自动化内容生成工作流：用 AI API 构建内容生产管线

2026-06-08·8 分钟阅读·167 次阅读

自动化内容生成

手动写文章效率太低？通过 AI API 构建自动化内容生成管线，可以将内容产出效率提升 10 倍以上。本文将介绍如何搭建一套完整的内容自动化生产系统。

为什么需要内容自动化

内容创作面临几个核心挑战：

产出量要求高：SEO 需要持续更新，社交媒体需要每天发帖
人力成本高：一个全职写手一天最多产出 2-3 篇高质量文章
质量不稳定：人的状态波动会影响内容质量
多平台分发：同一篇内容需要适配不同平台的格式要求

AI API 可以解决这些问题：批量生成、质量稳定、格式灵活、成本可控。

内容生成管线

生成管线

一个完整的内容生成管线包含以下阶段：

阶段	输入	输出
主题规划	关键词 / 热点	文章主题列表
大纲生成	文章主题	结构化大纲
内容撰写	大纲 + 参考资料	完整文章
质量检查	初稿	优化后的文章
格式适配	标准文章	多平台格式

代码实现

1. 主题规划

from openai import OpenAI

client = OpenAI(
    base_url="https://www.ciyuano.com/v1",
    api_key=***
)

def generate_topics(keyword: str, count: int = 10) -> list:
    """根据关键词生成文章主题列表"""
    response = client.chat.completions.create(
        model="deepseek-v4",
        messages=[{
            "role": "user",
            "content": f"围绕「{keyword}」这个主题，生成 {count} 个文章标题。要求：吸引眼球、适合 SEO、中文。直接返回标题列表，每行一个。"
        }],
        temperature=0.8
    )
    return response.choices[0].message.content.strip().split("
")

2. 大纲生成

def generate_outline(title: str) -> str:
    """根据标题生成文章大纲"""
    response = client.chat.completions.create(
        model="deepseek-v4",
        messages=[{
            "role": "user",
            "content": f"为以下文章生成详细大纲：「{title}」。要求：包含 5-7 个主要章节，每个章节有 2-3 个要点。用 Markdown 格式输出。"
        }],
        temperature=0.5
    )
    return response.choices[0].message.content

3. 内容撰写

def write_article(title: str, outline: str) -> str:
    """根据大纲撰写完整文章"""
    response = client.chat.completions.create(
        model="deepseek-v4",
        messages=[
            {
                "role": "system",
                "content": "你是一个专业的技术博客作者。写作风格：简洁专业、逻辑清晰、有实际案例。"
            },
            {
                "role": "user",
                "content": f"根据以下大纲撰写完整文章。

标题：{title}

大纲：{outline}

要求：1500-2500 字，中文，使用 Markdown 格式。"
            }
        ],
        temperature=0.7,
        max_tokens=4000
    )
    return response.choices[0].message.content

4. 质量检查

def review_article(article: str) -> dict:
    """AI 自审文章质量"""
    response = client.chat.completions.create(
        model="deepseek-v4",
        messages=[{
            "role": "user",
            "content": f"请审查以下文章，给出评分和改进建议。

{article}

返回 JSON 格式：{{"score": 1-10, "issues": [...], "suggestions": [...]}}"
        }],
        temperature=0.3
    )
    return response.choices[0].message.content

批量生成

将上述步骤组合成完整的批量生成流程：

import asyncio
import json

async def batch_generate(keyword: str, count: int = 5):
    """批量生成文章"""
    # 1. 生成主题
    topics = generate_topics(keyword, count)

    results = []
    for topic in topics:
        # 2. 生成大纲
        outline = generate_outline(topic)

        # 3. 撰写文章
        article = write_article(topic, outline)

        # 4. 质量检查
        review = review_article(article)
        score = json.loads(review).get("score", 0)

        if score >= 7:
            results.append({
                "title": topic,
                "content": article,
                "score": score
            })
            print(f"[OK] {topic} (评分: {score})")
        else:
            print(f"[SKIP] {topic} (评分: {score}, 需要人工审核)")

        # 控制频率，避免 API 限流
        await asyncio.sleep(2)

    return results