为什么这件事对我重要
做内容的人, 最怕的不是没想法, 是被自己的反馈骗了. 我攒了一段时间的 good / bad 标签, 一度觉得"系统在学习我了", 但每次重新打开 AI 给的机会列表, 总觉得哪里还是没对上。
这种感觉很微妙, 难描述。 后来我把它写进了自己的长期记录里: "流程中间层很完整, 外部可见结果差一步." 反馈文件一直在变长, 但 AI 排序还是老样子——这就是中间层的典型表现.
所以我给自己定了一条规矩: AI 内容系统是不是变聪明, 不看反馈记录有多长, 看反馈有没有真的进到下一次判断里.
今天做了什么
我打开反馈事件表数了一下, 27 条原始事件, 按机会去重后覆盖 21 个机会: 9 个 good、12 个 bad. 今天又有 4 个新机会反馈, 全部是 bad.
然后我查代码. 现状是:
- 有反馈采集脚本
- 有总结脚本
- 有经验文档, 机会生成时会喂给 AI
- 但经验文档当前是"暂无自动总结"的默认内容
也就是, 设计是闭环的, 但实际从来没跑通过一次.
我手动跑了一次总结脚本, 27 条反馈写进了经验文档, 同时生成了历史快照, 跑了次验证脚本, 15 项检查全过, 提交了 commit.
我的判断
AI 内容系统变聪明, 关键不是收集反馈, 是把反馈接进下一轮判断.
这次"跑通"给我的最大感受不是"我多了一个工具", 而是: 我之前对"差机会"的判断, 在经验文档里被翻译成了具体的强约束——
- 定时任务本身不是内容机会
- 内部 bug、排障过程、计划管理流程不适合对外
- 基本操作 (去重、时间边界判断) 不值得独立发布
- 弱证据 (partial、remote-only、无 mtime) 只能支撑方法论短帖
这些约束不是泛泛而谈, 是从我过去标 bad 的具体机会里提炼出来的. 下次每日发现就会真的读到这版经验.
从"资产"到"判断", 这中间差的不是代码量, 是一份"我亲自跑过一次"的决心.
读者能拿走的判断框架
如果你也在做 AI 内容系统, 建议你每周自问这三个问题:
- 我的反馈数据, 下次生成时被读到了吗?
- 我的人工经验, 是变成了一行 prompt 里的硬约束, 还是停在某个文档里?
- 我的系统, 是"有数据"还是"用了数据"?
下一步
- 把总结脚本接到每日发现后面, 跑一次完整链路, 确认下次生成真的能读到新经验.
- 给草稿编辑设计一个类似的反馈汇总机制.
- 跟进今天 4 个 bad 反馈, 看是机会判断问题还是今天生成的内容质量确实不够.