ENTRY 1A · SYSTEM OVERVIEW
Fig. 01 · Skill 写文系统全貌：从素材收集到终稿交付的完整工作流
"极客的定义是：用最硬核的技术，干最温暖的事情。"— YY 老师，AI 儿童春晚直播
为 WaytoAGI 火种车项目设计并搭建了一套可复用、可交接、可迁移的 AI 内容生产工作流系统，覆盖素材收集→结构化整理→写作→质量护栏→人工审稿全链路。
一位设计师用四款 AI 产品，在一个月内从零搭出一套「让任何人都能用」的系统。
Fig. 01 · Skill 写文系统全貌：从素材收集到终稿交付的完整工作流
火种车推文内容生产的三座大山——素材分散、整理成本高、协作链路长——以及为什么必须用系统而非人力来解决。
素材散落在聊天记录里，写稿前要花大量时间翻找
由于参加过第一季火种车的远程文本编辑及宣传活动，我更理解这类项目在实际推进中的不容易。
素材收集分散——现场老师用手机拍照发群，素材散落在聊天记录里；信息整理成本高——照片、视频、学生素材混杂，编辑老师需要手动筛选、分类、提炼故事线；协作链路长——编辑老师时间紧、经验不一，文风不稳定，产出质量参差不齐，且难以交接给新老师。
Fig. 02 · 素材散落在聊天记录里，写稿前要花大量时间翻找
四阶段递进：画图纸→造发动机→上路测试→修最后一公里
反过来问AI的那个动作，改变了整件事的走向
2025年2月24日，我在朋友圈发了一条进度："训练skill系统ing，等我教会AI让AI教人"——从第一天起，目标就不是"自己顺手用的工具"，而是"别人也能复用的系统"。
在 YouMind 里做 Skill 的过程中，有一个转折性的动作：我反过来问 AI——"你需要什么素材才能完成这件事"。AI 返回了一张清单。这张清单让我意识到：问题不在于 Skill 写得好不好，而在于系统根本缺一个前置层——在 AI 开始写作之前，必须先有人把原始素材整理成 AI 能用的格式。
YouMind 的 Skill 创建器采用对话式引导——它不让你直接填表，而是通过一问一答把模糊需求逼成清晰的工作流。它强迫你把隐性知识显性化。
Fig. 03 · YouMind 对话式引导：一问一答把模糊需求逼成清晰工作流
把"人工把关的经验"变成可以被 AI 直接执行的规则
把前六期火种车的 6 篇公开推文全部喂给 Manus，让它从真实文章里找共性——不是自己设计字段，而是让 AI 从素材中归纳。这个过程一共迭代了 8 个版本。验证方式用的是"逆推法"：把第一期已发布的成文素材，反向还原成表格中的原始素材形式，再喂给提示词，看输出质量和原稿有多大差距。3月11日，V8版表格正式在飞书落地。全量压力测试跑出了 Skill V4.4版本。
这个阶段最核心的升级，是从"让AI扮演好编辑"变成"给AI装护栏"——把"人工把关的经验"变成可以被AI直接执行的规则。
Fig. 04 · 从真实文章中归纳字段，迭代 8 个版本
Fig. 05 · 核心升级：从"让AI扮演好编辑"到"给AI装护栏"
素材整理是最不能靠人的环节，一旦出问题后面全部失效
第三期素材量特别大——协作编辑老师交出来的稿子缺失了大量现场细节，面临推翻重写。我才意识到：真正的瓶颈不在写作环节，而在上游——素材整理这一步，我一直默认靠人的经验判断就行，但这恰恰是最不能靠人的环节。
在扣子上搭建了"素材整理助手"Agent，实现了看图写素材的能力。AI 整理时会从六个维度读图：场地、人物、动作、状态、物品、氛围。每条素材都带"写稿价值"判断。第一轮测试 55 条素材全部整理妥当，准确率约 80%。
Fig. 06 · 第三期素材量暴露致命缺口
Fig. 07 · 扣子"素材整理助手"Agent：六维度读图
一个月搭建，系统跑通真实项目，GitHub 开源，三种使用方案适配不同用户。
从2月24日启动到3月24日开源，从个人项目到真实项目
从2月24日开始训练，到3月24日推上 GitHub——整整一个月。系统正式投入项目使用后，从发完整素材到拿到可用的初稿，最快约一个小时。对比之前没有系统的时候：素材散落在群聊里要花大量时间翻记录，每次写稿从零开始，文风不稳定。现在是流程固定、文风可控、配图建议直接嵌入、新人接手有完整的说明和模板。
不需要安装任何软件，不需要懂任何技术
第一步：一句话安装系统。把 GitHub 开源仓库的链接发给扣子，扣子会自动克隆整个仓库，读取核心流程要点。第二步：素材整理——发照片，出表格。AI 从六个维度读图，输出结构化的素材明细表。第三步：写稿——上传素材表，六步走完。
Fig. 08 · 一句话安装：把 GitHub 链接发给扣子，系统全部载入
Fig. 09 · 六步写作流程：从信息梳理到终稿交付
Fig. 10 · 完整工作流：素材整理 + 写稿六步
这套系统从来不是一个人造出来的。
从"等我教会AI让AI教人"到今天，这套系统最终的形态，不是一个"会写文章的AI"，而是一套有记忆、有规则、有护栏的内容生产基础设施。造车的事情做完了，接下来是让更多人学习上路。
三个从实践中提炼的认知：
先问 AI 它需要什么 — 反过来问AI的那个动作，改变了整件事的走向
Fig. 11 · 认知一：先问 AI 它需要什么
把直觉翻译成规则 — 从"让AI理解我想要什么"到"把我知道的东西翻译成AI能执行的规则"
Fig. 12 · 认知二：把直觉翻译成规则
先跑通再优化 — 完美是好的敌人，这个策略比"一步到位"有效得多
Fig. 13 · 每次跃迁背后都有人在推