6 月复盘：我把 AI 工作流从写作工具推进到交付系统

TL;DR： 6 月对我最大的变化，发生在工作方式上。零散的写作、发布、笔记、产品和反馈，逐步接成了一套能交付、能复盘、能继续生长的系统。如果你也在用 AI 做内容、产品或一人公司，这篇复盘可以直接借走五个方法：先保留真实输入，再让工具读得懂，把知识库做成产品，用新平台找需求，最后让发布反馈回到下一轮判断里。

---

6 月初，我对 AI 工作流的期待还比较朴素。

我想让它帮我写得更快，发布得更稳，少在排版、复制、整理、归档这些事情上消耗注意力。

到了月底，我发现真正变化的地方已经不在效率本身。

这个月我做了几类事：整理 flomo 笔记，把 md2wechat 连续升级到更适合 Agent 使用，把《杰尼 AI 实战手册》补成一套更完整的飞书知识库，开始用 WorkBuddy 这样的新平台测试获客入口，也把行业 Agent 的判断从“会搜索”推进到“能沉淀专家判断路径”。

这些事情看起来分散，但背后其实是同一个问题：

一个人怎样把 AI 从临时助手，变成能持续交付的系统？

我现在的答案越来越清楚：不要只盯着模型能不能写。要看输入从哪里来，判断怎么沉淀，工具能不能被 Agent 正确调用，内容能不能变成交付，反馈能不能回到下一轮决策。

§第一件事：先把真实输入留下来

6 月我重新处理了一批 flomo 笔记。

上半月同步了 19 个文件、42 条笔记；月底又同步了 14 个文件、25 条笔记。按要求，我忽略了 2022 和 2025 的历史笔记，只处理 2026 年新增内容。

这件事提醒我：很多系统都从愿意留下真实输入开始，而不是从完美知识库开始。

真实输入通常很粗糙。

它可能是一句语音，一个用户咨询，一个朋友聊天里的判断，一个产品功能卡点，一个平台反馈，或者一段当时还没想清楚的自言自语。

如果这些东西不留下来，Agent 后面只能读公开资料和你临时给它的上下文。它会越来越像一个外包写手，而不是一个理解你长期判断的人。

6 月以后，我更确定一件事：笔记系统的第一价值，是让未来的自己和未来的 Agent 能重新读到当时的判断现场。分类漂亮排在后面。

这对读者也适用。

如果你想搭自己的 AI 工作流，不用一开始就设计复杂目录。先用一个地方持续保存三类东西：

1. ·你反复遇到的问题。
2. ·用户、客户、读者反复问你的问题。
3. ·你当时还不确定，但觉得可能有价值的判断。

三个月后，这些材料会比你临时问 AI“帮我想十个选题”更有用。

§第二件事：工具要让 Agent 读得懂

6 月，md2wechat 的变化很密。

我重点同步了 v2.7.0、v2.8.0、v2.9.0 之后的能力：

1. ·固定出口和微信 IP 白名单，解决创建公众号草稿时反复被公网 IP 卡住的问题。
2. ·Agent 图片计划模式，让 Codex、ChatGPT、WorkBuddy 这类已经能出图的环境先拿到图片 prompt，再由 Agent 自己生成图片。
3. ·公众号标题建议，让 md2wechat 读取文章后生成标题请求，再交给 Agent 或外部模型继续产出标题候选。

这些功能表面上是产品更新，背后是我对 Agent 工具的判断变化。

以前做 CLI，重点是人能不能用。

现在做 Agent-native 工具，还要问三个问题：

1. ·Agent 能不能知道自己该调用哪个命令？
2. ·命令返回的信息能不能让 Agent 做下一步？
3. ·哪些动作有副作用，哪些动作只是安全准备？

比如 title suggest 不应该偷偷替用户改标题，也不应该直接创建草稿。它只负责把标题生成请求准备好，让用户和 Agent 都清楚下一步是什么。

比如图片计划模式也不应该假装自己已经生成图片。它只告诉 Agent：这张图该是什么用途、什么画幅、什么提示词。图片真正生成以后，再进入上传和草稿流程。

这个边界很重要。

AI 工作流越长，越不能把所有事情糊成一个“自动完成”。真正稳定的系统，要让每一步的输入、输出和风险都能被检查。

如果你也在做 AI 工具，可以用这个标准检查自己的产品：它是不是只方便人点按钮，还是也方便 Agent 理解、调用、纠错和继续执行？

§第三件事：知识库要变成交付

6 月我花了很多时间更新《杰尼 AI 实战手册》。

md2wechat 相关页面更新到了 22 篇。后来又补了三篇：

1. ·在 WorkBuddy 里用 md2wechat 写公众号。
2. ·内容增长系统的五层结构。
3. ·行业 Agent 案例：从零售调研到智能烹饪。

这些页面的价值，不止是把文章搬进飞书。

我越来越不想把知识库做成文章仓库。文章仓库的问题是：作者觉得自己沉淀了，读者进来以后还是不知道下一步做什么。

飞书手册应该像一个交付产品。

它要回答：

1. ·新手从哪一页开始？
2. ·配置卡住时看哪一页？
3. ·出错时先查什么？
4. ·一个场景可以直接复制哪段话术？
5. ·读完以后下一步做什么？

这也是为什么我会把 md2wechat 的版本、安装、配置、公众号草稿、图片、标题、WorkBuddy 场景都拆成单独页面。

一个产品真正降低门槛，既靠功能，也靠读者能不能按文档走完第一条路径。

对个人创作者也一样。

如果你已经写了很多文章，可以试着做一个小型手册。不要按发布时间排列，按读者任务排列。

读者不是来参观你的输出历史的。读者是带着问题来的。

§第四件事：内容增长要有回流

6 月我对内容增长系统的理解也变了。

以前我更关心从想法到发布：写草稿、改标题、排版、发出去。

现在我会把内容增长系统拆成五层：

1. ·输入层：flomo、Get 笔记、语音记录、用户咨询、平台反馈。
2. ·资源层：旧文章、飞书手册、知识星球复盘、FAQ、热点和历史问题。
3. ·写作层：主问题、简报、草稿、风格检查、事实检查。
4. ·分发层：公众号、X、知识星球、飞书、jieni.ai。
5. ·数据回流层：收藏、转发、评论、私信、咨询、购买和下一轮选题。

第五层是我现在最想补齐的地方。

没有数据回流，内容系统只能靠感觉优化。

有了数据回流，系统才知道哪篇文章真的带来读者行动，哪个标题只是自己觉得好，哪个方向值得继续写，哪个方向应该降级成短内容。

这也是我 6 月做 X 增长、公众号增长和飞书手册同步时反复意识到的事。

发布不是终点。

发布只是让判断进入现实世界接受反馈。

所以我现在更看重发布之后的动作：归档最终版本、记录链接、保存平台反馈、做单篇复盘，再把稳定判断回流到 wiki 或手册里。

如果你想让 AI 帮你做内容，不要只让它写下一篇。

更值得做的是让它回答这几个问题：

1. ·过去一个月哪些内容带来了真实互动？
2. ·哪些问题反复出现？
3. ·哪些内容值得扩写成教程？
4. ·哪些内容应该停止投入？
5. ·下一篇文章应该继承哪条已经验证过的判断？

这比“帮我再写十个标题”更接近增长。

§第五件事：新平台和行业现场都是需求入口

6 月还有两条线对我启发很大。

一条是 WorkBuddy。

我发现有用户是从 WorkBuddy 教程认识 md2wechat 的。这个信号很有意思：新 Agent 平台刚起来时，很多用户不知道它能帮自己做什么。一篇能跑通真实任务的教程，比抽象介绍更容易建立信任。

公众号写作就是一个适合 WorkBuddy 的场景。

用户不一定先搜索“公众号排版工具”。他可能先搜索“WorkBuddy 怎么写公众号”“怎么创建公众号专家”“怎么把文章发到草稿箱”。

这说明新平台本身就是分发入口。

如果你在做工具，不要只等用户带着准确关键词来找你。应该观察新平台里用户正在学习什么，再把你的工具嵌进那个任务。

另一条线是行业 Agent。

我和做零售供应链咨询的朋友聊完以后，对行业 Agent 的理解更具体了。

普通搜索会给很多网页。行业专家知道先看什么：门店城市分布、招聘岗位、企业注册、地图热力、官方账号、经营痕迹和用户评论。

这些信息单独看都不够，放在一起才可能判断一个品牌是在扩张、收缩、试水，还是只是在做声量。

智能烹饪也是类似道理。

让模型生成菜谱没有那么难。真正难的是把温度、视觉识别、配料比例、清洗降温、锅具状态和出品标准形成闭环。

这让我更确定：行业 Agent 的重点，是把专家判断路径产品化。联网搜索只是其中一步。

对程序员和 AI 创作者来说，这里有一个机会。

不要只在 AI 圈内部卷模型更新速度。多去看传统行业里的真实流程：招聘岗位、客服问题、销售交付、门店运营、内容获客、报告生成。

很多可被 Agent 放大的工作，不会用“AI Agent 需求”这个词出现。它们藏在预算、岗位、投诉、咨询和重复劳动里。

§6 月给我的五个提醒

如果把这个月压缩成五句话，我会这样总结。

第一，输入比灵感重要。

持续记录真实问题，比临时让 AI 想选题更可靠。

第二，工具要能被 Agent 正确读取。

命令、返回值、边界和副作用越清楚，工作流越稳定。

第三，知识库要按读者任务组织。

读者不需要参观你的文章历史，他需要知道下一步怎么做。

第四，发布之后要让数据回来。

没有反馈回流，内容系统只是在持续生产；有反馈回流，内容系统才开始学习。

第五，需求经常出现在新平台和旧行业里。

新平台带来新入口，旧行业藏着真实预算。AI 创作者要同时看这两个地方。

§你可以怎么借走这套方法

如果你也想在 7 月搭一个自己的 AI 工作流，不要一开始做太大。

可以先做一个最小版本：

1. ·选一个固定输入入口，持续记录真实想法和用户问题。
2. ·选一个你最常交付的场景，比如写公众号、做报告、发 X、整理客户问答。
3. ·把这个场景拆成固定步骤，明确哪些步骤可以交给 Agent，哪些步骤必须人工确认。
4. ·把结果沉淀成一篇读者能照着做的教程。
5. ·发布后记录反馈，再决定下一篇写什么。

一个月后，你会得到两样东西。

一是更稳定的内容输出。

二是更清楚的需求判断。

这比单纯追新工具更值钱。

6 月给我的最大收获就是这个：AI 的价值不只在帮你完成一次任务，也在帮你把每一次任务留下来，变成下一次更好的判断。