从一次 AI 问答到可复用工作流：把重复任务交给清晰的规则

01 / 先定义任务，再选择工具

我们很容易把一次顺利的 AI 回答当成稳定的工作流：输入一句话，得到一份看起来完整的结果，复制保存，然后期待下次还能一样好用。真正重复执行时，问题才会浮现：输入不完整，步骤被跳过，输出格式发生变化，甚至把推测写成了事实。

这篇文章用一个具体场景说明如何收敛这些变化：把一份散乱的技术笔记整理成可以发布的文章草稿。这里的目标不是自动发布，而是稳定地产出一份便于人工复核的内容。

一个可复用的工作流，需要让人知道“输入了什么、处理了什么、哪些地方还没有确认”。

先把完成条件写下来：文章需要有清晰标题、准确摘要、可阅读的分节和来源记录；代码示例需要说明用途；没有验证的结果必须保留为待确认项。工具的选择可以稍后再做。

02 / 把输入与输出写成一份约定

输入不应该只有一句“帮我整理一下”。至少交代读者是谁、文章准备解决什么问题、哪些材料可以引用，以及哪些信息不能自行补全。下面的 JSON 只是任务约定示例，可以作为协作说明使用，并不是可直接安装的 Skill 配置。

任务约定 · JSON

{
  "task": "整理技术文章草稿",
  "audience": "希望复现步骤的开发者",
  "inputs": [
    "原始笔记",
    "实际运行记录",
    "允许引用的资料"
  ],
  "outputs": [
    "标题与摘要",
    "分节正文",
    "代码说明",
    "待确认清单"
  ],
  "constraints": [
    "不编造测试结果",
    "不自动发布",
    "保留来源和不确定性"
  ]
}

再明确“没有材料时怎么办”。如果笔记中缺少测试环境，就保留一个待补充项；如果链接不可访问，就标记来源尚未核对；如果某个命令没有执行记录，就把它称为示例，而不是验证成功的步骤。

03 / 用可检查的步骤组织协作

把长任务拆成三个阶段，每个阶段都产出可以阅读和检查的中间结果。这样发现错误时，可以回到具体一步修正，而不必重新生成整篇文章。

• 整理材料：归纳已有事实、代码片段和来源，把缺失信息单独列出。
• 组织表达：先写提纲，再把材料放入对应章节，避免先写结论再寻找依据。
• 检查与交付：核对正文、命令、链接和分类，最后交给作者决定是否发布。

阶段之间需要一个停止条件。例如，材料不足以支持结论时，流程应当返回待补充清单，而不是通过增加形容词让文章显得完整。

交付结构 · Markdown

# 标题

## 文章解决的问题
说明读者、适用场景与边界。

## 实现思路
按照可复现的顺序组织步骤。

## 验证记录
只记录实际执行过的检查及其结果。

## 已知限制
列出缺失信息与需要人工确认的事项。

04 / 验收不只检查“能否生成”

一份工作流在顺利输入下生成了漂亮的文章，还不足以说明它可靠。可以先用几组小样本检查边界行为。下面是测试设计，不是已经取得的性能或准确率结果。

输入情况	期望行为	检查重点
材料完整	形成结构清晰的草稿	事实、步骤与结论是否对应
缺少测试记录	明确列出未验证项	是否编造成功结果
两份笔记相互冲突	保留差异并请求核对	是否擅自选择一个说法
包含敏感配置	提醒人工检查并避免直接公开	草稿是否暴露密码或密钥

人工复核时，先检查事实和风险，再调整语气和排版。对于会修改文件、访问账户或发布内容的流程，还应单独定义授权范围，避免把“整理草稿”和“发布文章”混成一个动作。

05 / 让内容进入 WordPress 的管理流程

草稿完成后，标题、正文、摘要、作者和分类应进入 CMS 的原生字段。不要把一整篇文章写死在主题文件里：主题负责展示，文章负责内容，后续更换版式时才不需要重新整理所有材料。

在这套 Aesthetic Lab 候选主题中，普通文章使用通用文章模板；文章编辑页可选择分步教程版式。正文中的二级、三级标题用于生成目录，代码块提供复制入口，分类与标签保留为可点击的内容入口。

• 分类：用来组织长期栏目。本文示例同时属于“AI 工作流”和“实践笔记”。
• 标签：用来连接跨栏目的具体主题，例如 AI、工作流和知识管理。
• 摘要：说明读者能获得什么，适合文章卡片与搜索结果使用。
• 发布状态：先保存草稿，预览排版并核对内容，再决定公开。

同一篇文章可以归入多个分类。发布后，应从每个分类入口都能找到它；修改归属时，也应确认旧分类列表随之更新。分类名称和文章数量应来自实际数据，而不是前端固定文案。

06 / 从一个小任务开始，逐步积累规则

最容易维护的起点，是一个输入明确、输出有限、可以人工验收的小任务。先把“整理文章草稿”做好，再考虑追加来源检查或素材整理。每增加一步，都需要说明它依赖什么、怎样判定完成，以及失败时应交付什么。

最终需要积累的，不只是越来越长的提示词，而是一套能持续修正的约定：哪些信息可信，哪些步骤必须停下来，哪些结果可以交付。把这些约定写进内容和管理流程，AI 才更容易成为稳定的协作者。

好的自动化，不是把每一步都交出去，而是让每一步的边界更清楚。