28 · 自媒体场景
从热点到公众号成稿
写一篇热点文章,真正费时间的是行文思路。
写一篇热点文章,真正费时间的是行文思路。
你得先确认网上的那些数字、价格、信息是不是真的,再决定哪些能写、哪些要加限定,保证事实依据是前提;正文写完了,还要起标题、做封面。最麻烦的是,这几步如果分开做,特别容易前后打架:正文明明写的是“官方称接近”,标题一激动,就变成了“全面吊打..”;很多时候事实表明“数量口径有冲突”,封面却已经把那个数字放大了。
也就是所谓的标题党,当然,我们需要把握这个度,太标题党人神共愤,但是你完全不标题党,辛辛苦苦写的文章又没流量。这个度是非常难以拿捏的,需要我们反复的练习,培养网感,平时也可以多收集一些爆款标题,说不定啥时候就能直接套用。
这一篇,我拿 GLM-5.3-Flash 做了一次完整实测。直接让豆包工作而是把整篇文章的行文思路拆成四个工作流:
- 先做写作事实包;
- 再把事实包写成公众号长文;
- 单独做标题候选和误导风险检查;
- 最后根据文章和推荐标题制作封面。
别看步骤多,反而更省事。因为每一步都有上一份成果可查,后面的每一步都是前一步的结果。整个流程基本上形成了逻辑的闭环。
如何做到所有技能的最优组合
| 任务 | 最终采用的组合 | 为什么这样选 |
|---|---|---|
| 动笔前核对事实 | VOC 与舆情调研 + 豆包工作公开网页检索 | 能同时读多来源、找冲突、留下原始链接和证据缺口 |
| 把材料写成公众号长文 | 公众号图文与运营策略 + 本地事实包 + Lark Doc | 写作时有明确事实边界,成稿还能继续交给编辑审核 |
| 生成标题并防止标题骗人 | 爆款标题与选题日历 + 已完成文章 | 不只给标题,还逐个标记误导风险和使用场景 |
| 制作公众号头图 | 创意设计 + 豆包工作的图片生成与检查能力 | 先定概念和构图,再生成并检查比例、裁切和文字风险 |
它适合做增强检索,但我们的目标是让普通用户打开豆包工作就能轻松复现。如果你已经配置好密钥的话,可以把它加在第一步;没有也不影响主流程跑通。
任务一:动笔以前,先把事实、数字和来源找齐
很多人写科技热点的顺序是:先看到一个惊人的标题,马上开写,写到一半再找资料补洞。
这次我反过来。先不写正文,先让豆包工作交付一份“什么能写、什么不能直接写”的事实包。
第一步:找到适合做多来源核验的能力
打开左侧「技能 · 连接器 · 伙伴」,搜索「VOC 与舆情调研」。这个Skill不只是看舆情,它还支持内容筛选和原始帖子溯源,很适合拿来做写作前的资料核对。

第二步:不要只说“帮我搜资料”
我在提示词里直接给了四个公开来源:Z.ai 官方博客、Hugging Face 模型卡、Z.ai 官方定价页和一篇 36 氪文章。同时规定了四种分类:官方可确认事实、厂商自报、媒体转述、仍缺独立证据。
提示词里最关键的部分是:
我是科技 / AI 类公众号编辑,准备写一篇面向普通职场人和开发者的 GLM-5.3-Flash 文章。请先制作「写作事实包」,此时不要写正文。
请优先完整读取并核验下面的公开来源:
1. Z.ai 官方博客:https://z.ai/blog/glm-5.3-flash
2. 官方 Hugging Face 模型卡:https://huggingface.co/zai-org/GLM-5.3-Flash
3. Z.ai 官方定价页:https://docs.z.ai/guides/overview/pricing
4. 36 氪公开文章:https://36kr.com/p/3956946155355267
工作要求:
- 先列出文章需要回答的 6—8 个关键问题。
- 对发布时间、参数规模、激活参数、上下文、原生多模态、开源许可证、支持框架、价格、跑分、国产芯片部署等逐项核验。
- 把内容分成「官方可确认事实」「厂商自报评测或判断」「媒体转述」「仍缺独立证据」四类。
- 不用搜索摘要代替原文;无法打开或原文没有明确写出的内容标为「待确认」。
- 来源冲突时并列说明,不替任何一方下结论。
- 每条事实给出原始链接、页面日期或访问日期、证据强度和可以安全写进文章的表述。
- 单独检查“价格只有 1/40”“57 分持平”“10 万张国产芯片”等传播性强的说法,说明能否直接使用。
最终交付:关键问题、事实表、可用案例、不能直接写的说法、仍缺证据的问题和来源清单。保存为 Markdown 成果文件,文件名为「GLM-5.3-Flash写作事实包.md」。未经确认,不写文章、不发布、不发送消息、不修改线上文档。

这里有个好用的提示词习惯:不仅告诉 AI 要查什么,还要规定它怎样表达不确定性。否则它很容易把“搜索到了”误当成“已经证实”。
第三步:看它怎么处理打不开和对不上的信息源
运行后,豆包工作先完整读取官方博客,再尝试模型卡和定价页。过程中出现了两个很典型的情况:Hugging Face 页面因为安全策略无法直接抓取;官方定价页第一次访问也没有显示 Flash。
它没有悄悄跳过,而是把这种情况记录好,并继续通过缓存和多来源交叉确认。

核查事实,避免高风险说法
最终生成的事实包包含 8 个关键问题、四类事实表、传播性说法专项检查、可用案例、高风险表述和待确认清单。
它总结了三处很容易翻车的地方:
- “价格只有 1/40”是媒体对用户价格的粗略概括,不能写成硬件成本;
- “57 分持平”只是在特定版本的综合指数上成立,不能扩展成所有能力都一样;
- 国产芯片数量在官方英文博客和中文媒体之间存在口径差异,不能去掉来源直接下结论。

绿灯内容可以写,黄灯内容要加来源和限定,红灯内容先别碰。
以上的案例是告诉大家,我们在网上搜索到的热点信息,还需要再让 AI 去甄别一遍真假。判断事实之后,我们才能更放心地去使用那些数字、价格等信息。
任务二:公众号长文,要从材料写成一篇能读完的文章
事实包解决的是信息源的真实性和正确性,但它还不是一篇大家愿意读完的文章。
第二步要做的,是在不突破事实边界的前提下,把这些信息源变成一条自然的叙事线。
第一步:切换到公众号写作能力
回到技能页搜索「公众号图文与运营策略」。它适合生成、改写和评估公众号文章,也包含验真、结构、排版配图和运营复盘的思路。

第二步:把事实包当成材料边界
这次我没有复制粘贴一大段资料,而是把刚生成的 Markdown 文件路径交给它,并明确“只使用事实包里的材料”。
请使用「公众号图文与运营策略」技能,读取这份事实包:
【素材说明】请直接上传你的事实包,或把下面路径替换成你自己的实际文件路径。
`/Users/kangarooking/Documents/my-project/doubao-baipishu/outputs/doubao-work-whitepaper/02-从事实包到公众号成稿/artifacts/GLM-5.3-Flash写作事实包.md`
基于它写一篇面向普通职场人和开发者的微信公众号长文。
写作目标:解释 GLM-5.3-Flash 为什么值得关注,以及普通人应该怎样判断它,而不是复述发布会或媒体文章。
要求:
- 先确认读者最关心的问题,再设计自然推进的结构。
- 只使用事实包中已经记录的材料;官方自报跑分必须明确来源属性,待确认内容不能写成定论。
- 不编造“我亲测了”“我采访了”等个人经历,也不仿写 36 氪原文的句式。
- 保留必要的反方观点和限制:模型实际表现会受推理框架、工具、参数和任务影响。
- 文风口语化、信息密度高,像一个认真研究过的朋友在讲清来龙去脉;不要写空泛口号和模板化金句。
- 正文约 1800—2500 个中文字符,包含标题占位、摘要、正文小标题、结尾判断和来源清单。
把结果保存为 Markdown 成果文件「GLM-5.3-Flash公众号成稿.md」,并创建一份新的飞书文档返回链接。先交人工编辑,不自动发布,不发送消息,不修改其他线上文档。

第三步:先读材料,再规划结构
豆包工作先读取事实包,确认公众号写作和 Lark Doc 能力,再把文章定位成“专业解读 + 判断方法”。它没有从第一句话就开始写正文,而是先梳理普通职场人和开发者最关心的问题。

正文不再单纯列举一堆数字
成稿的结构很清楚:先解释模型是什么,再分别处理价格、能力、国产芯片和开源,最后给普通职场人和开发者两套建议。
更关键的是,事实包里的限制被保留下来了。文章没有直接写“能力等于 Opus”,只是限定在某个综合指数;没有把媒体概括的“1/40”直接当精确结论;也把国产芯片数量的口径差异明确留在正文里。

任务三:想要爆款标题,但也不能纯粹的标题党
正文写得再严谨,标题也可能在最后一分钟把前面的努力全毁掉。
比如正文说的是“某个版本的综合指数拿到 57 分”,标题一压缩就容易变成“能力全面吊打”。这类标题不一定完全错,但它会把读者的期待值拉高,如果点进来看完发现落差太大,反手可能就会收到一个差评。。。
第一步:单独启用标题能力
我选择了「爆款标题与选题日历」。原因不是它会起更多标题,而是它能把标题按类型、风险和使用场景拆开,方便编辑做选择。

第二步:把“不能怎么写”放进提示词
提示词没有只写“给我 20 个爆款标题”,而是先让它读取成稿,提炼新信息、最强证据、核心冲突和目标读者,再生成事实型、问题型、反差型、结果型各 5 个标题。
我还加了三条硬边界:不增加正文没有的数字;
可直接复制的实测提示词
请使用「爆款标题与选题日历」技能,读取这份文章:
【素材说明】请直接上传你的公众号成稿,或把下面路径替换成你自己的实际文件路径。
`/Users/kangarooking/Documents/my-project/doubao-baipishu/outputs/doubao-work-whitepaper/02-从事实包到公众号成稿/artifacts/GLM-5.3-Flash公众号成稿.md`
先概括文章真正的新信息、最强证据、核心冲突和目标读者,再生成 20 个标题:事实型、问题型、反差型、结果型各 5 个。
硬性边界:
- 不得加入正文没有的数字、结论、人物背书或亲测经历。
- 不用故意制造误解的半句话,不把厂商自报跑分包装成独立实测。
- 每个标题说明抓住了什么,并标记误导风险、营销强度和适合场景。
最后推荐 3 个标题,分别说明更适合公众号头条、社群转发还是搜索流量;再选出一个用于本次封面制作。把结果保存为「GLM-5.3-Flash标题候选与风险表.md」。未经确认,不发布、不发送消息、不修改线上文档。

第三步:先诊断文章,再动手起标题
运行后,它先把文章真正的新信息和核心冲突找出来:这篇文章的真正的核心是把几个传播数字背后的前提拆开。接着它生成 20 个标题,并为每一个标注“抓住了什么、误导风险、营销强度、适用场景”。
其中 A5 和 B4 被标成中等风险,B4 还明确建议补上“官方称”。这比事后凭感觉删标题靠谱得多,因为风险已经和标题放在同一张表里。


选三个各有用途的
豆包工作最后推荐了三条:
- 公众号头条用 C2:
别人在传“1/40 价格”,正文里写的是 1/30 到 1/100; - 社群转发用 C3:
官方说“接近 Opus”,传播变成了“持平 Opus”; - 搜索流量用 A1:把模型名、参数和 API 价格写全。

说实话,这一波他选的标题不咋地。但是其实测试下来,所有的 AI 起标题都一般。
你需要像我上面说的,平时去收集一些爆款标题,形成一个爆款标题库。在让 AI 知道什么样的标题是爆款的前提下,再去用这个工作流起标题,效果会好很多。
如果你的标题库足够庞大,甚至可以用仓颉skill去蒸馏一套起标题的skill出来。
任务四:制作公众号封面
封面最怕两件事:一是只顾着“科技感”,最后满屏机器人和电路板;二是标题还没定,就开始画图,结果画面和正文说的完全不是一回事。
第一步:找到当前版本里的「创意设计」
这项能力在当前豆包工作里叫「创意设计」,也就是生成社媒封面、创意海报和电商套图。后面的封面概念、出图和生成后检查,都是在这个能力里完成的。

第二步:把正文和标题一起交给它
我让它同时读取公众号成稿和标题风险表,再做 3 个明显不同的无文字方案。视觉主题被限定为“高能力与低成本之间的理性权衡”,配色只用深蓝、冷白和少量亮绿;不用真人、品牌 Logo、机器人、密集电路板,也不在生成图里硬塞容易乱码的中文。
这样一来,封面就都是在已经确认的内容边界里做视觉表达。
可直接复制的实测提示词
请使用「创意设计」(当前版本中对应封面、海报与社媒视觉能力)及豆包工作可用的图片生成与检查能力,读取:
【素材说明】请直接上传你的成稿和标题风险表,或把下面路径替换成你自己的实际文件路径。
- `/Users/kangarooking/Documents/my-project/doubao-baipishu/outputs/doubao-work-whitepaper/02-从事实包到公众号成稿/artifacts/GLM-5.3-Flash公众号成稿.md`
- `/Users/kangarooking/Documents/my-project/doubao-baipishu/outputs/doubao-work-whitepaper/02-从事实包到公众号成稿/artifacts/GLM-5.3-Flash标题候选与风险表.md`
为最终推荐标题制作微信公众号头图。
先给出 3 个明显不同的封面概念,每个说明主体、构图、色彩、情绪、文字策略以及它为什么符合正文。然后选择信息最清楚、手机缩略图最容易识别的一版生成成图。

生成的封面还不错,最好就是黑底的,因为黑底上面白色的标题才会更显眼。

结果:交付两种尺寸,还把检查项一起留下
这篇文章是智谱的模型,那如果能把智谱的logo放进去,会更好一点,所以网上找个智谱的logo图让豆包工作融入进去即可。
豆包工作内部集成了字节的seedream,在世界都是顶尖的生图模型。所以用来做封面非常适合。

最终生成的封面还不错。
最后,记住这条内容生产线
如果把这套流程压缩成一句话,就是:先收紧事实,再放开表达;先检查标题,再放大传播。
以后不管写新品发布、行业政策还是公司案例,都可以套同一条链路:
公开来源
→ 事实包
→ 公众号正文
→ 标题风险表
→ 封面
→ 人工复核
AI 不应该替你把每一个数字说得更响。真正省时间的,是它帮你把来源、边界和中间成果接起来,让后一步始终知道前一步已经确认了什么、还没确认什么。
这样做出来的文章,也许没有“一句话生成爆款”听起来那么刺激,但它更像真正能交给编辑、同事和老板的工作成果。
AI 办公产品教程 · 完整版