现在做内容运营，绕不开 AI。完全不用，效率跟不上；全用，内容会变得千篇一律。我的建议是划三条边界。
边界一：可以用 AI 的内容
- 通用解释类："什么是响应式设计""SSL 证书的作用"。
- 结构整理类：把一堆零散资料整理成清单。
- 改写润色类：把自己写的草稿改得更通顺。
- 多语言转换：初翻，再由母语者校对。
这类内容的共同点是：不需要第一手经验，价值在于"组织得清楚"。
边界二：必须人写的内容
- 案例复盘：具体客户、具体数据、具体决策。AI 编不出来，编出来也是假的。
- 选型建议："什么情况下选 A 不选 B"，需要真实判断。
- 故障诊断：症状、原因、处理，每一步都是经验。
- 报价与承诺：涉及商业责任，不能让 AI 生成。
这四类内容恰恰是最能带来询盘的。所以"AI 提高效率"的前提是，人仍然承担最核心的部分。
边界三：可以用但不能直接发的
技术教程、政策解读、行业分析。这些 AI 能写个大概，但容易在细节上出错：版本号、条款号、参数范围。
处理方式：AI 出初稿，人逐条核对事实，补充本地案例。核对这一步不能省。
一套成本可控的方案
| 内容类型 | 占比 | 生产方式 |
|---|---|---|
| 案例与经验 | 30% | 人写，AI 润色 |
| 技术教程 | 30% | AI 初稿 + 人核对 |
| 通用解释 | 30% | AI 生成 + 人调整结构 |
| 行业资讯 | 10% | AI 汇总 + 人加观点 |
按这个比例，一个人的产出能从每周一篇提到每周三篇，同时保住内容质量。
怎么避免被判定低质
- 每篇至少有一处"只有你知道"的信息：数据、案例、经验。
- 标题不要用 AI 常见的句式（"深度解析""全面指南"）。
- 段落长短交错，别都是三行一段。
- 加入真实的图片、截图、表格。
团队协作的三个约定
- AI 生成的内容必须标注，方便后续核对。
- 发布前由业务人员过一遍，确认没有事实错误。
- 建立"素材库"，把销售话术、客户问题、项目记录沉淀下来，供写作使用。
第三条最重要。AI 的上限取决于你给它的素材，素材越具体，产出越像人写的。
怎么判断一篇内容该不该用 AI 起稿
有个很实用的判断方法：把题目念给一个刚入行的实习生听，如果他不需要查资料就能写出个大概，那这题 AI 也能写；如果他必须问你三个问题才能动笔，那这题就得人来写。
因为"必须问问题"意味着答案依赖于你们公司的具体情况——客户是谁、交付怎么做的、踩过什么坑。这些信息不在公开语料里，AI 只能编。
落地时的分工建议
我们自己的做法是：运营负责选题和素材，AI 负责初稿骨架，业务负责人负责补三段"只有我们知道"的内容，最后运营统一润色。每篇至少保证三段不可替代的信息，这条底线守住，内容就不会滑向低质。
补充说明
你可能会问，那内容团队还需要几个人？我的答案是一个半：一个负责选题、素材和最终校对，半个负责排版分发。剩下的事 AI 做，但前提是素材库得先建起来。没有素材库的 AI 写作，产出的就是通用答案。
三条边界
事实必须人工核，尤其是政策、价格、参数；观点必须自己写，AI 给的是平均值，不是你的判断；案例必须真实，编出来的细节经不起客户追问。AI 可以用来做提纲、初稿和润色，但不能代替署名的人负责。
发布前问一句：这篇文章如果客户当面追问，我能不能答上来？答不上来的部分，就该删掉或补实。
AI 适合写提纲、改写、润色和翻译，不适合编案例和判断。让 AI 做它擅长的部分，人负责事实、观点和最终署名。
AI 可以写提纲和初稿，但事实、观点和案例必须由署名的人负责。
AI 写提纲，人写事实、观点和案例。
常见问题
AI 写的会被百度惩罚吗
不会因为"AI 生成"被惩罚，会因为"低价值"被惩罚。判断标准是信息增量和用户体验。
要不要买 AI 写作工具
基础模型够用。真正的差距在素材和校对，不在工具。
小团队怎么落地
一个人 + AI 就够。关键是建立素材库和固定的写作流程，别每次都从零开始。
写作的具体方法，见AI写作与人工校对。
