从选题到发布：dontbesilent 的 Claude Code 工作流

💡 这篇文章展示了一套成熟的系统化内容生产体系：从选题记录、素材检索复用、标题封面生成、数据驱动方法论沉淀到业务运营，形成了完整的创作闭环。年发 13000 条内容的产出量背后，是一套值得借鉴的系统思维。以下是原文内容。

由于流程太过复杂，本人不具备撰写能力，本文由 Claude Code 撰写。

为什么要看这篇文章？

很多人看到我的 Claude Code 工作目录截图后，第一反应是：「一个自媒体博主，至于搞这么复杂吗？」

但当我告诉他们，我用这套系统：

• 年发 13,000 条内容
• 同时运营 7 个粉丝过万的平台
• 年涨粉 70 万

他们的反应变成了：「能不能教教我？」

这篇文章就是答案。

核心理念：从碎片到系统

大多数人用 AI 的方式是：

有个想法 → 问 AI → 得到答案 → 发布 → 忘记 → 下次又有想法 → 又问 AI → 又得到答案 → 又发布 → 又忘记

这是碎片化创作，每次都在重新发明轮子。

我的方式是：

有个想法 → 记录到选题库 → AI 帮我检索素材库 → 复用已验证的框架 → 发布 → 数据复盘 → 沉淀方法论

这是系统化创作，每次创作都在给系统添砖加瓦。

完整工作流：从想法到发布

第一步：选题记录（碎片想法管理）

当我有一个想法时，我会说：「记录选题」

AI 会自动把想法记录到 01-内容生产/选题管理/00-选题记录.md

这个文件是我的「想法收集箱」，所有碎片想法都先扔进来。

第二步：选题深化（从想法到文稿）

当我决定深化某个选题时，AI 会：

1. 检索素材库（这是关键）

   • 先查 核心概念库/：有没有相关理论框架？
   • 再查 金句库/：有没有高质量表达？
   • 然后查 03-已发布的选题/：有没有相关文稿？

2. 建议复用 — 如果找到相关内容，AI 会建议复用，而不是重新创作。这避免了「重复造轮子」。

3. 生成文稿 — 如果没有可复用的，AI 会基于我的风格生成新文稿，保存到 01-待深化的选题/。

第三步：标题与封面生成

文稿写好后，我会说：「生成小红书标题+封面」

AI 会根据 方法论沉淀/dontbesilent小红书标题方法论.md 生成：

• 3 个标题选项
• 封面文字建议
• 标题逻辑说明

第四步：短视频开头优化

如果是短视频，我会说：「优化开头」

AI 会基于 内容数据统计/dontbesilent 手动整理的短视频开头.xlsx 的数据，优化前 5 秒的完播率。

第五步：发布与数据记录

发布后，我会把文稿移动到 03-已发布的选题/，并记录：

• 发布时间
• 数据表现（播放量、点赞、评论）
• 复盘思考

这些数据会反哺到 内容数据统计/ 和 方法论沉淀/。

AI 自动化能力

我给 AI 定义了一些自动化能力：

• 记录选题：快速记录碎片想法
• 生成标题：基于方法论生成小红书标题
• 优化开头：提高短视频 5 秒完播率
• 检索素材：自动查找可复用的内容
• 数据复盘：记录发布数据并反哺方法论

这些能力让 AI 不只是「回答问题」，而是「执行工作流」。

素材库管理：从碰运气到系统化

这是整个系统的核心。

传统方式：

• 每次写文稿都从零开始
• 不知道自己以前写过什么
• 好的表达、框架、案例都散落在各个文稿里

我的方式：

• AI 写文稿前，先检索素材库
• 找到相关内容后，建议复用
• 每次创作都在给素材库添砖加瓦

素材库结构：

内容素材库/
├── 核心概念库/        # 可复用的理论框架（如"生产型兴趣"）
├── 金句库/            # 高质量表达
├── 爆款文稿库/        # 已验证的内容结构
├── 100条思考系列/     # 从10894条推文中提取的100条思考
└── 推文库/            # 10894条推文原始数据

举个例子：

当我要写「如何用兴趣赚钱」这个选题时，AI 会：

1. 检索 核心概念库/生产型兴趣.md
2. 检索 爆款文稿库/02-如何用兴趣赚钱并实现规模增长.md
3. 告诉我：「你之前写过类似内容，要不要复用？」

这避免了重复造轮子，也保证了内容的一致性。

数据驱动的方法论沉淀

我不是「凭感觉」做内容，而是「凭数据」。

内容数据统计：

• Dontbesilent 数据统计表.xlsx：所有内容的数据表现
• dontbesilent 手动整理的短视频开头.xlsx：短视频开头的完播率数据

方法论沉淀：

• dontbesilent小红书标题方法论.md：基于数据总结的标题规律
• 选题、标题、开头的关系详解.md：三者的逻辑关系

选题研究：

• dan koe 热门选题/：对标 Dan Koe 的选题分析
• 选题对比分析_流量好vs差vsDanKoe.md：流量好的选题 vs 流量差的选题

每次发布后，我都会把数据记录下来，然后反哺到方法论里。这样，我的方法论是「活的」，会随着数据不断迭代。

业务运营：内容只是手段，商业才是目的

很多人做内容，只关注流量，不关注变现。

我的 02-业务运营/ 目录，记录了：

• 收入数据与分析
• 业务逻辑与战略决策
• 各业务线的数据统计

内容是流量入口，业务是变现出口。

这个目录帮我时刻记住：做内容的目的是赚钱，不是涨粉。

核心价值：系统化 > 碎片化

这套系统的核心价值，不是「AI 能帮我写文稿」，而是：

1. 记忆系统：AI 知道我以前写过什么，避免重复造轮子
2. 素材复用：好的框架、表达、案例，可以反复使用
3. 方法论沉淀：每次创作都在给系统添砖加瓦
4. 数据驱动：不是凭感觉，而是凭数据迭代

碎片化创作：每次都从零开始，效率低，质量不稳定

系统化创作：每次都在复用和迭代，效率高，质量稳定

如何开始？

如果你也想搭建这样的系统，建议：

1. 先建立目录结构：按业务流程分类，不是按文件类型
2. 再定义工作流：把重复的工作流程，教给 AI
3. 然后建立素材库：把好的内容、框架、表达，沉淀下来
4. 最后数据驱动：记录数据，反哺方法论

不要一开始就追求完美，先从一个小流程开始，慢慢迭代。

让 Claude Code 帮你搭建

你不需要从零开始摸索。只需要把这篇文章发给 Claude Code，它就能帮你完成。

用户提示词模板：

我想搭建一套像 dontbesilent 一样的内容生产系统。

我的基本情况：
- 我做的内容类型是：[短视频/图文/音频]
- 我的平台是：[小红书/抖音/公众号/...]
- 我目前的痛点是：[每次都从零开始/找不到以前的素材/不知道什么选题好/...]

请帮我：
1. 设计一个适合我的目录结构
2. 建立素材库管理系统
3. 定义我需要的 AI 自动化能力
4. 创建 CLAUDE.md 项目指南

参考这篇文章的思路：
[把本文链接或内容粘贴给 Claude Code]

使用建议：

1. 先从小流程开始：不要一开始就追求完美，先解决一个具体痛点
2. 边用边迭代：系统是用出来的，不是设计出来的
3. 记录数据：从第一天就开始记录数据，这是方法论的基础
4. 定期复盘：每周或每月回顾一次，看看哪些流程可以优化

总结

这套系统，不是为了炫技，而是为了：

• 年发 13,000 条内容
• 同时运营 7 个平台
• 保持内容质量稳定
• 持续沉淀方法论

如果你也想从「碎片化创作」升级到「系统化创作」，这篇文章就是你的起点。

出处： 本文转载自 @dontbesilent12（dontbesilent）的 原文，发布于 2026 年 2 月 1 日。