用 AI 改流程之前先做「四桶」体检：9 次返工里 8 次靠规则就能消掉（附 Python 发布前校验器）

很多团队接 AI 的第一反应是：找到流程里最费人的那一步，接个大模型把它替掉。

这篇想说一个工程上更稳的顺序：先给流程做一次体检，把每一步分进四个桶，再决定哪一步值得交给 AI 。我们拿自己「一篇文章发 10 个平台」的流程做了一遍，结论有点反直觉：9 次返工里，有 8 次根本不需要 AI，一条规范加一个校验脚本就能拦下来。

文末附这个校验脚本（Python，标准库，无依赖，带自测）。

一、方法：四桶法

方法本身不新。Michael Hammer 1990 年在 HBR 上写过《Reengineering Work: Don't Automate, Obliterate》：一个 20 步的流程，每步都加速，整体可能一点没快，瓶颈在步骤之间的交接和等待。最近做「AI 部署工程师」（Forward Deployed Engineer，FDE）的人把它和 AI 落地结合起来，多了一个 Agent 桶：

桶	判据	工程上对应什么
删除	这一步在 AI 时代根本不该存在	删掉流程节点、合并数据源
确定性代码	「如果 X 就 Y」，没有判断	纯函数、规则表、单元测试
Agent	有历史样本 + 需要判断 + 存在例外	LLM + 结构化输出 + 评测集
人工决策	风险最高、不可逆的最终动作	审批闸门、人工确认

判桶时按顺序问四个问题，前一个答「是」就停：能删吗 → 能写成规则吗 → 需要判断且有样本吗 → 是不是高风险的最终动作。

工程师最容易犯的错，是把第 2 桶的事放进第 3 桶：一个能穷举条件的判断，交给 LLM 去「理解」，换来的是更贵、更慢、不可复现。

二、体检对象：一稿多发，名义 5 步、实际 18 步

问我发一篇文章有几步，我会说写稿、排版、发布、分发、看数据，5 步。按发布日志真实数一遍是 18 步：

1. 选题、写母稿　2. 做配图（HTML 设计稿 → 无头浏览器出图）　3. 公众号排版、建草稿　4. 知乎重写深度版　5. 知乎导入、补图注　6. 小红书拆 8 篇　7. 小红书逐篇上传　8. 百家号　9. 头条　10. CSDN 重写工程版　11. LinkedIn 英文改写　12. 即刻短动态　13. 等各平台审核　14. 审核后逐个补链接　15. 收各平台数据　16. 写发布记录　17. 更新账号状态表　18. 复盘

期间 9 次返工：

#	返工	根因
1	小红书定时把美东时间当北京时间填，提前发出	时间没带时区
2	话题超上限，还被平台自动换词	平台限制没提前校验
3	知乎删段后本地稿和线上不一致	两个信源
4	LinkedIn 观点卡排版改 4 轮	审美判断
5	头条企业号入驻没通过	没先查平台条件
6	头条作品声明没保存住	发布前没检查
7	CSDN 简介被驳回	含站外引流写法
8	从预览复制，空行全丢	复制源不对
9	操作太快被限流	没有节奏控制

三、分桶结果

• 删除：手工换算时区（统一按北京时间、时间一律带时区）；从预览复制（只从纯文本源复制）；多处维护账号资料（一份资料表）；不查规则就申请（先对照平台限制清单）。
• 确定性代码 ：母稿转各平台格式、卡片出图；发布前校验平台限制；汇总数据、生成发布记录。
• Agent：按平台读者改写（知乎深度版、本文这种工程版、英文版、小红书拆条）；起草封面文案、生成无文字配图背景；审核驳回时读规则给修改建议。
• 人工决策：选题和观点、原创与 AI 声明、引流口径、点下「发布」、客户内容授权。

逐条对返工：#1 #3 #5 #8 进删除桶，#2 #6 #7 #9 进确定性代码桶，只有 #4 需要判断，交给 AI 出几版、人来拍板。

结论：这次体检最大的收益来自理顺流程，而不是 AI。一期只做前两桶，Agent 列二期。

四、确定性代码桶的样子：一个发布前校验器

下面这个脚本对应「发布前自动查平台限制」这一步。设计上刻意保持简单：

• 规则是数据 ：RULES 字典按平台登记硬限制，平台改了规则只改这里；
• 只报不改 ：校验器返回 Issue 列表，不替你截断标题、不删话题------改什么是人的决定；
• 时间必须带时区 ：schedule 没有 +08:00 之类的偏移直接报错。这条就是返工 #1 的根治办法：本机在美东、平台按北京时间解释，「看起来对」的 08:00 会差 12 小时；
• 可测试 ：--test 跑一组断言，每条规则一个正例一个反例。

"""发布前校验器：把「一稿多发」里能写成规则的返工，在点发布之前拦下来。

四桶法里的「确定性代码桶」示例：规则写死、不需要 AI 判断、可测试、可复现。
用法：python3 publish_lint.py            # 跑内置示例
      python3 publish_lint.py --test     # 跑自测
"""
from __future__ import annotations

import re
import sys
from dataclasses import dataclass, field
from datetime import datetime, timezone, timedelta

BEIJING = timezone(timedelta(hours=8))

# 平台规则：只放「写得死」的硬限制。数值以各平台当前后台提示为准，变了改这里。
RULES: dict[str, dict] = {
    'wechat':      {'title_max': 32, 'digest_max': 120},
    'xiaohongshu': {'title_max': 20, 'body_max': 1000, 'topics_max': 10},
    'linkedin':    {'body_max': 3000},
    'toutiao':     {'nickname_max': 10},
    'csdn':        {'summary_max': 256, 'no_offsite_in_bio': True},
}

# 站外引流的常见写法：简介、正文里出现就提示（平台不一定说明驳回原因）
OFFSITE = re.compile(r'(公众号|微信|vx|v信|加我|私信领取)[:：]?', re.I)


@dataclass
class Post:
    platform: str
    title: str = ''
    body: str = ''
    digest: str = ''
    topics: list[str] = field(default_factory=list)
    nickname: str = ''
    bio: str = ''
    schedule: str = ''          # 定时发布时间，必须带时区，如 2026-10-11T08:00+08:00
    source_has_blank_lines: bool | None = None  # 母稿有空行段落时，检查粘贴后是否丢了


@dataclass
class Issue:
    rule: str
    message: str


def _len(s: str) -> int:
    """按字符计（中英文都算 1），与多数平台后台的计数方式一致。"""
    return len(s)


def lint(post: Post, now: datetime | None = None) -> list[Issue]:
    r = RULES.get(post.platform)
    if r is None:
        return [Issue('platform', f'未知平台 {post.platform}，先在 RULES 里登记它的限制')]
    now = now or datetime.now(BEIJING)
    issues: list[Issue] = []

    def over(key: str, value: str, label: str):
        if key in r and _len(value) > r[key]:
            issues.append(Issue(key, f'{label} {_len(value)} 字，超过上限 {r[key]}'))

    over('title_max', post.title, '标题')
    over('body_max', post.body, '正文')
    over('digest_max', post.digest, '摘要')
    over('summary_max', post.digest, '摘要')
    over('nickname_max', post.nickname, '昵称')

    if 'topics_max' in r:
        if len(post.topics) > r['topics_max']:
            issues.append(Issue('topics_max', f'话题 {len(post.topics)} 个，超过上限 {r["topics_max"]}'))
        dup = {t for t in post.topics if post.topics.count(t) > 1}
        if dup:
            issues.append(Issue('topics_dup', f'话题重复：{"、".join(sorted(dup))}'))

    if r.get('no_offsite_in_bio') and OFFSITE.search(post.bio):
        issues.append(Issue('offsite', f'简介含站外引流写法「{OFFSITE.search(post.bio).group(0)}」，可能被驳回'))

    if post.schedule:
        try:
            t = datetime.fromisoformat(post.schedule)
        except ValueError:
            issues.append(Issue('schedule', f'定时时间格式不对：{post.schedule}'))
        else:
            if t.tzinfo is None:
                issues.append(Issue('schedule_tz', '定时时间没写时区；平台按北京时间解释，本机时区不同时会填错'))
            elif t <= now:
                issues.append(Issue('schedule_past', f'定时时间 {t.astimezone(BEIJING):%m-%d %H:%M}（北京）已过，审核通过会立即发出'))

    if post.source_has_blank_lines and '\n\n' not in post.body:
        issues.append(Issue('blank_lines', '母稿有空行分段，待发正文里一个空行都没有：可能是从预览复制丢了格式'))

    return issues


def _demo() -> None:
    now = datetime(2026, 10, 10, 23, 0, tzinfo=BEIJING)
    posts = [
        Post('wechat', title='名义 5 步，实际 18 步：用 AI 改流程之前，先做一次「四桶」体检'),
        Post('xiaohongshu', title='用AI改流程前，先做这个体检',
             topics=['AI应用', '人工智能', '流程优化', '效率提升', 'AI工具', '企业管理', '数字化转型', '工作流', '复盘', '职场', '干货'],
             schedule='2026-10-11T08:00'),
        Post('csdn', bio='某公司创始人，公众号：某某AI实践'),
        Post('xiaohongshu', title='9次返工，8次根本不用AI', body='第一段。第二段。', source_has_blank_lines=True,
             schedule='2026-10-10T20:00+08:00'),
    ]
    for p in posts:
        found = lint(p, now)
        print(f'[{p.platform}] {p.title or p.bio}')
        for i in found or [Issue('ok', '通过')]:
            print(f'  - {i.rule}: {i.message}')


def _test() -> None:
    now = datetime(2026, 10, 10, 23, 0, tzinfo=BEIJING)
    rules = lambda p: [i.rule for i in lint(p, now)]
    assert rules(Post('wechat', title='名义5步，实际18步：用AI改流程之前，先做一次「四桶」体检')) == []
    assert rules(Post('wechat', title='x' * 33)) == ['title_max']
    assert rules(Post('xiaohongshu', topics=['a'] * 2)) == ['topics_dup']
    assert rules(Post('xiaohongshu', topics=[str(i) for i in range(11)])) == ['topics_max']
    assert rules(Post('xiaohongshu', schedule='2026-10-11T08:00')) == ['schedule_tz']
    assert rules(Post('xiaohongshu', schedule='2026-10-10T20:00+08:00')) == ['schedule_past']
    assert rules(Post('xiaohongshu', schedule='2026-10-11T08:00+08:00')) == []
    # 美东 10-10 20:00 = 北京 10-11 08:00，带时区就不会填错
    assert rules(Post('xiaohongshu', schedule='2026-10-10T20:00-04:00')) == []
    assert rules(Post('csdn', bio='公众号：某某AI实践')) == ['offsite']
    assert rules(Post('csdn', bio='日新开物创始人，写 AI 落地')) == []
    assert rules(Post('xiaohongshu', body='a\nb', source_has_blank_lines=True)) == ['blank_lines']
    assert rules(Post('toutiao', nickname='老孙 | Ethan Sun')) == ['nickname_max']
    assert rules(Post('weibo')) == ['platform']
    print('全部通过')


if __name__ == '__main__':
    _test() if '--test' in sys.argv else _demo()

运行效果（python3 publish_lint.py）：

[wechat] 名义 5 步，实际 18 步：用 AI 改流程之前，先做一次「四桶」体检
  - title_max: 标题 36 字，超过上限 32
[xiaohongshu] 用AI改流程前，先做这个体检
  - topics_max: 话题 11 个，超过上限 10
  - schedule_tz: 定时时间没写时区；平台按北京时间解释，本机时区不同时会填错
[csdn] 某公司创始人，公众号：某某AI实践  - offsite: 简介含站外引流写法「公众号：」，可能被驳回
[xiaohongshu] 9次返工，8次根本不用AI
  - schedule_past: 定时时间 10-10 20:00（北京）已过，审核通过会立即发出
  - blank_lines: 母稿有空行分段，待发正文里一个空行都没有：可能是从预览复制丢了格式

第一条是真事：给这篇文章的公众号版建草稿时，我们的工具就因为标题 36 字（上限 32）拒绝建稿，去掉半角空格后变成 30 字才过。这种错误在发布前被规则拦下，成本是一秒；发布后被平台拦下，成本是一次返工。

五、Agent 放在哪：AI 生成，规则把关

二期接 Agent 时，校验器不会被替代，反而更重要。我们现在的做法是：

1. Agent 负责「需要判断」的部分：按平台改写标题和正文、选话题；
2. Agent 的输出先过一遍校验器 ，不通过就把 Issue 原文回传给 Agent 重写，最多重试 N 次；
3. 通过后进入人工决策桶：人看一眼、点发布。

也就是 生成交给模型，约束交给代码，最终动作交给人。这样模型的不确定性被关在一个可测试的边界里，出了问题也能定位是哪一层。

六、你可以照抄的部分

1. 选一条流程，写下「名义流程」；
2. 找实际干活的人，把最近真实的几单走一遍，记下谁在做、在等谁、哪里退回；
3. 每一步按「能删 → 能写规则 → 需要判断且有样本 → 高风险最终动作」归桶；
4. 先做删除和确定性代码，规则写成数据 + 测试；
5. 汇报时把「流程再造省下的」和「AI 省下的」分开列。

如果你们团队也有「名义 5 步、实际 20 步」的流程，欢迎在评论区聊聊是哪一条。

---

参考资料

1. Michael Hammer, Reengineering Work: Don't Automate, Obliterate, Harvard Business Review, 1990
2. Greg Isenberg 播客，Varick Agents 创始人 Vas 访谈：AI 部署工程师的流程再造方法论，2026-10-01