19篇文章涨粉1800+：她如何将 PilotDeck 打造成自动化运营专家

开源社区开发者小山最近做了一次从零开始的公众号运营尝试。在没有额外推广的情况下，她连续发布了 19 篇文章，公众号新增关注超过 1800 人，之后还陆续收到读者咨询和合作邀请。

这组数字来自她自己的运营记录。数字不能保证任何人照着做都能得到同样结果，不过它说明了一个具体问题。个人开发者可以借助 Agent，把容易中断的内容工作变成一套能够重复运行的流程。

小山使用的工具是 PilotDeck。她并没有将它视作单纯的写作工具，而是注重把控完整的运营链路，让 Agent 接手那些耗时、重复，却必须完成的工作，把自己的时间留给选题判断、资料取舍和观点打磨。

先把 AI 从聊天框里拿出来

很多人试过让 AI 写公众号，得到的往往是一篇语句通顺、读起来却很像模板的文章。

原因在于，公众号运营是一项包含多个步骤的持续性工作，AI 对话框负责写一段文字，很难记住长期规则，也不会自动把后面的配图、排版和发布接上。我们真正需要的是一个能够承载长期上下文、跨步骤执行并持续积累经验的工作环境。

在 PilotDeck 的架构下，小山尝试把公众号运营从一次性的内容生成，变成了一套可以持续运行的 Agent 工作流，并逐渐形成了三种高效的人机协作模式：

模式一：极简托管——一句话跑通全流程

对于公众号运营这种长周期、多子任务的项目，可以在 PilotDeck 创建专门的 WorkSpace，并在里面开不同的对话写不同的文章，同一个 WorkSpace 里的有效的交互、执行过程都能被沉淀为可复用经验并不断进化。

在工作区创建新对话时，过往的记忆和 Skill 可以被自动调用，整个 选题 → 调研 → 写稿 → 配图 → 排版 → 存草稿箱的流程 都能够充分自动化。

于是，小山在新对话里只要提出一句需求。

「帮我找个有热度的新话题，写篇公众号，存到草稿箱。」

Agent 就会自动运用过往对话中沉淀下来的记忆和技能，完成选题、文章撰写、封面图生成，小山只要在公众号后台草稿箱审核发布即可。

本文含视频，请前往微信公众号原文观看。

模式二：启发式共创——人机深度碰撞

对某个话题感兴趣时，小山会先在 PilotDeck 里与 Agent 多聊几轮。

她会追问资料从哪里来，要求补充容易遗漏的角度，也会直接指出一段分析里不够可靠的地方。

讨论完成后，再让 Agent 把材料整理成符合公众号阅读习惯的长文，并写入草稿箱。

文章仍然需要人工审核，但审核的重点从改句子，变成判断事实、逻辑和观点是否成立。

模式三：长程研究——挂机产出深度报告

传统的AI对话工具倾向于「快速下结论」，回答往往流于表面。但在专业场景中，我们需要的是 Agent 能够稳定执行数小时的长程任务，得到有充分依据的可靠结果。

小山把这类任务交给 PilotDeck 后，Agent 会先提出研究假设，再调用工具检索，交叉核对信息，遇到疑点继续追问。任务可以连续运行几个小时，最后形成几万字的白皮书或研究报告。

这段时间里，小山可以先去做别的事。报告完成后，她再回来查看引用来源、推理过程和结论可信度。确认材料可靠，接下来只需把报告拆成几篇文章，做成公众号连载。

如何实现端到端自动化流程

只会写稿的 Agent，很难减轻公众号运营的负担。在这套工作流中，小山把配图、排版和草稿箱存入也接了进来，实现了 真正的端到端闭环。

不止于选题和内容生成，PilotDeck 可以调用图像生成 API，按既定的视觉规范生成头图、缩略图和文章配图。文章完成后，它还会按照公众号的排版要求处理格式，最后还能直接存入后台的微信草稿箱。

小山不需要在多个工具之间来回复制。她把主要时间用在审核和修改，发布前再做一次人工确认。

这套流程能越用越顺，靠的是记忆与技能的持续更新与沉淀。

每次运营时，只要发现新的排版规范、更合适的写作提示，或者更有效的检索方法，小山就会把它补进对应的 Skill。过去发布过的文章会留在 PilotDeck 的项目记忆中，交流中确认过的用户偏好也会被自动记录下来。

下一次打开新对话时，Agent 已经知道这个项目写过什么，文章要遵循哪些习惯，哪些地方需要格外谨慎。小山不必每次从头说明背景和要求，Agent 也能接着往下做。

从认知生产到变现的闭环

小山在使用过程中慢慢形成了一个很清楚的感受。公众号文章发布以后，反馈会带来下一轮选题。

一个问题开始于资料检索。读完资料以后，她需要重新组织信息，确认自己是否真的理解了它。写成文章时，原本模糊的地方会被迫显出来。文章发布后，读者的留言、咨询和合作沟通又会带来新的问题。

19 篇文章带来的 1800 多个新增关注，给小山带来了两件很具体的事。她知道了哪些内容有人在意，也让有需求的读者找到了她。咨询和合作邀请，就是这种连接的直接结果。

对个人开发者来说，这个过程很重要。持续研究让专业判断慢慢变得清楚。把这些判断写出来，别人才能知道你在研究什么。读者反馈又会把下一步的问题送回来，内容和个人能力一起增长。

Agent 可以接手大量重复、耗时的工作。检索、整配图、排版和写入草稿箱都能交给它处理。人要做的，是决定研究哪个问题，哪些材料值得相信，以及文章最后要说什么。

这套分工也决定了文章能走多远。Agent 能让一个人更快写完一篇文章，文章能不能留下来，取决于作者对问题的理解和判断。

AI 时代，人的角色不止于「Prompt 粘贴工具」，也不应该让 AI 制造无意义的互联网垃圾。

通过 PilotDeck，小山把 Agent 从一个「聊天框」变成了一个不断进化的数字搭档。如果你也想搭建属于自己的自动化 Agent 工作流，不妨来 OpenBMB 社区一起探索！