，而且這些事情可以一氣呵成地完成。
打個比方：如果 ChatGPT 是一個你用 LINE 溝通的遠端助理，那 Claude Code 就是一個坐在你旁邊、可以直接操作你電腦的全職特助。
這個差異，讓整件事的可能性完全不同。
我的內容生產線：五個階段完整拆解
接下來，我用一篇最近寫的文章當例子，帶你走一遍我的完整流程。
階段一：研究（10 分鐘）
過去，研究一個主題意味著開十幾個瀏覽器分頁，在 Google Scholar、各大媒體和部落格之間來回跳轉，一邊讀一邊做筆記。光是這個階段，就能吃掉一兩個小時。
現在，我只需要跟 Claude Code 說一句話，比如：「幫我研究『知識付費在 AI 時代的變化』這個主題，找出關鍵趨勢、代表性案例和學術觀點。」
它會自動上網搜尋、閱讀多篇文章、整理出結構化的研究摘要，甚至幫我標註哪些觀點來自哪些來源。十分鐘後，我拿到的不是一堆零散的連結，而是一份已經消化過的研究簡報。
但最重要的一步在這裡。我不會直接採用 AI 整理的結論。我會快速瀏覽這份簡報，從中挑出跟我自己經驗有共鳴的觀點、有衝突的觀點，以及我覺得讀者會特別在意的觀點。然後在旁邊用一兩句話寫下我自己的看法。
這個步驟不能省。因為如果你跳過了自己的思考，那篇文章就只是 AI 的產出，不是你的創作。
階段二：大綱與初稿（15 分鐘）
有了研究素材和我自己的觀點筆記，接下來就是生成大綱。
我會把研究簡報和我的觀點一起丟給 Claude Code，請它幫我擬一份文章大綱。但這裡有個訣竅：我不會讓它自由發揮，而是會給它明確的框架指令，像是「用『觀察 → 分析 → 策略 → 故事 → 結論』的結構來組織」，或是「第一段要用一個讓讀者有共鳴的日常場景開頭」。
這些框架是我這幾年寫了上千篇文章之後，慢慢摸索出來的。AI 負責填充內容，但敘事的骨架是我決定的。
大綱確認後，我會讓它直接展開成初稿。這個階段大概十到十五分鐘，取決於文章的長度和複雜度。
階段三：人工打磨（20-30 分鐘）
這是整個流程中我花最多時間的階段，也是最重要的階段。
AI 生出來的初稿，結構通常沒問題，資訊也大致正確，但它缺少兩樣東西：我的聲音，和我的故事。
所以我會一段一段地讀過去，做這幾件事：
第一，加入個人經驗。比如這篇文章裡提到的那些教學場景、做顧問案的觀察，都是我自己的真實經歷。這些東西只有我寫得出來，AI 怎麼編都不會有那個溫度。
第二，調整語氣。AI 的文字通常偏正式、偏教科書。我會把它改成我自己說話的方式——更口語、更直接，偶爾帶點自嘲。如果你常看我的文章，你應該認得出那個味道。
第三，刪掉廢話。AI 很喜歡加入一些看起來很有道理但其實沒有資訊量的句子，像是「在這個快速變化的時代」、「不可否認的是」。這些通通刪掉，讀者的時間很寶貴。
第四，補上內部連結。我會回想自己以前寫過的相關文章，把連結自然地嵌進去。這不只是為了 SEO，更是為了讓讀者能順著脈絡深入了解某個觀點。
文章的靈魂是你的，AI 只是幫你把骨架搭好。如果你省略了打磨這一步，讀者一眼就看得出來。
階段四：圖片處理（5 分鐘）
這個階段，在以前是最煩人的瑣事之一。
我需要為每張圖片做格式轉換（轉成 WebP 以加快網頁載入速度）、調整尺寸、命名、放到正確的資料夾裡。每張圖大概要花三到五分鐘，一篇文章如果有五六張圖，光處理圖片就是半小時。
現在，Claude Code 幫我一次搞定。它會自動把圖片轉成 WebP 格式、放到正確的目錄下，我只需要在文章裡引用就好。五分鐘，全部完成。
階段五：發布（2 分鐘）
最後一步，也是最爽的一步。
我的部落格是用 Astro 框架搭建的，部署在 Cloudflare Pages 上。發布一篇文章的流程是：把 Markdown 檔案寫好 → git add → git commit → git push。推上去之後，GitHub Actions 會自動幫我建置和部署。
Claude Code 可以幫我完成這整段流程。寫好文章、處理好圖片之後，它會自動幫我 commit 並推送上去。兩分鐘後，文章就上線了。
從頭到尾，我不需要打開任何後臺、不需要手動上傳任何檔案、不需要設定任何東西。
這套系統的核心：不是工具，是思維
讀到這裡，你可能會覺得這套流程很厲害，想要馬上去學 Claude Code。
但我得先潑你一盆冷水：工具只是表面，思維才是核心。
我觀察到很多人在使用 AI 寫作工具時，犯了一個根本性的錯誤：他們把 AI 當成替代品，而不是加速器。他們希望 AI 直接幫他們寫出完美的文章，然後自己只需要按一下發布鍵。
這樣產出的內容，讀者一眼就看得出來。因為它沒有觀點、沒有溫度、沒有故事，說難聽一點就是你讀完之後什麼都記不住。
我的做法剛好相反。我把 AI 當成世界上最強的行政助理，讓它處理所有不需要我親自動手的事：查資料、做初步整理、轉圖片格式、執行部署指令。而我自己，專注在只有我能做的事：決定觀點、講故事、注入個人經驗、打磨文字的溫度。
這個區分非常重要。如果你搞反了，你會得到一堆看起來很專業但讀起來很空洞的 AI 文章。如果你搞對了，你會得到一篇有你靈魂的文章，只是它的生產效率提升了五倍。
AI 能取代的是你的行政工作，取代不了的是你的人生經歷和獨特觀點。分清楚這條線，你就不會被 AI 取代，反而會被 AI 賦能。
你不需要會寫程式
看到這裡，你可能會擔心：Claude Code 聽起來很技術，我又不是工程師，用得了嗎？
這個擔心我完全理解，因為我自己一開始也是這麼想的。
但事實是，Claude Code 的操作方式就是打字。你用自然語言告訴它你要做什麼，它就去做。你不需要寫任何程式碼，就像你不需要懂引擎原理也能開車一樣。
當然，有些進階功能確實需要一點設定，比如安裝 Skills（你可以把它想成 AI 的外掛程式）或是連接 MCP（讓 AI 能跟你的筆記軟體溝通的協議）。但這些設定通常只需要做一次，而且 Claude Code 本身就能引導你完成。
如果你會用 LINE 傳訊息，你就有能力使用 Claude Code。門檻真的沒有你想像的那麼高。
💡 想把這整條內容生產線學起來，直接套用在你的工作上？
我開設了一堂 AI 內容產製系統工作坊，帶你實際走一遍從研究、寫作、多格式輸出到跨平臺分發的完整流程。不只是聽觀念，而是當場動手建立你自己的 AI 內容系統，讓一篇文章自動變成六種產出。
這不是終點，是起點
我現在分享的這套流程，其實還在持續進化中。
下一步，我打算把電子報的產出也整合進來——同一篇文章的核心觀點，自動改寫成電子報的格式和長度，直接推送。再下一步，也許是社群貼文的自動生成：一篇長文自動拆成五則適合不同平臺的短貼文。
這些事情在技術上已經完全可行，只是需要時間去調整和優化。
而且，這套方法不只適用於寫部落格。如果你是做市場調研的顧問、做教育訓練的講師、做內容行銷的企劃，或是任何需要大量產出文字內容的工作者，這套「AI 內容生產線」的邏輯都適用。
差別只在於你的原料和產出格式不同，但那條生產線的架構是相通的。
內容創作的未來，不是人和 AI 二選一，而是人負責靈魂、AI 負責效率。這個組合，會讓創作者變得比以往任何時候都更強大。
延伸閱讀：
- Ulysses + Claude + MCP：打造 AI 驅動的智慧寫作系統，讓產出效率翻倍
- 我不再「寫」日記了：AI 讓我改用「說」的，把人生存成資料庫
- AI 時代，你該跟風搬運知識，還是深耕原創？
- 大造詞時代：當大型語言模型碾平知識落差，我們正在見證一場語言的軍備競賽
