用 Agent 跑通小红书图文生产：一次全链路实测
小红书图文生产看似只是写稿，实际还包含选题调研、标题比较、封面制作、合规检查和数据复盘等连续任务。为了判断 AI Agent 能否真正承担这条链路，我用 WorkBuddy 中的内容创作技能跑了一次美食赛道实测，重点观察各环节的交付质量、异常处理方式以及人工仍需把关的位置。
做小红书图文的朋友，大概都被同一个循环困住过。选题想到头秃，标题改了又改，封面拖到半夜，发出去数据还不好。
我上周把这个循环完整交给了 AI 跑了一遍。一轮跑下来不到 20 分钟，从「不知道写什么」到「带封面带评分的成品躺在桌上」，全程一台电脑、一次对话，中间还围观了一次它自己排查报错的全过程。
先交代背景。我用的是 WorkBuddy 里红狐的「小红书爆款内容创作专家」，在技能广场的累计使用量是 10.67 万次。选它是因为能力覆盖够全，爆款生成、封面设计、违禁词检测、标题评分、发布后诊断都在一个技能里。我跑的是美食赛道，流程对其他赛道通用。
? 实测，五个环节的完整记录
先说结论，五个环节跑下来都能落地，其中发布前的合规扫描值得保留一道人工复核。下面按顺序看每个环节的真实交互。
环节一，定题，它先反问了
我的第一句话偷了懒，「基于这个选题生成一篇可发布的美食小红书笔记」。它没有直接开写，先反问选题具体是什么，然后给了三个选项，查爆款榜单再定题、家常快手菜一人食、秋季应季美食。
说实话这个反应有点意外。用过不少 AI 写作工具，接到指令直接开写的占多数，肯先确认需求的少。
翻了翻三个选项，我选了「查爆款榜单再定题」。它接下来的动作分三步，节奏很清楚。
第一步拆词。「美食」是大词，直接搜数据搜不出东西。它拆成 10 个细分方向，秋季润燥汤、板栗的神仙吃法、大闸蟹家常做法、一人食晚餐、空气炸锅食谱等，每个方向都踩在 9 月时令上。
第二步查数据。10 个词合并查询时报「关键词组合超长」，它先翻了脚本的单次长度限制，确认是接口对单次 keyword 参数的约束，然后改成一个词一次调用、10 个词并行跑。整个排查过程在对话里全程可见。
这一环是我用下来最有感的细节。用 AI 干活和用 AI 闲聊的分水岭就在这里，它在真的执行，遇到障碍会自己想办法，而不是把问题丢回来。
第三步出数据表。「一人食晚餐」方向的 Top10 里，互动 8 万+ 的笔记没排第一，榜首是互动 3w+ 的一条，总分 9.31。评分把相关性、热度、时效分开算，最后合成总分，所以它挑的不一定是「最火的」，是对当前方向「最有参考价值的」。
看数据表的下面，还跟了两段输出。一段是爆款规律提取，高分笔记的共性是做法零难度、强收藏、秋日治愈情绪。另一段是定题建议，结合秋分时令给出「一人食晚餐 × 秋日治愈」的方向，理由是三条规律它都占。
从不确定写什么，到有数据支撑的定题，全程 5 分钟。以前手动做这件事，翻榜单、对比、纠结，一上午起步。
环节二，出稿，标题从改到没感觉变成打分挑一个
定题之后出稿。最值得看的不是稿子，是标题的交付方式。
主标题「下班15分钟，我的秋分治愈热汤面」标着 S 级，综合 9.05/10，拆成六维评分，主题 9.5、结构 9.0、利益 9.5、情绪 8.0、稀缺 9.0、合规 10。另外配了 A/B 备选一条，「谁懂，这碗番茄肥牛面我能连吃一周」，A 级 8.38。
你想想看，以前改标题是玄学，改到没感觉还在改，改完自己都不知道哪个好。现在变成看分数做选择，情绪分低就补情绪，结构分弱就调句式，改稿有了明确方向。
正文按前面数据给的规律逐条落地。开场对上秋日治愈的情绪，时令接着秋分说，做法写得够细，一人份、15 分钟、番茄烫 1 分钟去皮、肥牛焯水 10 秒。结尾引导评论，标签直接用了查询结果里的拓词推荐。
环节三，封面是跟着成品一起出来的
封面不用单独再花时间，成品交付的时候直接带出来。大字标题压在食物特写上，「15分钟」特意放大。
为什么放大 15 分钟，因为数据里「做法零难度」是这个赛道的爆款共性。封面要做的，是把笔记最大的卖点视觉化，哪个点是卖点就顶哪个。
换到美妆教程也一样，before/after 对比、色号清单、3 步搞定，把变化感做成封面主体。
环节四和五，合规扫描与发布后诊断
违禁词检测我固定成发布前的必做动作。平台词库一直在变，靠记忆规避不现实，扫一遍不到 3 分钟。美妆这类功效词密集的赛道更要扫，美白、祛痘、抗老都踩在词库边界上。
发布后诊断针对数据不行的老笔记。别删，丢回去做诊断，标题、结构、标签、关键词逐项过一遍，结论还能反哺下一轮的定题。
几个踩坑瞬间
分享三个踩过的坑。
第一个坑，关键词组合超长。10 个词合并进单次请求会触发报错，改成一个词一次调用就行。如果自己做类似的批量查询，记住这个边界。这次报错也顺带摸清了接口约束，做批量调用之前先看参数说明，能省一轮试错。
第二个坑，评分不是保鲜单。六维评分能横向比标题，但比不了平台当天的流量环境，发布后的真实数据才算数。
第三个坑，数据有时效。爆款数据按周变化，两周前的数据表适合看结构规律，不适合直接抄选题。
? 工作流接入，怎么把这套接进日常
我的接入方式供参考。
跑选题盘点的节奏建议每周一次。花 5 分钟让链路给出定题建议，一次存 3 个方向，够用一周。
写稿环节保持原来的习惯就行，把违禁词扫描固定在发布前，写完就扫，扫完再发。
每月做一次复盘。把自己数据差的笔记挑出来跑诊断，顺带查一遍同赛道的新爆款，看看别人在涨什么。
如果你还没准备好完整接入，建议从定题单点开始。整条链路里数据价值最集中的是这一环，单跑定题也能解决「不知道写什么」这个最大的卡点，上手成本最低。
如果你的赛道不是美食也不影响。链路对赛道没有门槛，美妆、职场、家居都一样，把大类词拆成细分方向，让数据告诉你哪个方向当下有热度。
整条链路对设备没有要求，普通笔记本就能跑完全程，不需要额外部署环境。
结语
跑完这一轮，我最大的感受是效率的来源变了。
以前觉得用 AI 就是让它把活干快一点，现在的感受是，它把决策成本前置到了数据里。选题有数据就不纠结，标题有评分就不用反复改，合规有扫描就不用赌。
它把 80 分的活干完，剩下的 20 分留给你，而 20 分恰恰是你这个人的部分。
下次再卡在选题的时候，别急着关编辑器。把你的赛道拆成细分方向，先查一轮数据。
