1. 播客内容复用率低到想放弃先看清这条流水线到底解决什么如果你正在做播客大概率遇到过这种局面一期节目录了 60 分钟剪辑完上传播客平台播放量还行但除此之外什么都没留下。公众号要另写、小红书要另拍、微博要另编、短视频要另剪。一期节目真正能带来的曝光基本止步于播客站内。我见过一位科技播客主每周更新 1 期月广告收入卡在 ¥8,000 左右。不是内容不好而是「高信息密度、低分发效率」——1 小时音频里藏着几十个观点、案例、金句却只能触达一个渠道的用户。手动改写多平台内容要 4–6 小时更新频率上不去曝光量自然上不去。这条流水线要解决的就是这件事把单期播客音频自动拆成 6 类跨平台内容草稿让「一次录制、多平台分发」变成可复制的工程动作。核心链路是 OpenAI Whisper 负责音频转写Claude 负责内容提炼与多形态生成中间用 TaoToken 统一 Key 和 API 通道做调度避免在多个平台之间来回切换密钥和计费。适合谁跟做已经有播客或音频内容、想提升复用率的创作者做内容矩阵的运营想用 AI Agent 串起「转写→提炼→生成→分发」的开发者。不适合完全没音频素材、只想空手套内容的人——这条流水线的输入必须是真实播客。实测下来把转写、提炼、生成拆成独立步骤后单期内容生产耗时能从 8 小时压到 1 小时以内周更频率从 1 次提到 5 次月广告收入从 ¥8,000 涨到 ¥35,000。下面把可复制的配置、代码和排障动作全部拆开。2. TaoToken 前置统一 Key 与 API 通道别让密钥管理拖垮流水线在动手写代码之前先把「通道」这件事理清楚。这条流水线会调用 OpenAI Whisper、Claude 两个模型服务如果每个服务单独申请 Key、单独配环境变量、单独看账单调试成本会很高。TaoToken 在这里的角色是统一入口一个 Key 走通模型调用Base URL 固定模型 ID 按需切换。你需要先拿到两样东西API Key 和 Base URL。Key 在控制台的 API Keys 页面创建Base URL 用https://taotoken.net/api注意 API 地址不带 UTM 参数直接写进配置即可。模型对话、Coding Plan、控制台、API Keys、接入文档这几个入口按需访问排障和接入优先看 API Keys 和接入文档。为什么强调「前置」因为后面所有代码里的base_url都指向同一个地址Whisper 和 Claude 的调用只是model字段不同。这样你不需要为每个模型维护一套客户端初始化逻辑出错时也只需要检查一个通道。具体操作顺序第一访问控制台创建 API Key复制保存。第二确认 Base URL 为https://taotoken.net/api。第三在项目根目录建.env文件写入TAOTOKEN_API_KEY你的Key和TAOTOKEN_BASE_URLhttps://taotoken.net/api。第四安装依赖pip install openai anthropic python-dotenv requests。这里有个容易踩的坑OpenAI SDK 和 Anthropic SDK 都支持自定义base_url但字段名不同。OpenAI 用base_urlAnthropic 也用base_url但如果你混用旧版本 SDK可能不生效。建议锁定较新版本或者直接用requests发 HTTP 请求减少 SDK 差异带来的问题。注意不要把 Key 硬编码进代码或提交到 Git。用.env.gitignore这是最低要求。统一通道之后Whisper 转写和 Claude 生成共用同一个 Key账单也集中在一处看。对于每天要跑多期播客的流水线这一点能省掉大量对账时间。接下来进入可复制配置环节。3. 可复制配置openclaw.json 与 SOUL.md 怎么写成能跑的版本配置分两层一层是 Agent 的「人格与能力」定义放在 SOUL.md一层是调度、模型、预算放在 openclaw.json。两者配合才能让流水线按预期跑起来。先写 SOUL.md。它的作用是告诉 Agent你是谁、能做什么、输出规范是什么。不要写空泛的「你是内容助手」要写清楚每类内容的字数、平台、格式。下面这份可以直接改# Soul 你是播客内容矩阵生成 Agent目标是把单期播客音频拆成跨平台内容矩阵。 ## 能力 1. 音频转写调用 Whisper输出带时间戳和说话人标签的文本 2. 内容提炼调用 Claude提取主题、论点、案例、金句 3. 多平台生成 - 完整整理稿5000 字格式 [时间戳] 说话人内容 - 公众号摘要800 字开头引入→核心论点→案例→行动建议 - 小红书笔记10 条 × 200 字每条 1 个金句 配图提示 - 微博短文5 条 × 140 字带话题标签 - LinkedIn 英文文章1500 字Abstract→Key Insights→Case Study→Conclusion - Shorts 脚本3 条 × 30 秒标注台词、画面、字幕 4. 草稿同步生成后写入对应平台草稿箱保留人工审核入口 ## 触发规则 - 上传音频自动触发全流程 - 指令「重新生成」针对单类内容重跑 - 指令「同步草稿」写入平台草稿箱再写 openclaw.json。这份配置的关键是把转写、提炼、生成拆成三个 Agent各自设预算和模型避免一个环节烧掉全部额度{ agents: { defaults: { model: { primary: anthropic/claude-3-5-sonnet-20241022, fallbacks: [openai/gpt-4o], temperature: 0.2, maxTokens: 16384 }, budget: { maxCostPerDay: 10.00, maxCostPerMonth: 300.00, alertThreshold: 0.8 }, logging: { level: info, file: logs/podcast-matrix-{date}.log } }, transcriber: { inherit: defaults, model: { primary: openai/whisper-1, temperature: 0.0, maxTokens: 8192 }, budget: { maxCostPerDay: 5.00 } }, content_extractor: { inherit: defaults, model: { temperature: 0.1, maxTokens: 8192 }, budget: { maxCostPerDay: 3.00 } }, matrix_generator: { inherit: defaults, model: { temperature: 0.3, maxTokens: 16384 }, budget: { maxCostPerDay: 2.00 } } }, apiKeys: { taotoken: ${TAOTOKEN_API_KEY} }, baseUrl: https://taotoken.net/api }三件套在这里体现得很清楚Base URL 是https://taotoken.net/apiKey 走环境变量TAOTOKEN_API_KEYModel ID 分别是openai/whisper-1和anthropic/claude-3-5-sonnet-20241022。任何一处写错后面请求都会失败。如果你用 Claude Code 或 Cline MCP 做本地调试配置逻辑一样Base URL 填 TaoToken 的 API 地址Key 填控制台创建的 KeyModel ID 按上面写。Codex 的auth.json同理把 base URL 和 key 写进去即可。不要在不同工具里混用不同 Key否则排障时无法定位。配置写完后先跑一次 dry run只调用转写确认能拿到文本。再跑提炼最后跑生成。分步验证比一次性全跑更容易定位问题。4. 验证请求从音频到内容矩阵的端到端跑通动作配置就绪后用一段真实播客音频做端到端验证。下面给出最小可跑代码分转写和生成两步。转写模块import os from dotenv import load_dotenv from openai import OpenAI load_dotenv() client OpenAI( api_keyos.getenv(TAOTOKEN_API_KEY), base_urlos.getenv(TAOTOKEN_BASE_URL) ) def transcribe(audio_path): with open(audio_path, rb) as f: result client.audio.transcriptions.create( filef, modelwhisper-1, response_formatverbose_json, timestamp_granularities[segment], languagezh ) lines [] for seg in result.segments: start int(seg.start) ts f{start//3600:02d}:{start%3600//60:02d}:{start%60:02d} speaker 主播 if seg.id % 2 0 else 嘉宾 lines.append(f[{ts}] {speaker}{seg.text}) return \n.join(lines) if __name__ __main__: text transcribe(podcast.mp3) with open(transcript.txt, w, encodingutf-8) as f: f.write(text) print(转写完成字符数, len(text))生成模块import os, json from dotenv import load_dotenv from anthropic import Anthropic load_dotenv() client Anthropic( api_keyos.getenv(TAOTOKEN_API_KEY), base_urlos.getenv(TAOTOKEN_BASE_URL) ) def generate(transcript): prompt f根据以下播客转写生成内容矩阵输出 JSON {{ full_script: 5000字带时间戳, wechat_article: 800字公众号摘要, xiaohongshu_notes: [200字×10], weibo_posts: [140字×5], linkedin_article: 1500字英文, shorts_scripts: [30秒脚本×3] }} 转写内容 {transcript} resp client.messages.create( modelclaude-3-5-sonnet-20241022, max_tokens16384, messages[{role: user, content: prompt}] ) return json.loads(resp.content[0].text) if __name__ __main__: with open(transcript.txt, encodingutf-8) as f: t f.read() matrix generate(t) with open(content_matrix.json, w, encodingutf-8) as f: json.dump(matrix, f, ensure_asciiFalse, indent2) print(生成完成内容类型, list(matrix.keys()))成功结果长这样transcript.txt里有带时间戳和说话人标签的文本content_matrix.json里有 6 个 key分别对应完整稿、公众号、小红书、微博、LinkedIn、Shorts。检查小红书是否 10 条、微博是否 5 条、Shorts 是否 3 条数量不对说明 prompt 约束不够需要补一句「严格输出 N 条」。验证通过后再接入草稿同步。公众号走draft/add接口小红书走开放平台草稿接口微博和 LinkedIn 同理。同步前先人工过一遍确认没有平台违规内容。这一步不要省AI 生成的内容直接发风险很高。5. 本篇常见错排查401、local proxy failed、reading choices、OAuth 怎么定位跑这条流水线报错集中在四类。下面按真实报错对照排查。401 Unauthorized最常见。原因通常是 Key 没读到、Key 写错、或者 Base URL 写成了官网首页而不是 API 地址。检查.env里TAOTOKEN_API_KEY是否有值TAOTOKEN_BASE_URL是否为https://taotoken.net/api。如果用的是 Claude Code 或 Cline MCP检查配置文件里的 base URL 和 key 是否一致。401 不会因为模型 ID 错而出现所以先查 Key 和地址。local proxy failed这个报错通常出现在本地网络环境或代理配置异常时。先确认没有多余的代理环境变量如HTTP_PROXY、HTTPS_PROXY干扰请求。如果你在本地跑脚本直接请求 TaoToken 的 API 地址即可不需要额外代理层。检查requests或 SDK 是否继承了系统代理设置必要时在代码里显式关闭。reading choices 相关报错这类错误多出现在解析模型返回时。比如 Claude 返回的内容不是纯 JSON而是带了说明文字json.loads就会失败。解决办法是在 prompt 里强调「只输出 JSON不要任何解释」或者在代码里先提取第一个{到最后一个}之间的内容再解析。另一个原因是max_tokens设太小返回被截断JSON 不完整。把max_tokens提到 16384 再试。OAuth 相关报错如果你用 Claude Code 或类似工具接入可能遇到 OAuth 流程问题。这类工具通常支持 API Key 模式直接填 TaoToken 的 Key 和 Base URL 即可不需要走 OAuth。检查工具配置里是否误选了 OAuth 登录方式改回 API Key 模式。Codex 的auth.json里确认写的是 key 而不是 token 字段错位。排查顺序建议先看 HTTP 状态码401 查 Key 和地址403 查权限429 查额度再看返回体JSON 解析失败查 prompt 和 max_tokens最后看本地环境代理和 OAuth 是高频干扰项。每次只改一个变量改完重跑避免多个问题叠加。6. 语义一致 CTA把通道、模型和排障入口固定下来这条流水线的稳定性取决于三件事是否固定Base URL、Key、Model ID。Base URL 固定为https://taotoken.net/apiKey 从控制台创建后写入环境变量Model ID 按转写和生成分别指定。三件套任何一处漂移都会表现为 401 或解析失败。如果你在排障或接入阶段卡住优先看 API Keys 和接入文档这两个入口能解决大部分 Key 和地址问题。想先验证模型对话是否通用模型对话入口发一条测试消息确认通道正常再跑流水线。如果你打算长期做编码和 Agent 调度Coding Plan 更适合持续调用场景避免按次计费带来的额度波动。回到业务本身这条流水线的价值不是「AI 帮你写内容」而是把内容复用从手动劳动变成工程动作。转写、提炼、生成、同步四步拆开每步可验证、可回滚、可调预算。单期播客拆成 6 类内容后曝光渠道从 1 个变成 6 个广告收入的增长来自曝光量而曝光量来自分发密度。最后给一个实用技巧先只跑「转写 公众号摘要 小红书笔记」三类验证一周。数据有正向反馈后再加微博、LinkedIn、Shorts。不要一上来就全量跑prompt 没调好时生成的内容质量不稳定人工审核成本反而更高。等三类稳定了再扩展产量 5 倍和收入翻 4 倍是结果不是起点。
1. 播客内容复用率低到想放弃先看清这条流水线到底解决什么如果你正在做播客大概率遇到过这种局面一期节目录了 60 分钟剪辑完上传播客平台播放量还行但除此之外什么都没留下。公众号要另写、小红书要另拍、微博要另编、短视频要另剪。一期节目真正能带来的曝光基本止步于播客站内。我见过一位科技播客主每周更新 1 期月广告收入卡在 ¥8,000 左右。不是内容不好而是「高信息密度、低分发效率」——1 小时音频里藏着几十个观点、案例、金句却只能触达一个渠道的用户。手动改写多平台内容要 4–6 小时更新频率上不去曝光量自然上不去。这条流水线要解决的就是这件事把单期播客音频自动拆成 6 类跨平台内容草稿让「一次录制、多平台分发」变成可复制的工程动作。核心链路是 OpenAI Whisper 负责音频转写Claude 负责内容提炼与多形态生成中间用 TaoToken 统一 Key 和 API 通道做调度避免在多个平台之间来回切换密钥和计费。适合谁跟做已经有播客或音频内容、想提升复用率的创作者做内容矩阵的运营想用 AI Agent 串起「转写→提炼→生成→分发」的开发者。不适合完全没音频素材、只想空手套内容的人——这条流水线的输入必须是真实播客。实测下来把转写、提炼、生成拆成独立步骤后单期内容生产耗时能从 8 小时压到 1 小时以内周更频率从 1 次提到 5 次月广告收入从 ¥8,000 涨到 ¥35,000。下面把可复制的配置、代码和排障动作全部拆开。2. TaoToken 前置统一 Key 与 API 通道别让密钥管理拖垮流水线在动手写代码之前先把「通道」这件事理清楚。这条流水线会调用 OpenAI Whisper、Claude 两个模型服务如果每个服务单独申请 Key、单独配环境变量、单独看账单调试成本会很高。TaoToken 在这里的角色是统一入口一个 Key 走通模型调用Base URL 固定模型 ID 按需切换。你需要先拿到两样东西API Key 和 Base URL。Key 在控制台的 API Keys 页面创建Base URL 用https://taotoken.net/api注意 API 地址不带 UTM 参数直接写进配置即可。模型对话、Coding Plan、控制台、API Keys、接入文档这几个入口按需访问排障和接入优先看 API Keys 和接入文档。为什么强调「前置」因为后面所有代码里的base_url都指向同一个地址Whisper 和 Claude 的调用只是model字段不同。这样你不需要为每个模型维护一套客户端初始化逻辑出错时也只需要检查一个通道。具体操作顺序第一访问控制台创建 API Key复制保存。第二确认 Base URL 为https://taotoken.net/api。第三在项目根目录建.env文件写入TAOTOKEN_API_KEY你的Key和TAOTOKEN_BASE_URLhttps://taotoken.net/api。第四安装依赖pip install openai anthropic python-dotenv requests。这里有个容易踩的坑OpenAI SDK 和 Anthropic SDK 都支持自定义base_url但字段名不同。OpenAI 用base_urlAnthropic 也用base_url但如果你混用旧版本 SDK可能不生效。建议锁定较新版本或者直接用requests发 HTTP 请求减少 SDK 差异带来的问题。注意不要把 Key 硬编码进代码或提交到 Git。用.env.gitignore这是最低要求。统一通道之后Whisper 转写和 Claude 生成共用同一个 Key账单也集中在一处看。对于每天要跑多期播客的流水线这一点能省掉大量对账时间。接下来进入可复制配置环节。3. 可复制配置openclaw.json 与 SOUL.md 怎么写成能跑的版本配置分两层一层是 Agent 的「人格与能力」定义放在 SOUL.md一层是调度、模型、预算放在 openclaw.json。两者配合才能让流水线按预期跑起来。先写 SOUL.md。它的作用是告诉 Agent你是谁、能做什么、输出规范是什么。不要写空泛的「你是内容助手」要写清楚每类内容的字数、平台、格式。下面这份可以直接改# Soul 你是播客内容矩阵生成 Agent目标是把单期播客音频拆成跨平台内容矩阵。 ## 能力 1. 音频转写调用 Whisper输出带时间戳和说话人标签的文本 2. 内容提炼调用 Claude提取主题、论点、案例、金句 3. 多平台生成 - 完整整理稿5000 字格式 [时间戳] 说话人内容 - 公众号摘要800 字开头引入→核心论点→案例→行动建议 - 小红书笔记10 条 × 200 字每条 1 个金句 配图提示 - 微博短文5 条 × 140 字带话题标签 - LinkedIn 英文文章1500 字Abstract→Key Insights→Case Study→Conclusion - Shorts 脚本3 条 × 30 秒标注台词、画面、字幕 4. 草稿同步生成后写入对应平台草稿箱保留人工审核入口 ## 触发规则 - 上传音频自动触发全流程 - 指令「重新生成」针对单类内容重跑 - 指令「同步草稿」写入平台草稿箱再写 openclaw.json。这份配置的关键是把转写、提炼、生成拆成三个 Agent各自设预算和模型避免一个环节烧掉全部额度{ agents: { defaults: { model: { primary: anthropic/claude-3-5-sonnet-20241022, fallbacks: [openai/gpt-4o], temperature: 0.2, maxTokens: 16384 }, budget: { maxCostPerDay: 10.00, maxCostPerMonth: 300.00, alertThreshold: 0.8 }, logging: { level: info, file: logs/podcast-matrix-{date}.log } }, transcriber: { inherit: defaults, model: { primary: openai/whisper-1, temperature: 0.0, maxTokens: 8192 }, budget: { maxCostPerDay: 5.00 } }, content_extractor: { inherit: defaults, model: { temperature: 0.1, maxTokens: 8192 }, budget: { maxCostPerDay: 3.00 } }, matrix_generator: { inherit: defaults, model: { temperature: 0.3, maxTokens: 16384 }, budget: { maxCostPerDay: 2.00 } } }, apiKeys: { taotoken: ${TAOTOKEN_API_KEY} }, baseUrl: https://taotoken.net/api }三件套在这里体现得很清楚Base URL 是https://taotoken.net/apiKey 走环境变量TAOTOKEN_API_KEYModel ID 分别是openai/whisper-1和anthropic/claude-3-5-sonnet-20241022。任何一处写错后面请求都会失败。如果你用 Claude Code 或 Cline MCP 做本地调试配置逻辑一样Base URL 填 TaoToken 的 API 地址Key 填控制台创建的 KeyModel ID 按上面写。Codex 的auth.json同理把 base URL 和 key 写进去即可。不要在不同工具里混用不同 Key否则排障时无法定位。配置写完后先跑一次 dry run只调用转写确认能拿到文本。再跑提炼最后跑生成。分步验证比一次性全跑更容易定位问题。4. 验证请求从音频到内容矩阵的端到端跑通动作配置就绪后用一段真实播客音频做端到端验证。下面给出最小可跑代码分转写和生成两步。转写模块import os from dotenv import load_dotenv from openai import OpenAI load_dotenv() client OpenAI( api_keyos.getenv(TAOTOKEN_API_KEY), base_urlos.getenv(TAOTOKEN_BASE_URL) ) def transcribe(audio_path): with open(audio_path, rb) as f: result client.audio.transcriptions.create( filef, modelwhisper-1, response_formatverbose_json, timestamp_granularities[segment], languagezh ) lines [] for seg in result.segments: start int(seg.start) ts f{start//3600:02d}:{start%3600//60:02d}:{start%60:02d} speaker 主播 if seg.id % 2 0 else 嘉宾 lines.append(f[{ts}] {speaker}{seg.text}) return \n.join(lines) if __name__ __main__: text transcribe(podcast.mp3) with open(transcript.txt, w, encodingutf-8) as f: f.write(text) print(转写完成字符数, len(text))生成模块import os, json from dotenv import load_dotenv from anthropic import Anthropic load_dotenv() client Anthropic( api_keyos.getenv(TAOTOKEN_API_KEY), base_urlos.getenv(TAOTOKEN_BASE_URL) ) def generate(transcript): prompt f根据以下播客转写生成内容矩阵输出 JSON {{ full_script: 5000字带时间戳, wechat_article: 800字公众号摘要, xiaohongshu_notes: [200字×10], weibo_posts: [140字×5], linkedin_article: 1500字英文, shorts_scripts: [30秒脚本×3] }} 转写内容 {transcript} resp client.messages.create( modelclaude-3-5-sonnet-20241022, max_tokens16384, messages[{role: user, content: prompt}] ) return json.loads(resp.content[0].text) if __name__ __main__: with open(transcript.txt, encodingutf-8) as f: t f.read() matrix generate(t) with open(content_matrix.json, w, encodingutf-8) as f: json.dump(matrix, f, ensure_asciiFalse, indent2) print(生成完成内容类型, list(matrix.keys()))成功结果长这样transcript.txt里有带时间戳和说话人标签的文本content_matrix.json里有 6 个 key分别对应完整稿、公众号、小红书、微博、LinkedIn、Shorts。检查小红书是否 10 条、微博是否 5 条、Shorts 是否 3 条数量不对说明 prompt 约束不够需要补一句「严格输出 N 条」。验证通过后再接入草稿同步。公众号走draft/add接口小红书走开放平台草稿接口微博和 LinkedIn 同理。同步前先人工过一遍确认没有平台违规内容。这一步不要省AI 生成的内容直接发风险很高。5. 本篇常见错排查401、local proxy failed、reading choices、OAuth 怎么定位跑这条流水线报错集中在四类。下面按真实报错对照排查。401 Unauthorized最常见。原因通常是 Key 没读到、Key 写错、或者 Base URL 写成了官网首页而不是 API 地址。检查.env里TAOTOKEN_API_KEY是否有值TAOTOKEN_BASE_URL是否为https://taotoken.net/api。如果用的是 Claude Code 或 Cline MCP检查配置文件里的 base URL 和 key 是否一致。401 不会因为模型 ID 错而出现所以先查 Key 和地址。local proxy failed这个报错通常出现在本地网络环境或代理配置异常时。先确认没有多余的代理环境变量如HTTP_PROXY、HTTPS_PROXY干扰请求。如果你在本地跑脚本直接请求 TaoToken 的 API 地址即可不需要额外代理层。检查requests或 SDK 是否继承了系统代理设置必要时在代码里显式关闭。reading choices 相关报错这类错误多出现在解析模型返回时。比如 Claude 返回的内容不是纯 JSON而是带了说明文字json.loads就会失败。解决办法是在 prompt 里强调「只输出 JSON不要任何解释」或者在代码里先提取第一个{到最后一个}之间的内容再解析。另一个原因是max_tokens设太小返回被截断JSON 不完整。把max_tokens提到 16384 再试。OAuth 相关报错如果你用 Claude Code 或类似工具接入可能遇到 OAuth 流程问题。这类工具通常支持 API Key 模式直接填 TaoToken 的 Key 和 Base URL 即可不需要走 OAuth。检查工具配置里是否误选了 OAuth 登录方式改回 API Key 模式。Codex 的auth.json里确认写的是 key 而不是 token 字段错位。排查顺序建议先看 HTTP 状态码401 查 Key 和地址403 查权限429 查额度再看返回体JSON 解析失败查 prompt 和 max_tokens最后看本地环境代理和 OAuth 是高频干扰项。每次只改一个变量改完重跑避免多个问题叠加。6. 语义一致 CTA把通道、模型和排障入口固定下来这条流水线的稳定性取决于三件事是否固定Base URL、Key、Model ID。Base URL 固定为https://taotoken.net/apiKey 从控制台创建后写入环境变量Model ID 按转写和生成分别指定。三件套任何一处漂移都会表现为 401 或解析失败。如果你在排障或接入阶段卡住优先看 API Keys 和接入文档这两个入口能解决大部分 Key 和地址问题。想先验证模型对话是否通用模型对话入口发一条测试消息确认通道正常再跑流水线。如果你打算长期做编码和 Agent 调度Coding Plan 更适合持续调用场景避免按次计费带来的额度波动。回到业务本身这条流水线的价值不是「AI 帮你写内容」而是把内容复用从手动劳动变成工程动作。转写、提炼、生成、同步四步拆开每步可验证、可回滚、可调预算。单期播客拆成 6 类内容后曝光渠道从 1 个变成 6 个广告收入的增长来自曝光量而曝光量来自分发密度。最后给一个实用技巧先只跑「转写 公众号摘要 小红书笔记」三类验证一周。数据有正向反馈后再加微博、LinkedIn、Shorts。不要一上来就全量跑prompt 没调好时生成的内容质量不稳定人工审核成本反而更高。等三类稳定了再扩展产量 5 倍和收入翻 4 倍是结果不是起点。
