從找題目、寫腳本、做設計到排程發布，真正能放大產能的不是單一指令，而是一套會互相交接的內容系統

過去我使用 AI 的方式很簡單。

需要題目時，就問一次 ChatGPT；要寫文案時，再開另一個對話；準備做圖片，又得重新解釋品牌風格。

每一款工具都很強，但所有流程仍然靠我自己串接。

資料散落在不同對話，圖片與腳本不知道哪一版才是最新，發布後的數據，也很少真正回到下一輪內容裡。

用久之後，我發現真正浪費時間的，不只是「製作內容」。

而是不斷重複交代背景、搬運資料、命名檔案、確認版本，以及記住下一步該做什麼。

所以這次，我換了一種思路。

我不再把 Claude Code 當成一個單純幫我寫程式的 AI，而是把它放在整套內容流程的中央，替不同工作角色分配任務、保存成果，並管理交接。

最後，這套系統被我拆成 7 位 AI 員工：

1. 研究員
2. Hook 寫手
3. 腳本寫手
4. 設計師
5. 數據分析師
6. 內容經理
7. 發布員

我還是唯一的創作者。

但原本全部塞在自己腦中的工作，現在開始變成一間有部門、有流程，也有交付標準的 AI 內容公司。

不是叫 AI 多做一點，而是把工作拆成職位

很多人說自己建立了 AI 團隊，實際上只是準備了幾段不同用途的提示詞。

一段寫貼文，一段產生標題，另一段分析數據。

這些提示詞當然有用，但它們彼此不知道對方做了什麼，也不會主動接續上一個步驟。

真正的 AI 團隊，應該具備三個特徵：

• 每個角色都有清楚的職責
• 上一個角色的成果能交給下一個角色
• 最後產生的數據會回到下一輪決策

例如，研究員不是隨便丟出 30 個熱門話題。

它要先理解帳號定位、受眾問題、過去表現與內容目標，再產出符合條件的機會清單。

Hook 寫手也不是對著空白畫面亂寫。

它會讀取研究結果，找出最值得放大的痛點，產生不同切角的開場。

腳本寫手接著把通過篩選的 Hook，擴寫成 IG 輪播、短影音或 YouTube 腳本。

設計師依照腳本與品牌規範製作視覺；發布員負責排程與紀錄；分析師再把發布結果整理回系統。

這才形成真正的工作閉環：

研究 → Hook → 腳本 → 設計 → 發布 → 分析 → 下一輪研究

第一位員工：AI 研究員

內容創作者最常遇到的問題，通常不是完全沒有靈感。

而是不知道哪個題目值得先做。

每天都有新工具、新功能與熱門新聞，如果每個都追，帳號會逐漸失去定位；如果全部不追，又可能錯過受眾正在關心的題目。

所以研究員的工作，不只是「搜尋熱門內容」。

它需要持續整理：

• 同領域創作者最近在談什麼
• 哪些內容正在快速成長
• 觀眾重複提出哪些問題
• 哪些題目已經過度飽和
• 哪些新工具符合帳號定位
• 過去表現較好的內容具有哪些共同特徵
• 有哪些資訊差仍然沒有人說清楚

最後，它不只回傳一串連結，而是產生一份可以採取行動的研究報告。

例如：

題目：Claude Code 適不適合非工程師？

受眾問題：
看到很多人介紹 Claude Code，但不知道自己是否真的需要。

為什麼現在值得做：
相關討論增加，但多數內容仍停留在功能展示。

建議切角：
不要介紹全部功能，直接比較哪三種人值得用、哪三種人不用升級。

適合格式：
YouTube 長片＋IG 輪播。

風險：
產品方案與功能可能變動，發布前需重新確認官方資訊。

這份報告完成後，下一位 AI 員工才開始工作。

第二位員工：Hook 寫手

同一個題目，觀看表現可能差非常多。

差別經常不在內容本身，而在觀眾第一眼有沒有理由停下來。

Hook 寫手專門負責這件事。

它會根據研究員提供的受眾問題，產生不同類型的開場：

結果型

我用 Claude Code，把一週的內容工作拆給 7 位 AI 員工。

反常識型

真正浪費你時間的，可能不是做內容，而是每天重新交代 AI。

問題型

為什麼你用了這麼多 AI 工具，工作還是沒有變輕鬆？

對比型

別人用 Claude Code 寫程式，我拿它來管理整間內容公司。

篩選型

如果你每週只發一篇內容，先不要急著建立 AI Agent。

它不只追求吸睛，也要檢查 Hook 與內文是否一致。

如果開場承諾「完整教學」，後面卻只有概念介紹，短期可能得到點擊，長期卻會降低信任。

因此 Hook 的任務不是製造最誇張的句子，而是找到最值得被看見的價值。

第三位員工：腳本寫手

Hook 通過後，腳本寫手才會接手。

它會根據平台，使用不同結構。

IG 輪播需要快速建立問題，每一頁只推進一個重點；短影音需要在前幾秒抓住注意力，再用緊湊節奏交付內容；YouTube 長片則要處理完整脈絡、故事與觀看留存。

所以同一個題目，不應該直接複製貼上到所有平台。

例如「我用 Claude Code 建立 AI 內容團隊」，可以分別改寫成：

• IG 輪播：7 位 AI 員工的角色介紹
• Reels：一個人如何經營一支 AI 內容團隊
• YouTube：從零拆解完整架構與實作流程
• Substack：加入設計原則、限制與提示詞
• Threads：分享建立過程中的一個反直覺發現

內容核心相同，包裝方式卻要符合平台上的閱讀情境。

腳本寫手還必須知道哪些內容是事實、哪些是個人觀察，以及哪些資料需要再次查證。

如果沒有這一層，AI 很容易把流暢文字誤當成正確內容。

第四位員工：AI 設計師

腳本完成後，接下來是視覺。

設計師可以根據內容，準備：

• IG 輪播
• YouTube 縮圖
• Reels 封面
• 圖表與示意圖
• 文章首圖
• 品牌素材
• 不同平台的尺寸版本

但我不會只對它說：「幫我做一張好看的圖。」

我會先固定一套品牌規格，例如：

• 主要顏色
• 標題與內文字體
• 字級層級
• 圖片比例
• 每頁資訊密度
• 標題安全區
• Logo 使用方式
• 禁止出現的設計元素
• 可參考的 Golden Reference

AI 很擅長快速產生視覺，但如果沒有固定規範，每次成果都可能像不同品牌。

因此，設計師真正的價值不是一鍵生成圖片。

而是能讀取同一份品牌規格，讓輪播、縮圖、影片封面與文章首圖維持一致。

當視覺產能提高後，人工審核反而更重要。

文字錯誤、品牌 Logo 變形、介面內容失真，以及看似專業但實際不存在的數據，都必須在發布前確認。

第五位員工：發布員

很多內容不是做不出來，而是做完後忘記發布。

檔案留在資料夾、文案還沒補 CTA、縮圖沒有輸出，或者想著晚上再發，最後就拖到隔天。

發布員負責把完成的內容送到最後一公里：

• 讀取內容日曆
• 確認需要發布的平台
• 套用正確文案版本
• 整理標題、Hashtag 與 CTA
• 依日期與時段排程
• 確認發布狀態
• 記錄連結與發布時間
• 發生錯誤時通知人工處理

不過，「發布員」不等於 Claude Code 天生就能直接操作所有社群平台。

實際能否自動發布，仍取決於平台 API、排程工具、登入權限及相關整合。

因此我會把它分成三個權限等級：

第一級：只產生發布包

準備好圖片、標題、文案與發布清單，由人手動上傳。

第二級：建立排程草稿

系統把內容送進排程工具，但正式發布前仍需要人工核准。

第三級：自動發布

只有低風險、格式固定，而且經過充分測試的內容，才允許自動送出。

對多數創作者來說，從第一級或第二級開始，通常就已經能省下不少時間。

第六位員工：數據分析師

內容發布不是終點。

如果數據沒有回到下一輪製作流程，這套系統只是在更快速地重複原本的做法。

分析師會整理：

• 觸及與觀看次數
• 點擊率
• 觀看時間
• 留存變化
• 分享與收藏
• 留言內容
• 追蹤者成長
• 電子報訂閱
• 商品頁點擊
• 實際轉換

但它不能只告訴我「這篇表現很好」。

它必須進一步回答：

• 哪個 Hook 帶來最多停留？
• 觀眾在哪一段離開？
• 哪一頁得到最多分享或收藏？
• 哪個題目帶來流量，卻沒有帶來轉換？
• 哪種內容觀看普通，但訂閱率較高？
• 成效來自題目、包裝，還是發布時機？
• 下一次應該保留及修改什麼？

這裡最重要的觀念是：

高流量內容，不一定是對生意最有價值的內容。

一篇貼文可能得到大量觀看，卻吸引來完全不符合定位的受眾；另一篇內容流量普通，卻帶來更多電子報訂閱與商品購買。

所以分析師不能只看最大的數字，而要回到這次內容原本的目標。

第七位員工：內容經理

前面六位員工各自負責一段流程。

內容經理則負責管理全局。

它會：

• 維護內容日曆
• 分配不同角色的任務
• 確認上一階段是否完成
• 檢查檔案與版本
• 追蹤製作進度
• 阻擋不符合標準的內容
• 決定何時需要人工介入
• 整理每週工作報告

例如，設計師不能在腳本尚未定稿時開始製作正式版；發布員不能拿到缺少 CTA 的內容就直接排程；分析師也不能把不同平台、不同期間的數據混在一起比較。

這些規則，都是內容經理需要維護的工作。

一間 AI 公司能否運作，關鍵不在「員工」有多聰明。

而在於有沒有人負責協調交接。

一個人，真的需要 7 位 AI 員工嗎？

看到這裡，你可能會覺得這套系統很龐大。

但「7 位 AI 員工」不是同時開著 7 個聊天視窗，也不是支付 7 份薪水。

它更像是 7 套不同的工作規範。

每當內容進入特定階段，Claude Code 就讀取對應角色的規則、背景資料與輸入檔案，再產出下一個階段需要的結果。

這樣做的好處是：

• 不必每次重新解釋品牌定位
• 不同角色不會互相搞混
• 每個階段都有固定交付格式
• 錯誤發生時比較容易找到原因
• 工作進度可以被記錄
• 成效能回到下一輪內容

AI 沒有真的變成七個人。

真正發生的事，是你把自己的隱性工作流程，第一次寫成了可以重複執行的系統。

但不要一開始就建立整間公司

這套架構看起來很完整，但我不建議所有人一開始就建立七個角色。

如果你的內容定位還沒有確定，AI 只會更快速地產生一堆方向不明的內容。

如果你還沒有穩定發布，數據分析師也沒有足夠資料可以判斷。

如果你每個月只製作兩篇貼文，建立複雜自動化的時間，可能比手動完成還久。

更合理的做法是，先找出自己最常卡住的環節。

例如：

• 沒有題目：先建立研究員
• 想法很多但寫不出來：先建立腳本寫手
• 做完常常沒發布：先建立內容經理與發布清單
• 發了很多卻不知道什麼有效：先建立分析師
• 品牌風格每次都不一樣：先建立設計規範

先讓一位 AI 員工真的幫你省下時間，再逐步增加下一個角色。

AI 內容公司的真正價值

我原本以為，這套系統最大的價值是「產出更多內容」。

後來才發現，更重要的是它把整個內容事業變得可觀察。

以前，很多決定只存在我的腦中：

為什麼今天做這個題目？為什麼這個開頭被保留？哪一版文案已經核准？這篇內容發布後學到了什麼？

當工作被拆成明確階段後，每一項決定開始留下紀錄。

我可以知道：

• 題目從哪裡來
• 為什麼值得製作
• 內容目前在哪個階段
• 哪些地方經過人工修改
• 發布後表現如何
• 下次應該如何調整

這才是「AI Company OS」真正有價值的地方。

它不是用 AI 假裝自己擁有一間大公司。

而是一個人也能使用公司的思維，經營自己的內容流程。

免費內容到這裡

上面介紹的是這套 AI 內容團隊的角色與運作方式。

接下來的會員內容，我會進一步拆解：

• Claude Code 專案應該如何建立資料夾
• 7 位員工如何使用同一份品牌背景
• 任務如何在不同角色之間交接
• 一份可以直接修改的內容經理指令
• 如何避免 AI 重複製作、使用錯誤版本或擅自發布
• 從零開始時，最值得先建立的最小版本

專屬資源：把 AI 當免費員工，你的隨身數位秘書已上線

大家都說 AI 很強，但每次打開對話框，看著閃爍的游標卻不知道該輸入什麼？你需要的不是花幾十個小時學寫程式，而是掌握直接套用的「溝通密碼」。

這份建立於 Notion 的《萬用實戰指令大禮包》，為你準備好 10 大核心領域、50+ 款隨插即用的實戰指令。無論是爆款短影音腳本生成、高情商職場信件、學術論文梳理，還是程式開發除錯，只需找到對應情境「複製、填空、發送」，一秒產出專家級成果。

• 🤖 跨模型完美支援： 無縫接軌 ChatGPT、Claude 3.5 Sonnet、Gemini 等主流工具。
• ⚡ 隨插即用，零學習門檻： 每個指令皆附帶「替換括號」，無腦操作即可發送。
• 🔄 一次買斷，持續更新： 隨 AI 進化每月擴充新指令，越早入手越划算。

盲目測試指令會耗費你無數個加班的夜晚，現在只需 NT$ 1,680 即可買斷這套高轉換率的生產力外掛（未來將隨內容擴充逐步調漲）。

遇到任何操作卡關，或希望未來新增特定情境指令？歡迎透過 Email 聯繫contact@denghao.info。（為了維持專業高效的溝通品質，來信請務必附上您的問題，並告訴我「您希望我怎麼稱呼您」）。