我用WorkBuddy，一天量产了500+小红书爆款笔记
上上签约 11 分钟大家好，我是洋哥。
过去一年，我反复强调一个判断：AI 真正的价值，不是帮你把某个动作做快一点，而是把一套业务流程重新设计一遍。
最近，破局圈友@上上签用 WorkBuddy 做了一次完整实践。她从自己最熟悉的小红书运营入手，把经验拆成流程，把踩过的坑写成规范，再让 AI 按照标准持续执行，一次性产出了545条小红书笔记。
这个案例里，比产出数量更值得关注的，是她如何找到自动化的切口，又如何在效率和平台风险之间做取舍。
以下是她的完整复盘。
@上上签
大家好，我是上上签。
今年上半年，我把所有 AI 工具能干的活，都亲手干了一遍。
找选题、写文案、做 PPT、配图、排版、发布，每个环节我都自己上手，累得够呛，但这也让我清楚地知道：哪些环节最耗时、哪些重复动作最磨人、哪些卡点最致命。
后来，我加入了破局。在里面看了一圈，我发现很多圈友已经用 AI 跑通了各种自动化流程。我内心有些痒痒的，明明手头有 AI 工具，却还在用最原始的方式干活。
于是我做了一个决定：把小红书运营全流程交给 WorkBuddy 跑一遍。
两次下来，累计产出 800 条笔记选题和图文内容。单次最高 545 条，够我发半年。省下来的时间，我用来优化选题方向、研究爆款逻辑，账号数据反而比之前自己吭哧吭哧干的时候更好了。
思路先行：别急着要结果，先让 AI 理解你的业务。
很多人在使用 AI 时，一上来就会直接提要求：帮我写 100 条小红书选题，帮我做一个自动化工具，或者帮我分析一下这个账号。
但如果 AI 还不知道你的业务背景，不知道你平时是怎样工作的，也不知道你真正卡在哪里，它给出的回答往往会比较泛。
所以，我没有一开始就让 WorkBuddy 生成内容，而是先做了 3 件事。
第一件事：把自己的完整工作流程梳理出来。
我原来的小红书运营工作流程一共有五步：
了解 PPT 模板，确定选题方向 参考爆款，确定细分选题 根据选题匹配页面，并生成文案 根据页面和文案制作 PPT，并导出 PNG 搭配文案并发布小红书
AI 介入之后，这五步的对应实操也是按这个顺序推进的。
我没有一开始就要求 AI 把五步全部自动化，而是先把完整流程告诉它，让它帮我判断哪些可以交给 AI，再从最适合验证的环节开始，逐步建立创作规范、素材审计库、选题助手、文案生成工具和 PPT 批量生产流程。
梳理清楚之后，我才开始跟 WorkBuddy 对话。
第二件事：先告诉 WorkBuddy，你准备做什么。
这段话的作用主要有两个。
第一，告诉 WorkBuddy，我们接下来要讨论的是一个小红书 PPT 账号运营的任务。
第二，先不要让它急着执行，而是让它站在整个业务流程的角度，帮助我判断它可以参与哪些环节。
这也是我使用 AI 时比较重要的一个习惯：当自己还不知道应该怎样实现自动化时，不要急着写一条很复杂的提示词。可以先把业务背景告诉 AI，让它先理解问题。
第三件事：把自己目前的工作流程完整讲出来。
告诉 WorkBuddy 任务背景以后，接下来最重要的一步，就是把自己真实的工作流程讲清楚。
很多人会说“我想让 AI 帮我运营小红书”，但运营小红书并不是一个具体动作。它的背后可能包括找选题、看对标、整理素材、写标题、写正文、做图片、发布和复盘等很多步骤。不同账号的内容类型和运营方式也不一样。
只有把这些步骤拆开，AI 才能判断哪些事情可以自动化，哪些事情只能辅助，哪些事情仍然需要我们自己完成。
我没有使用什么特殊的提示词技巧，只是把自己每天真实做的事情，一步一步讲了出来。
这里有一个很重要的方法：当你不知道 AI 可以怎样帮助你时，不需要自己先设计出一套自动化方案。你只需要把现有流程、每一步要做的事情，以及自己的疑问讲清楚，然后让 AI 来判断。
思路理清了，方向也明确了，接下来正式进入实操。
第一步：先吃透自己的素材，建立选题弹药库
我的核心目标，是获得足够多、符合账号定位的选题。既然我手里已经有大量素材，就先从最可控的部分开始。
1. 先让 AI 学会方法，再让它看素材。
我把自己手头的小红书 PPT 爆款教程交给 AI，让它先学习：选题角度怎么找、标题结构怎么写、封面逻辑是什么、内容怎么组织、什么是创作禁区。
但只是学习还不够。学习结果不能只停留在对话里，必须被沉淀成一份文档，之后所有的内容生产都以这份文档为基准。否则对话一长，AI 就容易忘掉之前的约定。
2. 读取所有素材。
内容创作规范确认之后，接着把 PPT 素材交给 AI 读取。
这里遇到了一个很实际的坑：我当时使用的模型没有多模态能力，无法真正理解图片内容，只能读取文字。这意味着它根本看不清楚 PPT 每一页上有什么。
解决办法是切换到具备多模态能力的模型。切换之后，AI 才可以逐页识别标题、内容类型、适用场景和视觉信息。
如果你也遇到 AI 读不懂图片的情况，不是提示词的问题，先检查一下用的是不是支持多模态的模型。
3. 建立素材审计库。
因为我的 PPT 素材量很大，有 500 多页。如果每次生成选题时都让 AI 重新翻一遍素材，效率很低，而且不同对话之间素材信息也无法共享。
所以，我让 AI 先把 500 多页 PPT 的详细内容读取完，制作成一份素材审计库，以网页形式呈现。
建立完成后，我还进行了抽检：随机抽取几页，对照原始 PPT 检查 AI 的记录是否准确。发现有问题的就继续修改，直到记录准确率达到满意水平为止。
这一步的价值在于，素材审计库建好之后，后面所有的选题、文案和配图匹配，都可以基于这份库来做。AI 不需要每次重新“看素材”，只需要查库，速度快得多，准确率也更高。
4. 制作选题助手网页。
规范文档和素材审计库都建好之后，才正式开始生成选题。
我的做法是，先让 AI 生成一小批样本，比如 20 到 30 条，做成网页助手，再检查选题方向是否准确、标题结构是否符合规范、配图建议是否合理。发现问题就提出来，AI 修改之后再继续生成下一批。
这个过程反复迭代了好几轮，中间修改了很多细节。比如某类选题太集中、某些标题结构重复率太高、某些配图建议和页面实际内容对不上。
这里要注意：每发现一个问题，就让 AI 自行补进规范文档，以免之后再犯。因为以后我们还有可能在这个基础上继续生成新的一批选题。
还有一个小方法。因为量大，批量运行需要时间，可以设定一个自动化任务，让 AI 定时告知你目前的进度。
最后做出来的终版选题助手网页，可以搜索、可以按类型筛选，还可以一键复制标题和文案，配色也按照小红书风格设计。之后每次发内容，直接打开网页找，不需要翻文档或者重新生成。
这一阶段结束后，我拿到的是：
一份创作规范文档 一份 PPT 素材审计库 545 条选题内容 一个可以反复使用的选题助手工具
545 条选题，如果每天发 3 条，可以用半年，而且中途还可以继续加入二创内容。
第二、三步：安全借鉴爆款，同步生成文案与配图。
我当时最想验证的环节，其实是这一步：能不能自动抓取小红书上的爆款内容，再完成拆解、二创、文案生成和配图推荐？
技术上确实可以实现。我尝试过插件，可以抓取到内容。但它存在几个明显问题：平台违规风险、账号被风控的风险，以及需要存储 Cookie 带来的安全隐患。
在此之后，我也从同期的 Codex 营学到两个可以实现抓取爆款的办法：一是利用 Coze 工作流搭配 Skills，二是使用 Obsidian 插件。如果有需要，可以去看一下本期的 Codex 营。
但最终，我选择了不做。
因为我的核心目标不是一定要用抓取工具，而是获得足够多、符合账号定位的优质选题。既然这条路风险太高，就换一条路。
调整后的方案是半自动方式：我手动收集值得参考的爆款内容，包括标题、正文或者截图，再交给 AI 分析。
这样做的好处是，账号登录和平台抓取仍然由我自己控制，AI 只负责分析、改写和整理。各做各擅长的事，互不越界。
这个功能后来也被集成进了选题助手网页。我在网页里手动输入一条爆款内容，AI 会自动完成分析和原创，产出一条新的选题方案，包括原创标题、文案和配图建议。
第三步其实和第一步、第二步是相辅相成的。选题确定之后，文案和配图方案的生成是同步进行的，不是单独的环节。
如果你也想用 AI 量产笔记内容，中国头部 AI 商业实战社群 AI 破局俱乐部，给大家提供了免费的三天实战营。3 天 9 小时直播，专业导师带你拆解各种 AI 项目的变现逻辑，扫码就可以开始学习。
第四步：批量制作 PPT。
选题、文案和配图方案确定之后，才进入 PPT 制作。
很多人以为 PPT 制作这一步会最复杂，但实际上，只要前面的流程设计得好，这一步反而是最机械的。它就是按照固定的版式，把指定的图片填进去。
1. PPT的批量制作与输出。
给 AI 一份参考，而不是让它重新设计。
我没有让 AI 重新设计一套 PPT，而是给它一份我已经满意的参考 PPT，明确告诉它：只需要把素材库里的真实图片放到这个固定版式中。
这里有一个重要思路：用样本替代模糊描述。
如果我告诉 AI“字大一点、颜色好看一点、排版高级一点”，它没有办法理解这些描述的具体标准。但如果我直接给它一份满意的 PPT，让它自己归纳字体、字号、颜色、位置和阴影规则，得到的结果会精确得多。
这个原则同样适用于所有需要和 AI 对齐风格、质量或格式的场景。语言描述标准往往是模糊的，样本示例才是精确的。
2. 先样稿，再小批量，最后才批量。
第一次生成速度比较慢，因为 AI 需要先写脚本。脚本写好之后，样稿出来了，我先检查。发现问题就逐一指出，AI 修改，然后把修正后的结果沉淀成 PPT 版式规范文档。
之后每次生成，都按照这份规范执行，而不是重新凭感觉排版。
版式规范确认之后，明确输出文件夹、文件命名格式和待审核结构，再开始批量生产。
批量结束后还要随机抽查。这次我发现了一个共性问题：某类素材如果有多张图，不能只展示一张，需要按照实际数量展示。这个问题发现之后，立刻写进规则，避免后续重复出错。
第四步的核心顺序。
参考成品 → 提取规则 → 生成样稿 → 反馈修改 → 沉淀规范 → 小批量验证 →批量生产 → 随机抽查。
第五步：人工检查与手动发布。
当选题、标题、正文、PPT 和 PNG 都准备好之后，最后才是发布。
这个环节我没有继续追求完全自动化。原因很简单：自动登录、批量上传、模拟操作，都可能触发平台的风控机制，带来账号被封的风险。
AI 完成的是内容生产的所有准备工作，但最终的发布动作，仍然由我来完成。
我现在的发布流程是，每天固定一个时间段，大约花 10 分钟，选择 3 到 5 条内容，按以下步骤操作：
打开选题助手网页，找到今天要发的内容 打开对应的 PNG 文件夹，检查图片和文案是否匹配。因为量大，难免会有错误，这一步的检查必不可少 复制标题、正文和标签 手动上传图片 设置定时发布
同时，我会把已经发布过的选题记录下来，避免重复，并观察各条内容的数据表现，为后续的选题和文案优化提供参考。
这就是整个流程最终的分工：AI 完成发布前的所有准备，我完成最终检查和点击发布。
真正可以迁移的四个思维。
跑完这个完整的流程，我觉得有四件事值得单独拿出来讲。
因为它们不是小红书专属的技巧，而是在任何场景下使用 AI 自动化工作都适用的方法。
第一：先梳理流程，再寻找切口。
当你知道 AI 可能可以自动化自己的工作，但完全不知道怎么开始时，不要先问“帮我自动化”，也不要急着寻找一条复杂提示词。
先把自己的工作流程完整梳理出来，再交给 AI 寻找可以介入的地方。
你对自己的业务理解永远比 AI 深。流程梳理是你的工作，切口判断可以交给 AI。这不是偷懒，而是分工。用对了，效率会高得多。
第二：经验资产化，把每次踩坑变成规则。
很多人遇到问题后只是临时修一下，下次还会重复犯同样的错。
我的做法是，每发现一个问题，就把它写进规范文档。不是口头提醒，而是形成一条明确的规则：“以后遇到 X 情况，按 Y 方式处理。”
这样做的好处是，规范文档越改越厚，AI 犯错的概率越来越低。
同一个错误，只犯一次。
第三：用样本对齐，而不是用描述对齐。
做 PPT 时，我没有只告诉 AI“字大一点、颜色好看一点、排版高级一点”，而是直接给它一份我满意的参考 PPT，让它自己归纳字体、字号、颜色、位置和阴影规则。
语言描述标准往往是模糊的，样本示例才是精确的。
只要你需要和 AI 对齐风格、质量或格式，就不要只描述你想要什么，也要直接给它看你想要的结果长什么样。
第四：遇到风险，先绕过去，而不是硬攻。
我最初想做的是自动抓取爆款，技术上可行，但风险很高。我没有为了追求全自动硬做下去，而是先放一放，转去做更可控的事情。
目标不是使用某种特定的技术路径，而是获得足够多的优质选题。
当一条路有高风险时，先绕过去，找另一条路走，往往比在高风险路上死磕更有效率。
跑通这套流程之后，我最大的感受是：AI 不会取代你，但会用 AI 的人会。
而这件事的门槛，其实比大多数人想象的要低得多。
你只需要做一件事：把自己的工作流程讲清楚。
剩下的，交给 AI。
如果你也想借用 AI 量产笔记内容，中国头部 AI 商业实战社群 AI 破局俱乐部，给大家提供了免费的三天实战营。3 天 9 小时直播，专业导师带你拆解各种 AI 项目的变现逻辑，扫码就可以开始学习，先到先得👇