1. 项目拆解：这篇文章到底在做什么
先说结论：这个项目不是让你去学一个概念，而是用扣子（Coze）平台现有的“技能（Skills）”能力，搭出一条从“找选题”到“出成品文章”的完整流水线。目标很直接——让公众号内容生产从“人肉憋稿”变成“人在关键节点做判断，AI负责执行重复劳动”。
我把标题里的关键词拆开看了一遍。“AI技能”表明这次的主角是扣子平台里的技能模块；“扣子(Coze)”限定了运行环境，不需要自己租服务器也不需要写复杂代码；“公众号爆款文章流水线”是这个项目的业务目标，核心是“流水线”三个字——意味着它不是一个简单的自动写稿机器人，而是一套多环节、可拆解的流程体系。
这个项目适合谁？适合两类人：一类是公众号运营者，手里有账号但内容产出效率低，每天纠结选题和写稿；另一类是刚接触扣子平台的AI爱好者，想通过一个完整案例把技能、工作流、知识库这几个核心概念串起来。坦白说，如果你只是偶尔写一两篇个人随笔，用不上这么重的流水线；但如果你要持续输出、多个账号同时运营，这套东西绝对能帮你省下大量时间。
从我实际用下来的感受说，扣子的技能模块其实是被很多人低估的功能。大家更关注“对话体验”“知识库问答”，却忽略了技能是把AI能力“产品化”的关键手段。一个写稿机器人的内部如果什么都不分，让大模型一口气生成一篇2000字的文章，效果往往很散；但如果拆成选题、大纲、素材、初稿、标题五个技能，每个技能只干一件事，产出质量能上一个台阶。这篇文章就把我搭建这套流水线的完整思路、踩过的坑、以及最终稳定运行的配置方式一次性说清楚。
2. 模块划分：一条爆文流水线的四个关键环节
既然叫流水线，第一步肯定是把流程拆细。我前前后后做了三次大版本调整，最终稳定下来的结构是四个环节：选题与热点追踪、大纲与素材装配、正文生成与文风适配、标题与发布前检查。
2.1 选题与热点追踪：流水线的“原料采购”
没有好的选题，后面所有环节都是白费。这一环节的任务是从“全网热点”里筛出适合你账号定位的选题，然后判断它有没有爆款潜质。
我在这里用到的技能叫“热点选题分析”。它的工作方式是：先通过扣子平台里的网页检索插件去拉取当天多个平台的热搜榜数据，再结合你账号所在领域的垂直关键词做交叉匹配。比如我自己的号定位是“AI工具实操”，那我关注的就不是纯娱乐热搜，而是“某工具发布新功能”“某个行业会议透露了什么趋势”这类信息。
这个技能最核心的逻辑是“评分筛选”。我给技能写好规则：从热度趋势、话题新鲜度、账号匹配度、竞品覆盖率四个维度打分，每个维度25分，总分低于70分直接跳过。分数出来之后，技能会输出一个“选题卡”，包含一句话推荐文案、目标读者、文章切入角度建议、预估传播标签。这套评分逻辑用久了你会发现，AI选出来的题目往往偏“稳妥”，缺少让人眼前一亮的怪角度，所以我加了第五条规则——“个性化偏离度”，允许我自己注入一些非常规视角，把选题往“记忆点”方向拉一点。
2.2 大纲与素材装配：把碎片变成结构化产出
选题确定了，下一步是生成大纲。这一步如果我直接用一句话让AI“写一篇关于XX的文章大纲”，得到的结果大概率是那种谁都会写的空架子——“第一部分背景介绍，第二部分主要问题……”。所以我把大纲技能做成了“模板驱动型”。
具体做法是，我提前在自己运营的领域里收集了几十篇阅读量过万的同类文章，人工拆解它们的结构，整理成了几套可复用的骨架模板：清单体、观点体、故事体、教程体。每一套模板都写清楚了开头几段应该怎么铺垫、中间用什么节奏递进、结尾怎么收。大纲技能拿到选题后，第一步先判断这个选题适合哪套模板，再按照模板的结构反向填充内容要点。
大纲产出之后会同步进入素材装配环节。这个环节我做了两个动作：一是让AI根据大纲里每个章节的关键词去网页检索，找相关数据、案例、引用的说法；二是把找到的素材按“核心论据”“辅助案例”“数据支撑”“金句候选”四类归到一个素材池里。素材池不是简单贴进去就完事，我会要求技能给每条素材标注来源和可用性说明，避免后面写正文时把不靠谱的数据直接写进文章里。
2.3 正文生成与文风适配：决定文章质感的核心环节
正文生成是整条流水线里最容易被误解的一步。很多人觉得这一步就是“让AI直接写全文”，实际上直接写的效果非常差，长文会出现明显的“中层断档”——开头和结尾看着还行，中间部分越写越散。
我的处理方式是把正文生成拆成“分段任务”。大纲定下来之后，我把每一章单独作为一个生成单元，让技能分别生成，然后再用汇总技能把各个章节拼接起来。这样做的好处有三个：一是每一段都能得到更充分的上下文空间，不会因为整篇文章太长而让模型丢失重点；二是如果某段写得不好，只需要重新生成那一段，不需要整篇返工；三是文风更容易控制，因为每一章的提示词里都嵌入了统一的风格描述词。
风格适配这件事比较复杂。我的经验是，你不能在提示词里光说“语言要生动”“要有网感”，这种模糊描述在长文里很快就会失效。我给自己账号写了一段大约150字的“风格压舱石”，里面有明确特征：用第一人称“我”开头激活个人视角；每800字必须出现一个具体案例或细节；段落长度控制在3-6行；避免形容词堆砌，多用动词；关键结论用直接陈述而不是委婉表达。这段风格描述词不动，哪个章节生成都用同一段文本注入，整篇文章读起来就像是一个人写的。
2.4 标题与发布前检查：最后一公里的把关
正文完成之后，流水线还没有结束。公众号文章有很强的“标题依赖症”，同样的内容换个标题，阅读量可能差十倍。所以我单独做了一个“标题生成”技能，它和正文生成是完全独立的，会在文章完成后运行。
这个技能的核心不是“想标题”，而是“结构化生成候选池”。它会针对同一篇文章连续生成10个候选标题，并且明确标注每个标题的“触发策略”——有的是数字盘点型，有的是悬念冲突型，有的是反常识观点型，有的是身份认同型。然后技能会对每个标题做一个预估点击率的相对排序，给出推荐理由。我自己运营时的习惯是，不会直接用它的第一名，而是从候选池里找出一个我最有感觉的，再手动微调一下，把一些太夸张的用词收敛一点。
发布前检查我把它做成了一个独立的“质检技能”。它做的事情包括：通读全文标记敏感词和风险表述、检查事实数据是否可疑、识别是否存在AI味太重的段落（比如“总而言之”“综上所述”这类明显的机器套话）、以及核对文章开头是否在前两段内给出了阅读理由和全篇地图。质检技能输出的是“问题清单+修改建议”，不会直接改文章，因为自动改容易改出新问题，人工根据清单修一遍更稳。
3. 扣子技能搭建实操：从零开始做一个能用的“标题生成”技能
说到实际操作，很多人卡在第一步——不知道技能（Skills）在扣子里到底是个什么东西，也不知道它和插件、工作流有什么区别。我用人话解释一下：插件是扣子平台已经封装好的外部能力，比如“搜索网页”“调用某个API”；工作流是用图形化方式把一连串操作按顺序串起来；而技能是给Agent（智能体）用的“工具包”，它比插件更灵活，可以是一段自定义指令，也可以是对多个插件调用的组合封装。
3.1 技能创建前的三个准备工作
创建技能前，我建议你先想清楚三件事。第一，这个技能要解决的是“单次判断问题”还是“多步执行问题”。像标题生成是单次判断，输入文章、输出标题列表就结束了；而素材装配是多步执行，要先检索、再分类、再格式化。处理方式完全不同。第二，技能输出给谁看——是直接给用户看的最终结果，还是给另一个工作流节点用的中间数据。如果是后者，输出一定要用结构化文本，我一般用JSON格式切好字段。第三，技能的“边界”是什么，它只管做什么、不做做什么。这句话写不清楚，Agent经常乱调用技能。
3.2 一步步搭建“标题生成”技能
我现在以标题生成技能为例，带你完整走一遍搭建流程。
第一步，在扣子控制台进入“技能”目录，新建技能，命名为“爆款标题生成器”。技能类型选择“LLM技能”，因为它的核心就是让大模型基于规则输出内容。
第二步，编写“技能提示词”。这是决定技能效果最关键的一段文本。我的提示词结构是四层：
角色定位：你是一名拥有8年公众号运营经验的标题策划专家，擅长用最低的文字成本激发读者的点击欲望。
输入说明：你将收到一篇文章的完整内容或核心摘要，你的任务是基于文本给出标题候选。
执行规则：生成10个标题，覆盖五种类型，每个标题控制在20字以内，不得使用生僻字，不得夸大诱导，必须与文章事实一致。
输出格式：用Markdown表格输出，包含序号、标题、触发策略、预估点击率（高/中/低）、推荐理由。
这四层缺一不可。角色定义让模型知道调用自己的“经验库”；输入说明避免它猜错任务目标；执行规则是约束红线；输出格式是给下游环节用的标准化接口。
第三步，设置“触发条件”。这是很多新手忽略的地方。扣子的Agent会读技能描述来判断“什么情况下该调用这个技能”，如果描述写得模棱两可，Agent可能在不需要标题的时候也去调用。我的做法是在技能描述里明确写上“仅当收到一篇完整文章且需要生成公众号标题时调用，其他情况一律拒绝”。这种硬性约束能大幅减少误触发。
第四步，测试。在技能调试窗口里粘贴一段你自己写的200字短文，让技能跑一遍，看输出是否合规。如果输出的标题全是“震惊体”，那就是执行规则里没有写“不得夸大诱导”的后果；如果标题只有3个而不是10个，说明输出格式约束太弱，需要在规则里追加“数量不足视为无效输出”。
3.3 “爆款结构分析”技能：让AI学会拆解对标文章
除了标题生成器，另一个我强烈建议搭建的技能是“爆款结构分析”。它的价值在于：帮你批量分析竞品文章的骨架，提炼出可复用的结构规律，然后喂给大纲生成技能。
这个技能的提示词核心是一个“结构解剖框架”：先识别文章的开头方式（悬念式/场景式/观点式/数据式），再拆解正文的论证层级（每段是支撑总论点还是并列分论点），接着标注金句出现的位置和密度，最后分析结尾的转化设计（引导关注/引导收藏/引发讨论）。每次输入一篇文章，输出一张结构分析表。
我搭这个技能时踩过的一个坑是：一开始我让它分析“文章的爆款原因”，这个任务太开放，输出全是“内容优质”“切中痛点”这种废话。后来我把任务改成了“只描述结构，不评价好坏”——先客观拆解，再基于拆解结果对照自己的选题，判断哪些结构可以用。事实证明，让AI做描述性分析比做评价性分析靠谱得多。
3.4 技能之间的调度：主Agent的设计思路
技能搭好了，最后一步是让它们在主Agent的调度下协同工作。我在扣子里建了一个Bot，把上面说的热点选题分析、大纲生成、素材装配、正文生成、标题生成、质检这六个技能全部挂上去。但这里有个重要提醒：技能不是挂得越多越好。一个Agent如果挂了太多个技能，它的调度准确率会下降，常常一个任务同时触发两三个技能，输出就乱了。
我的经验是控制数量，主Agent最多挂4-5个技能，并且把功能相近的合并。比如我把素材装配并入了正文生成的前置步骤，把热点分析和选题评分合并成一个技能。主Agent本身也有一段“管理提示词”，里面规定了任务的固定顺序：先选题、再大纲、再正文、再标题、最后质检，不允许跳步，不允许并行。这就把流水线的“流水感”真正做出来了。
4. 工作流编排与发布节奏：让流水线自动转起来
技能解决了“每个环节怎么干”的问题，还缺一个“整个流程怎么串起来”的编排。在扣子里，这个靠“工作流（Workflow）”实现。
4.1 主工作流的节点设计
我搭的主工作流是一个线性结构，八个节点：
- 触发节点：支持手动触发和定时触发两种方式。
- 热点获取节点：调用检索插件拉取当日热点数据。
- 选题过滤节点：调用热点选题分析技能，产出选题卡。
- 大纲生成节点：接收选题卡，匹配模板生成大纲。
- 素材检索节点：按大纲章节关键词逐一检索补充素材。
- 分段正文生成节点：循环执行，每个章节生成一次文字。
- 标题与质检节点：并行调用标题生成技能和质检技能。
- 结果汇总节点：把所有输出合并成一篇带元信息的完整文章包。
这个流程设计的关键点是“循环”的用法。很多教程会让你把整篇文章一次性生成，但我在第6个节点上很坚持用循环逻辑——一次只生成一个章节。扣子的工作流支持循环节点，你可以设置一个循环变量，按大纲章节数自动执行多次，每次生成的结果追加到全局变量里。这个方法实测下来相比一次性生成有三个优势：输出更稳定、总字数更可控、中途出错可以定点修复。
4.2 参数传递与JSON结构设计
工作流节点之间的参数传递，新手经常翻车。我在调试中养成的习惯是：所有中间节点的输出全部指定为JSON格式，且每个JSON都要带一个固定的外层结构，比如用“status”标记节点执行状态、用“data”放实际内容、用“meta”放来源说明和调试信息。不要在节点里只输出一段散装文本，那样下游节点解析的时候会乱套。
举个例子，素材检索节点的输出JSON长这样：
{ "status": "success", "data": [ {"type": "数据", "content": "某平台季度报告显示活跃用户增长23%", "source": "行业报告", "usable": true}, {"type": "案例", "content": "某团队用自动化工具将内容产出效率提升3倍", "source": "媒体报道", "usable": true} ], "meta": {"search_count": 2, "elapsed_time": 1.8} }下游的正文生成节点读到这个JSON后，会提取“data”里所有usable为true的条目作为论据候选。这种结构化的做法让每个节点都变成一个“独立的小程序”，替换、调试、增删都很容易。
4.3 定时触发与人工审核的衔接
流水线要自动转，定时触发是绕不开的功能。我给自己的工作流设置的是每天早上8点自动执行一次，拉取当天热点并生成选题卡，推送到绑定的邮箱和手机通知。中午人工看一眼选题卡，勾选一个方向，下午工作流自动跑完整篇文章，晚上人工做最后的修改和发布。
这里要特别强调“人机分工的边界”。我始终认为，公众号文章是要署名的，作者必须对内容负责。所以流水线自动化的是“可重复劳动”，而不是“判断权”。选题的最终决策权在运营者手里，标题的最终拍板权也在运营者手里，内容里如果有事实性风险，也必须靠人工在最末关把住。AI可以帮你生成十个候选，但选哪个、改哪里，这个责任不能外包。
5. 常见问题与排查技巧实录
这套流水线我运行了不短时间，中间遇到的问题不少，挑几个典型的分享出来，这些都是文档里不太会写的东西。
5.1 技能“沉默”了：Agent就是不调用技能怎么办
这是最让人头痛的问题。你明明挂好了技能，Agent在对话时却完全不理它，自己凭感觉回答。排查思路有三个。
第一，看技能描述是否足够“被需要”。Agent的模型会先读技能描述，再判断输入是否符合触发条件。如果你描述里写的是“一个生成标题的工具”，Agent可能觉得这句话太泛，不知道什么时候该用。我把描述改成“仅当收到一篇完整文章且需要为公众号生成标题时调用”，触发率立刻上来了。第二，检查描述和实际输入是否匹配。技能收到的是全文还是关键词，描述里说清楚，不然Agent认为“输入不满足条件”就不调用了。第三，给Agent加一句显式的指令，在主Agent提示词里写明“处理标题相关请求时必须调用爆款标题生成器”，强制调度。
5.2 长文输出被截断
扣子里的大模型输出有Token上限，一篇文章超过限制就会被截断。这个问题在公众号长文场景太常见了。我的处理方式在前面提到过，用分段生成。但分段生成也有坑——如果章节划分太碎，比如每段只有200字，上下文衔接会变得生硬；如果章节太大，比如一章2000字，又容易截断。
我测试下来的平衡点是：每个章节控制在600到900字之间。这个长度足够展开一个完整的论述单元，又不会触发上限。另外，我要求工作流在每次生成前把“上一章的最后100字”作为前缀输入到下一章，这样两段之间的衔接会自然很多。
5.3 文风漂移：三篇文章像三个作者写的
流水线跑起来之后，你会发现一个很现实的问题：今天生成的文章风格和昨天的明显不一样。原因在于大模型生成有随机性，风格描述词稍微有点变化，整篇语气就飘了。
我的解决办法是把风格描述词做成一个固定的“资源项”存储，而不是每次在工作流参数里手写。素材库和知识库在这个场景里非常有用，我把“风格样本”——也就是我自己写过的十几篇口碑不错的文章——存进知识库，然后在正文生成节点的提示词里加了一句“参考知识库中的风格样本，模仿其语气与句式特征”。实测下来，有知识库兜底的文风一致性比纯靠提示词强很多。
5.4 内容同质化：AI写出来的东西总是“熟悉”的味道
按同一套模板重复生成，读者迟早会发现你的文章越来越像。这个问题没法完全靠AI解决，我的应对策略是“注入一手素材”。
每次跑流水线之前，我会手动添加一条“独家素材”，它可以是昨天和某个朋友聊天时听到的一个真实案例、自己产品的后台数据、或者最近踩坑的心得。这些素材会在正文生成阶段被AI优先使用。别小看这一步，公众号文章最稀缺的就是真实感和独家感，AI再强也给不了你真实的经历，而读者恰恰最喜欢看这个。
最后再分享一个我在实际使用中的体会
这套流水线搭起来不难，真正难的是“调教”。技能提示词的每一句话都会影响最终效果，参数里的一个标点符号都可能改变输出结构。我建议第一次搭建的朋友不要追求一步到位，先从单环节跑通开始——比如先只做“标题生成”技能，跑一周，观察自己的标题质量有没有提升；觉得稳定了，再加上大纲技能；再稳定了，再接入正文生成。流水线是逐步拼起来的，不是一次性搭出来的。
还有一点很实际：不要用这套系统去批量洗稿或搬运。公众号运营的底线是原创和真诚，流水线只是把“从零到一”的时间压缩了，但你的判断、你的风格、你的独家素材，永远是文章的灵魂。把这些想清楚了，扣子的技能就会成为你最趁手的生产工具。
