我如何設計一套 AI 發布流水線：6 個階段，讓寫文章從 4 小時縮短到 40 分鐘
TL;DR：把寫文章的流程拆成 6 個階段（研究 → 撰寫 → 潤稿 → SEO → 部署 → 分發），其中 4 個階段由 AI 自主完成，人只在 2 個關鍵節點介入。核心設計原則：讓 AI 去做流水線，把人力留給鍛造廠——觀點、故事、判斷是鍛造廠的工作，研究整理、格式處理、SEO 優化、社群改寫是流水線的工作。實測一篇文章從 4 小時壓縮到 40 分鐘。
你有沒有算過，自己發布一篇文章，從有想法到真正上線，總共花了多少時間？我設計了一套 AI 寫作流程，把這個時間從半天壓縮到 40 分鐘。
根據 Orbit Media 第十二屆年度部落客調查（另開新分頁），2025 年寫一篇部落格文章平均需要略低於三個半小時。這個數字逐年攀升，而且還不包含 SEO 優化、社群分發、圖片處理這些發布前後的瑣事。把這些算進去，一篇文章從構思到真正觸及讀者，往往要花上半天。
但更值得注意的是：大部分人的時間並沒有花在最有價值的地方。研究、思考、打磨觀點——這些決定文章含金量的環節，反而是最容易被壓縮的。
如果 AI 能幫我處理那些跑腿工作，我是不是就能把時間全部留給想觀點和說故事？
最近，我連續三天在外面演講和授課——週五幫公務人力學院講兩堂線上課，週六去政大傳播學院分享，週日還要幫朋友做網頁、製作電子書的名單磁鐵。每天回到家已經精疲力盡，打開電腦想寫自己的文章，卻連研究資料的力氣都沒有了。
對我來說，寫文章雖然不是難事，但有時的確因為太累了而沒有餘力。
一個人事業的瓶頸，往往不是能力，而是時間和精力的分配。我能寫、能教、能做顧問，但我不可能同時做所有事。於是我花了幾週的時間，設計了一套 AI 發布流水線（publish pipeline），把寫文章的流程拆成 6 個階段。其中 4 個階段由 AI 自主完成，我只需要在 2 個關鍵節點介入。
這篇文章，我想把這套系統的設計思路拆解給你看。
先釐清一件事：這不是讓 AI 幫你寫文章
我說 AI 發布流水線，很多人的第一反應是：所以你的文章都是 AI 寫的？
不是的。
我之前寫過一篇〈當 AI 感文章滿天飛〉，裡面談到 AI 時代的內容戰場已經換了評分標準。工整、完整、順滑都不再是護城河，因為 AI 把它們輾平了。真正不可替代的，是你的摩擦痕跡、立場成本、方法的可驗證性，以及語氣的真實性。
這套流水線的設計原則，就是建立在這個認知上：讓 AI 去做流水線，把你的人力留給鍛造廠。
觀點、故事、判斷——這些是鍛造廠的工作，只有我能做。研究整理、格式處理、SEO 優化、社群改寫——這些是流水線的工作，AI 可以做得又快又好。
打個比方，主廚決定菜單、調味、擺盤的美學判斷；廚房助手負責洗菜、切菜、準備食材。兩者缺一不可，但分工要清楚。
為什麼需要流水線，而不是一次性 Prompt？
你可能會問：直接給 ChatGPT 一個 Prompt，讓它寫一篇文章，不就好了？
可以，但品質和效率都會打折扣。
單一 Prompt 做不好多個任務。 研究和寫作是完全不同的思維模式，SEO 優化和文學潤稿也是。把這些全塞進一個 Prompt，等於叫一個人同時當記者、作家、編輯和行銷——每個角色都做得半吊子。
你沒有檢查點。 一次生成的文章，如果方向歪了，你得全部重來。分階段的流程讓你可以在初稿完成時就介入調整，後續階段都建立在修正後的基礎上。
你無法複用。 今天這篇教學文的 Prompt，明天寫觀點文就不適用。但流水線的每個階段都是獨立模組，可以自由組合。
這個概念在軟體工程裡叫做關注點分離（Separation of Concerns）。每個模組只負責一件事，做到最好。
6 個階段的設計邏輯
▲ 從構思到分發的 6 站流水線：研究→撰寫→潤稿→SEO→部署→分發
Stage 1：研究（AI 自主）
做什麼：針對主題搜尋 5-10 個來源，提取關鍵事實和數據，整理成精簡的研究摘要。同時搜尋我的網站既有文章，找出可以互相連結的舊文。
為什麼這樣設計：研究是最耗時但愈來愈容易被跳過的環節。讓 AI 先做完這件事，我拿到的就不是一張白紙，而是一份已經整理好的素材包。
設計原則：研究摘要控制在 500 字以內。太長反而會干擾後續撰寫——資訊過載比資訊不足更危險。
Stage 2：撰寫（AI 主導 → 人審核）
做什麼：根據研究摘要和大綱，產出完整初稿。包含文章結構、開頭故事、論點展開、結尾收束。
為什麼有檢查點：這是第一個關鍵節點。文章的方向一旦歪了，後面再怎麼潤稿都救不回來。我在這裡會看三件事：核心觀點對不對、論述邏輯通不通、有沒有遺漏重要面向。
設計原則：AI 寫初稿時，會載入我的寫作風格檔案——語氣、用字習慣、句式節奏都有明確規範。這樣產出的初稿已經有七八成像我寫的了。
Stage 3：潤稿（AI 自主）——整套系統最關鍵的一環
做什麼：三遍潤稿法。第一遍掃描並替換 AI 味用語——空洞開頭、公式化過渡語、假親切感。第二遍標記需要我填入個人故事的位置。第三遍對照風格檔做最後校準。
為什麼這是最關鍵的環節：AI 寫的文章最大的問題不是寫得不好，而是寫得太像 AI。讀起來正確但無感，流暢但空洞——就像我在那篇文章裡形容的，一杯沒有咖啡因的咖啡。
AI 可以模仿口語，但很難模仿你花費的成本與走過的歲月痕跡。所以潤稿階段的核心不是改錯字，而是找出那些需要注入真實經驗的節點——你的代價清單、場景清單、決策清單——然後留下標記，讓你自己來填寫。
這就是整套系統的關鍵設計：AI 負責把文章打磨到 80 分，但從 80 到 95 的那 15 分，必須來自真實的摩擦痕跡和立場成本，那是只有我能補上的。
舉個例子。前陣子我用這套系統寫一篇關於 AI 與傳播人的文章，AI 的初稿裡有一段寫道：「AI 正在改變傳播產業的遊戲規則，從業者需要擁抱新技術。」結構正確，邏輯沒問題，但讀起來就是空的。後來我把它改成：我在政大 EMA 的演講現場，一位在職專班的學員舉手問我——「老師，我們這些傳統媒體人，是不是要被淘汰了？」那個瞬間教室安靜了三秒鐘。同一個觀點，但加入了時間、場景、那三秒鐘的沉默，整段文字就活了。
設計原則：AI 味評分目標 ≤ 3/10。超過就得再跑一次。
Stage 4：SEO 優化（AI 自主）
做什麼：檢查標題是否含關鍵字、meta description 長度是否合適、H2 結構是否包含次要關鍵字、內部連結和外部連結是否足夠、圖片 alt text 是否完整。
為什麼讓 AI 自主：SEO 是高度規則化的工作，幾乎不需要人類判斷。該做的事情很明確，做得到就是做得到。
設計原則：SEO 優化絕不能犧牲可讀性。如果為了塞關鍵字讓句子變得彆扭，那就不塞。
Stage 5：部署（AI 自主）
做什麼：確認圖片格式正確（WebP）、git commit、git push、執行增量建置部署。
為什麼讓 AI 自主：部署流程是固定的 SOP，完全不需要人類介入。我甚至寫了一個專門的部署檢查 skill，確保每次都走同樣的步驟。
一個重要的細節：我的網站有超過 8,500 個檔案，全量建置需要 5-8 分鐘。所以我特別設計了增量建置腳本，只建置有變動的部分，大約 40-60 秒就完成。這個小細節，讓整個流水線的體感速度快了很多。
Stage 6：社群分發（AI 產出 → 人挑選）
做什麼：把發布好的文章改寫成 5 個平臺的版本——Facebook（故事型）、LinkedIn（專業洞察型）、X/Twitter（精煉金句）、Threads（輕鬆對話型）、電子報（導流型）。
為什麼是最後一個檢查點：每個平臺的語感和受眾期待不同，AI 可以產出初版，但我需要挑選哪些發、怎麼發、發的時間點。這是行銷判斷，不是文字工作。
實作架構：用 Claude Code Skills 搭建
這套流水線的技術底層，是 Claude Code 的 Skill 系統。Skill 就是一個存在專案目錄裡的 Markdown 檔案，裡面定義了 AI 該怎麼一步一步完成特定任務。
/publish-pipeline [主題]
輸入這一行指令，AI 就會自動走完整套流程。
架構長這樣：
publish-pipeline（總指揮） ├── deep-researcher（Stage 1：研究方法論） ├── blog-writer（Stage 2：寫作規範 + 風格） ├── content-refiner（Stage 3：去 AI 味） ├── seo-optimizer（Stage 4：SEO 檢查清單） ├── deploy-checker（Stage 5：部署 SOP） └── content-distributor（Stage 6：多平臺改寫）
每個子 Skill 都是獨立模組，可以單獨使用，也可以被 publish-pipeline 串起來。這就是關注點分離的威力——每個模組只做一件事，但組合起來就是一條完整的生產線。
三個設計決策，回頭看依然正確
設計這套系統的過程中，有幾個決策點讓我猶豫過。
決策 1：只設 2 個檢查點，不是 6 個
一開始我想在每個階段都設檢查點，逐步確認。但實際跑了幾次之後發現，太多檢查點反而打斷流程的節奏。
後來我只保留兩個：初稿方向確認（Stage 2 後）和個人故事填入（Stage 3 後）。其他階段，AI 的判斷已經夠好了。
原則：人只在需要判斷的地方介入，不在需要執行的地方介入。
決策 2：寫作風格用檔案管理，不是每次用 Prompt 描述
很多人用 AI 寫作時，會在 Prompt 裡寫一大段請用溫暖親切的語氣之類的描述。這種做法有兩個問題：每次都要重寫，而且容易漂移。
我的做法是把風格定義寫成一個獨立的 Markdown 檔案（writing-style-profile.md），裡面詳細記錄語氣、人稱、句式、用字慣例。每次撰寫時，AI 會自動載入這個檔案。
這就像品牌手冊——不是每次開會都口頭說明品牌精神，而是寫成文件，所有人照著做。
決策 3：支援中途進入和快速模式
不是每篇文章都需要走完 6 個階段。有時候我手上已經有草稿了，只需要潤稿和 SEO；有時候是時效性內容，不需要深度潤稿。
所以我設計了兩個彈性機制：
- 中途進入：可以指定從任何階段開始
- 快速模式：跳過潤稿階段，直接從撰寫到 SEO
整套系統不是一個死板的流程，而是一組可以靈活調度的工具箱。
實際效果
跑了這套系統大約一個月，產出節奏有了明顯改變：
但最有價值的改變不是速度，而是時間分配的結構性轉移。
以前，我有 70% 的時間在做格式、部署、分發這些非創作的事。現在，我有 80% 的時間在做研究、思考、寫自己的觀點。用那篇文章的話來說：我終於把人力從流水線移到了鍛造廠。
系統的價值，不是讓你做得更多，而是讓你把時間花在不可替代的事情上。
就拿今天來說，我用這套 pipeline 產出了兩篇文章。整個過程中，AI 自動完成研究、初稿、SEO 檢查和部署，我只花時間做兩件事：確認初稿的觀點方向，以及把自己的教學現場經驗填進去。兩篇文章加起來，我的手動時間大約不到半個小時。如果是以前的做法，光一篇就要花上一兩個小時。
你也可以建立自己的流水線
你不需要照搬我的架構。如果你想建立自己的 AI 發布流水線，不妨從這幾步開始：
-
先記錄你現在的流程。把你發一篇文章的每個步驟列出來，標記哪些是判斷、哪些是執行。
-
從最痛的環節開始自動化。不要一次建完整條線，先把最耗時的那個環節交給 AI。對大部分人來說，研究和社群分發是最好的起點。
-
建立你的風格檔案。花 30 分鐘寫下你的寫作風格（語氣、慣用詞、結構偏好），這份檔案會讓所有後續的 AI 產出品質大幅提升。
-
設計檢查點，但不要太多。1-2 個就夠了。人負責方向，AI 負責執行。
-
建立你的不可替代素材庫。代價清單、場景清單、決策清單——這三份清單是你去除 AI 味的燃料，也是整條流水線最終能產出有人味內容的關鍵原料。
如果你已經在用 Claude Code，不妨考慮用 Skill 系統來實作。不熟悉的話，可以參考我之前寫的 Vibe Coding 那篇文章，了解如何用自然語言跟 AI 協作開發。
寫在最後
我一直相信，一個人也可以擁有一整個內容團隊的產能。但前提不是更努力，而是更聰明地設計系統。
這套 publish pipeline 改變了我對寫作的理解。寫作的核心，從來不是打字。是觀察、思考、判斷，和說故事。
當你把打字以外的事情交給系統，你才有餘裕好好想、好好說。
而那些好好想過、好好說出來的東西，才是讀者真正想看的。
如果你也想建立自己的 AI 內容產製系統，不只是寫得更快，而是把時間留給真正重要的思考和觀點，歡迎來參加我的 AI 內容產製系統工作坊。我會帶你從零開始，設計一套屬於你的流水線。
讀完，下一步
把內容做成一套系統
AI 內容產製系統工作坊
一份素材，自動產出六種格式
繼續讀：內容行銷全攻略動手試：Vibe Coding 選案器（另開新分頁）
