一篇文章发五个平台：我用 TRAE Work 搭了条内容分发流水线，2 小时变 20 分钟

写完一篇技术文章，真正结束了吗？

以前我以为结束了。后来连续写了几篇文章才发现，正文只是第一关：掘金要 Markdown，其他平台可能要富文本；一个平台需要摘要，另一个平台需要导语；标题长度、代码块、图片链接、话题标签，各家规则都不一样。最麻烦的是，改完格式之后还要人工从头检查一遍，生怕某个代码块被吃掉，或者复制粘贴时多出一段奇怪的空行。

我最近用 TRAE Work 把这部分工作整理成了一条内容分发流水线：一份 Markdown 原稿，自动生成不同平台的发布版本，再统一做格式检查和发布前确认。

它没有把"写文章"变成按一个按钮就能发出去的黑盒，反而把最容易出错的重复劳动拆成了几个可以检查的小步骤。原来一篇文章从写完到适配多个平台，常常要花一两个小时；现在通常二十分钟左右就能完成初版，剩下的时间用来做人工复核。

这篇不讲 TRAE Work 的概念，也不展示一个看起来很厉害但无法复用的 Demo，直接记录我是怎么把它用在内容分发上的。

一、最耗时间的不是写，而是写完之后的"搬运"

一篇技术文章写完后，我通常要做下面这些事情：

删除不适合某个平台的开场白；
把标题改成更适合平台搜索的形式；
根据正文重新生成摘要；
检查代码块的语言标记；
处理图片和链接；
把 Markdown 转成目标平台支持的格式；
补充标签、话题和分类；
发布前重新通读一遍；
发布后确认文章不是空白或格式错乱。

这些事情单独看都不难，难的是它们重复出现，而且每次都容易漏掉其中一两步。

最初我用一个很长的 Prompt 让 AI 一次性处理全部内容。结果不太稳定：有时摘要写得不错，但把代码块改坏了；有时格式转换没问题，却把文章里原本的关键限制条件删掉了；还有一次，它生成了"适合发布"的版本，但没有明确告诉我哪些地方发生了变化。

后来我把任务改成了流水线，而不是一个大任务：

text 复制代码

原始 Markdown
    ↓
结构检查
    ↓
内容拆分
    ↓
平台版本生成
    ↓
格式校验
    ↓
差异检查
    ↓
人工确认
    ↓
创建草稿/发布

这一步很关键。AI 负责处理重复工作，但每一步都有清晰的输入和输出，不让它在一个黑盒里自由发挥。

二、我先给 TRAE Work 定了三个角色

为了避免每次都重新解释任务，我没有只保存一条提示词，而是给这条流水线拆了三个角色。

角色一：编辑器

它只负责理解原稿，不负责改写事实。

编辑器需要输出：

文章标题；
文章摘要；
一级和二级标题；
代码块数量；
外部链接列表；
可能需要人工确认的内容。

它的边界很明确：只做结构化整理，不擅自补充技术结论。

角色二：平台适配器

它根据目标平台生成对应版本。

例如：

掘金版保留完整技术细节和 Markdown 代码块；
公众号版缩短开头，增加段落间距；
社区短文版只保留问题、方案和结果；
个人知识库版保留完整上下文和待验证事项。

平台适配器可以调整表达，但不能改变原稿的事实、代码逻辑和结论。如果确实需要删减，必须输出删减清单。

角色三：发布检查员

它不负责"把文章写得更漂亮"，只负责找问题：

标题是否为空；
摘要是否与正文一致；
代码围栏是否成对；
链接是否缺少协议头；
是否出现连续空段落；
是否混入其他平台的标题或标签；
版本是否与原稿对应。

这三个角色分开之后，定位问题容易多了。以前看到结果不对，只知道"AI 没做好"；现在能知道是结构提取、平台适配还是发布检查出了问题。

三、让它先生成"中间产物"，不要直接生成最终稿

这条经验是我踩坑之后留下的。

如果直接让 TRAE Work 输出五个平台的最终文章，结果看起来很完整，但很难检查它到底改了什么。后来我要求它先生成一个中间产物，用结构化数据描述原稿：

json 复制代码

{
  "title": "原始标题",
  "summary": "原始摘要",
  "sections": [
    {
      "heading": "问题背景",
      "purpose": "交代问题来源",
      "content_range": "paragraph-1 to paragraph-3"
    }
  ],
  "code_blocks": 2,
  "links": [
    "https://docs.python.org/3/library/json.html"
  ],
  "needs_review": [
    "性能数据缺少测试环境说明"
  ]
}

这个中间产物有两个好处。

第一，后面的平台版本都基于同一份结构生成，不会出现每个平台各自理解一遍原文、最后内容越改越散的情况。

第二，人工审核有了明确入口。比如它标记"性能数据缺少测试环境说明"，我就知道这里不能让 AI 自动润色过去，而要回到原稿补充信息。

四、平台适配时，我最看重的是"少改动"

很多人让 AI 做平台适配时，会要求它"重写得更吸引人"。这对营销文案可能有效，但对技术文章风险很高。

技术文章里，一个看似普通的词，可能决定结论是否成立。比如"默认开启"和"可以开启"、"支持"和"原生支持"，含义并不一样。如果平台适配时为了顺口把这些词换掉，文章就可能变得不准确。

我的要求是：

先保留原文，再做平台必要的格式调整；除非明确要求，不重写技术结论。

具体来说，平台适配器只允许做四类修改：

调整标题和摘要的长度；
删除平台不支持的格式标记；
调整段落和代码块的展示形式；
根据平台要求补充标签，但不能凭空增加观点。

每次生成适配版时，还要输出一个简短的变更说明：

text 复制代码

本次变更：
- 标题由 42 字缩短为 28 字
- 删除 1 个平台不支持的 HTML 标签
- 保留 2 个代码块
- 未修改技术结论
- 未删除外部链接

这份说明看起来很朴素，却比一段"已完成平台适配"有用得多。

五、格式检查比"写得漂亮"更重要

内容分发最容易翻车的地方，往往不是文章质量，而是格式。

我给发布检查员加了几条硬规则。

1. 代码块必须成对

python 复制代码

open_fence = content.count("`" * 3)
if open_fence % 2 != 0:
    raise ValueError("代码围栏数量不成对")

2. 链接必须是完整地址

相对路径、被截断的链接和复制时混入的标点，都要单独列出来，不允许静默修复。

3. 标题和摘要必须存在

有些平台允许正文为空白提交，有些平台会把摘要当作文章卡片内容。提交前必须检查标题、摘要和正文长度。

4. 版本必须带来源标识

我会给每个版本加上简单的元信息：原稿名称、生成时间、目标平台和内容版本号。这样后面发现问题时，可以知道是哪一版出了问题。

5. 发布前后都要回查

发布前检查的是"准备提交的内容"，发布后检查的是"平台实际保存的内容"。两者不能互相替代。

尤其是外部平台的发布接口，偶尔会出现请求返回成功，但正文保存不完整的情况。没有回查，就很容易把一个空文章当成已发布。

六、我把"自动发布"改成了"自动准备，人工确认"

刚开始搭这条流水线时，我也想过让 TRAE Work 直接完成多平台发布。后来还是放弃了默认自动发布。

原因很现实：发布是外部动作，一旦标题、标签或正文版本错了，修复成本比少点一次确认高得多。

现在的流程是：

text 复制代码

自动读取原稿
    ↓
自动生成平台版本
    ↓
自动做格式检查
    ↓
自动列出变更内容
    ↓
人工确认
    ↓
创建草稿
    ↓
回查草稿内容
    ↓
再次确认
    ↓
发布

如果只是生成本地版本，可以全自动；如果要创建草稿，我会让它停下来让我看标题、摘要、标签和正文长度；真正发布之前，再确认一次。

这不是不相信 AI，而是把自动化放在合适的位置：让它承担重复劳动，不让它替用户承担公开发布的最终责任。

七、这条流水线给我省下来的不只是时间

最直接的变化是时间。

以前从一篇文章到多个平台版本，通常要反复复制、粘贴、修改和检查。现在第一版生成大约需要几分钟，人工主要检查技术内容和平台差异。

但更重要的变化是，我终于知道每次发布前应该检查什么。

以前靠记忆：这家平台要摘要，那家平台要标签，某个平台不能放某种格式。现在这些规则变成了固定步骤，少依赖临场注意力。

对我来说，TRAE Work 最有价值的地方不是"帮我写了一篇文章"，而是把文章写完之后那段容易疲惫、容易犯错、却不得不做的工作，整理成了一条可以重复执行的流程。

八、如果你也想搭，建议从一篇文章开始

不要一上来就做"全平台自动发布系统"，很容易把问题做复杂。

可以先选一篇已经写完的文章，只做三件事：

让 TRAE Work 提取文章结构和链接；
生成一个目标平台版本；
输出格式检查结果和变更说明。

这三步跑通后，再逐渐加入其他平台、标签匹配、图片处理和草稿创建。

还有几个小建议：

原始稿和适配稿分开保存，不要覆盖原文；
每个版本带版本号，避免拿错文件；
发现事实不确定时，要求它标记，不要让它自行补全；
写入外部平台前先查重，避免重复创建；
发布后回查标题、正文和状态；
出错时保留现场，不要让脚本自动清理所有中间产物。

一篇文章发五个平台，难点从来不是"能不能复制过去"，而是能不能在复制、改写和发布之间保留内容的一致性。

TRAE Work 帮我解决的，也不是把二十分钟变成零分钟，而是把原来混乱的一两个小时，变成了一条有输入、有输出、有检查点的二十分钟流程。

这才是我觉得它最适合普通人的地方：不是替你按下所有按钮，而是把那些容易忘、容易错、又不得不重复做的事情，变得清楚一点、稳定一点。

#TRAEWork #人工智能 #自动化 #内容创作 #掘金技术征文