AI内容自动发布工作流：从选题到CMS发布的端到端编排方案

如果你已经用AI Skill生成了几十篇内容，下一步自然想把"生成-校验-发布"串成一个流。但这个自动化有两个截然相反的风险：自动化得太少，每篇仍然需要大量人工操作，效率没提升；自动化得太多，把未经审核的内容直接发布出去，质量失控。好的AI内容自动发布工作流不是在"人工"和"自动"之间二选一，而是精确控制在哪些环节由机器执行、在哪些环节必须有人工审批。

工作流总览

一个完整的AI内容自动发布工作流覆盖六个阶段：

1. 选题与排期：从关键词库中选取主题，避免重复和同质化。
2. 内容生成：通过Skill生成文章初稿。
3. 自动校验：脚本检查格式、字数、元数据等可机器判断的指标。
4. 人工审核：人检查事实准确性、品牌一致性和敏感内容。
5. 发布与记录：将审核通过的内容发布到CMS并记录发布日志。
6. 效果监控与回填：收集发布后的数据并回填到选题库中指导下一轮。

六个阶段中，第1、2、3、5、6步可由Agent和脚本自动执行，第4步是强制人工节点。下面逐阶段展开。

阶段一：选题与排期

负责方：Agent + 选题Skill + 关键词库。

输入：keyword-library.csv（关键词库）、CMS已有文章列表（去重）。

输出：本次批次的任务卡列表，每张卡包含：主关键词、搜索意图、文章类型、字数范围、结构签名、独占信息增量。

选题逻辑的关键原则：

• 从关键词库中选择未使用或可扩展的主题；
• 检查CMS已有内容（含草稿），排除同搜索意图的重复选题；
• 批次分散：不同分类、不同类型、不同搜索意图。

选题结果由人确认后进入下一阶段。这一步不需要人工审核每一篇的具体内容，但需要人确认"这批选题的方向和分布是否合理"。

阶段二：内容生成

负责方：内容生成Skill（如SEO文章生成Skill、GEO文章生成Skill）。

输入：每篇的任务卡（从阶段一来） + 写作参考文件（知识库、编辑策略、类型手册）。

输出：符合CMS契约的两块式产物文件（cms-metadata + article-content）。

内容生成由Skill全自动执行，不经过人工逐篇干预。但生成前必须确保Skill的SKILL.md中包含了足够的约束规则——品牌声音、禁止表达、事实核查规则——否则生成出来的内容批批都不同。

阶段三：自动校验

负责方：校验脚本（如VibeMarketing的admin_draft_tools.py validate）。

输入：阶段二的产物文件。

输出：每篇的校验结果（通过/失败及失败原因）。

自动校验检查的内容必须限定在可机器判断的指标：

• JSON元数据格式是否合法；
• 标题和SEO标题是否一致；
• seo_keywords数量是否在3-6个之间；
• 正文长度是否达到最低要求；
• 是否包含禁止的HTML标签（如h1、html、body等）。

自动校验通过后，内容进入人工审核队列。校验失败的稿子返回Skill按错误提示重新生成。

阶段四：人工审核（强制检查点）

负责方：人类编辑/市场负责人。

输入：通过自动校验的产物文件。

输出：每篇的审核决策——通过（直接发布）/修改后发布（注明修改内容）/退回重写（注明原因）。

人工审核检查的内容必须是机器无法可靠判断的指标：

• 事实准确性：文章中的任何数据、引用、版本号或时间表述是否有可靠来源；
• 品牌一致性：语气、术语和表达风格是否符合品牌标准；
• 敏感内容：是否涉及合规风险、品牌风险或不适合公开的内容；
• 独占信息增量：文章是否提供了在本站其他文章中无法获取的信息或角度。

人工审核的效率瓶颈不在于阅读速度，而在于判断标准是否清晰。建议为审核者准备一份不超过10条的审核清单，让审核变成"逐项打勾"而不是"凭感觉判断"。

阶段五：发布与记录

负责方：发布脚本（如admin_draft_tools.py create）。

输入：人工审核通过的产物文件 + 分类ID + 发布状态（草稿/公开）。

输出：发布结果（CMS文章ID、标题、状态、URL）+ 发布日志。

发布脚本以UTF-8直接读取产物文件，避免Windows命令行中文编码损坏。发布后通过CMS后台详情API进行回读核验：

• 标题是否与预期一致（非乱码）；
• SEO字段是否正确写入；
• 发布状态是否正确（草稿为0，公开为2）；
• 正文内容是否完整。

发布日志记录每篇的CMS ID、发布时间和核验结果，用于后续的问题追溯。

阶段六：效果监控与回填

负责方：数据分析Skill/工具 + Agent。

输入：发布日志 + CMS后台数据 + Google Search Console数据。

输出：每批次的流量、排名和转化数据 + 关键词库回填标记。

效果监控不需要实时。建议的节奏是：发布后48小时做一次初步数据检查（是否有收录问题），发布后两周做一次效果回顾（流量和排名趋势），按月做批次对比分析。

回填到关键词库的信息至少包含：使用日期、CMS文章ID、效果数据摘要。这些信息指导下一轮选题——哪些类型的内容效果好，哪些关键词的转化率更高。

失败与回滚机制

自动发布工作流最大的风险不是单篇失败，而是批量失败。设计以下回滚规则：

• 单篇生成失败：Skill重试一次，仍失败则标记为"需人工处理"并跳过该篇继续下一批。
• 自动校验30%以上不通过：暂停该批次，检查Skill配置或输入变量是否有系统性问题。
• 发布后发现事实错误：通过CMS后台将该文章状态改为草稿（status=0），修正后重新发布。不要删除已发布的URL——如果该URL已被搜索引擎收录，删除会导致404。
• CMS API不可用：保存所有产物文件到本地，待API恢复后批量补发。

最小可行版本与扩展版本

最小可行版本（第一周即可启动）：

• 一个关键词库（CSV文件）；
• 一个内容生成Skill；
• 一个校验脚本；
• 一个人工审核环节（审核清单）；
• 一个CMS发布脚本。

扩展版本（跑通MVP后逐步叠加）：

• 多Skill并行生成（调研Skill + 写作Skill + 图片Skill）；
• 定时任务触发（每周一自动选题并生成初稿，周二人工审核，周三发布）；
• 发布后48小时自动回读核验；
• 分渠道发布（同一篇内容发布到CMS、公众号、LinkedIn等多个渠道）。

关键的治理原则

1. 人工审核是强制节点，不能通过配置跳过。
2. 涉及的密码、token和API密钥不得以任何形式记录在工作流日志或发布到公开文件。
3. 自动化程度越高，品牌约束和审核清单就需要越清晰——否则批量出错的速度会超过人工补救的速度。

AI内容自动发布工作流的终极目标不是"无人值守"，而是"人的精力只花在需要判断力的环节上"。