X 创作者 @yidabuilds（百年 AI×出海）在一条推文中公开了他日更不断更背后的内容生产系统。这套系统的原型来自 @dontbesilent 分享的 Claude Code 工作流，经改造后适配 X 长文场景。截至发文时，该系统已支撑他发布十几篇长文，篇均曝光约 12 万，累计涨粉 9000+，书签率稳定在 0.5-1%。

本文基于该推文的完整内容整理，保留核心方法论与数据细节，供有类似需求的创作者参考。

核心思路：从碎片化提问到闭环系统

@dontbesilent 提出的核心问题是：大多数人用 AI 做内容是碎片化的——有想法就问 AI，拿到答案就发，发完就忘，下次又从零开始。

他的解法是把整个过程变成闭环：想法记进选题库 → AI 检索素材库找可复用的东西 → 套已验证的框架写 → 发布 → 数据复盘 → 把有效的规律沉淀回方法论。每次创作都在给系统加东西，而不是每次重新发明轮子。

@yidabuilds 直接采用了这一思路，并根据自己的需求做了大量改造。

四层知识库：Obsidian + Claude Code

整个系统以 Obsidian 管理内容，Claude Code 执行自动化流程，拆成四层。

第一层：语料库——解决"AI 写出来不像你"

AI 写长文最大的问题是 AI 味太重。长文读者一个字一个字读，机器感一重就感觉不对。

@yidabuilds 的解法是把自己说过的话全部存下来：推文、微信聊天记录里的观点、录音、随手记的碎片想法。从中提炼出一份写作风格指南，例如：

• 喜欢先下结论再给理由
• 喜欢用数字不用形容词
• 喜欢拿别的行业逻辑解释当前这件事
• 不用鸡汤收束

AI 每次写稿前先读这份指南，出来的初稿至少七八分像本人。写完再跑一遍"去 AI 味"检测，把机器感太重的表达标出来人工修改。

检测规则包括：

两步加上去之后，长文的人味改善明显。

第二层：素材库——站在别人的数据上选路线

素材库包含 47 个同类账号的拆解、1100 多篇内容的数据、爆款文章的结构分析、可复用的概念和金句。

每次写新文章之前，AI 先翻一遍素材库：同类话题谁写过、什么角度跑出了数据、什么结构读者愿意存。

拆完 47 个账号之后，有几个发现直接影响了选题策略：

• 100 万+ 曝光的内容只有 5 类：刚需工具教程、医学健康科普、AI+搞钱、人设解析文、资源合集。其他类型几乎不可能过百万
• 书签率和曝光不一定正相关。有些文章曝光一般但书签率很高，说明内容有长期价值，读者存了以后用——这类内容值得反复写
• 涨粉和曝光也不一定正相关。人设文 119K 曝光涨了 156 粉，教程文 77K 曝光只涨 25 粉。人设让人想 follow 这个人，教程让人存了就走

第三层：内容管线——按策略挑选题，不是临时想写什么写什么

管线分四阶段：选题池 → 待深化 → 创作中 → 已发布。池子里长期保持十几个随时能写的选题，十几个需要补素材的备选。

选题分几个赛道轮着来：项目实战、AI 搞钱赛道拆解、草根低门槛生意、AI 新范式趋势。每个赛道的选题强度不一样：

• 硬核工具教程：曝光最高
• 人设自我介绍：涨粉最猛
• 数据复盘：受众窄但书签率好

根据当前目标选选题：要曝光就发教程，要涨粉就发人设，要沉淀就发复盘。

第四层：方法论——从自己的数据里提炼规律

什么标题有效、什么选题能爆、什么结构书签率高——全从自己的发布数据里提炼。

标题是最容易量化的部分。跑了十几篇长文之后，出数据的标题基本落在四个模式里：

发之前过一遍检查清单：有没有具体数字？有没有身份标签？有没有反差？读者看完标题知不知道能得到什么？命中越多数据越好。

配图策略：HERO 图、标题、钩子三件套信息不重复

X 长文的配图很关键。信息流里用户的注意力顺序是 HERO 图 > 标题 > 正文。图不行，标题再好也没人点。

原则：HERO 图、标题、钩子三件套传递三层不同的信息，不重复。

• HERO 图：一眼告诉你"这是什么类型的内容"
• 标题：给一个让人停下来的数据锚点
• 正文第一段：展开细节

配图两种风格，根据内容类型自动选：

• 教程类：信息图风格——白底、浅色装饰气泡、圆角卡片、扁平图标、大号中文标题，像 SaaS 官网那种干净的 hero banner
• 观点类：概念海报——大字作为画面骨架，角色和文字咬合，像展览海报不是 PPT

每篇长文一张封面加两三张内页信息图。AI 根据文章内容生成 prompt，调 GPT Image 2 的 API 出图，下载裁切到需要的比例。以前 Canva 一张调半小时，现在 10 分钟出三张。

数据表现：篇均 12 万曝光，书签率 0.5-1%

AI 算命那篇书签率最高，1.01%——AI+搞钱+信息差的组合，读者存得最积极。

从数据里长出来的四条规律

“从数据里长规则"是 @dontbesilent 的核心方法论。以下是 @yidabuilds 自己的 X 长文数据跑出来的具体规律：

标题里必须有具体数字。 “4 个月变现 10 万”"$155 vs $15"“452% 收益率”——跑出来的长文都带硬数字。信息流里数字是最容易让人停下来的东西。

AI 得是主角。 AI 教程类长文稳定 10 万以上，纯投资内容很难过 5 万。来这个账号的人想看"AI 怎么用”，不是看"怎么炒股"。

“帮你省时间"是底层传播逻辑。 公众号采集、Codex 入门、配图实战——所有爆款长文的共性是"我帮你试过了、踩坑了、整理好了，你照着来”。

爆款公式：硬核教程或真实经历 + 具体数据锚定 + 可复现路径。 没有一篇爆款的标题是抽象概念。全是"我做了 X，结果是 Y"的结构——分享经历加数据，不教课。

这些规则每发一篇新文章就更新一版。系统在自我修正。

如何开始：不用一步到位

dontbesilent 的 dbskill（GitHub 4000+ star）是个很好的起点。也可以像 @yidabuilds 一样，拿核心思路过来根据自己的需求改。

不用一步到位。先把选题池和素材库建起来，跑两周，让数据告诉你该往哪个方向调。

本文基于 X 用户 @yidabuilds 的推文内容整理。原文链接：https://x.com/yidabuilds/status/2052252982302200010