设计一个能从自身输出中学习的
多智能体 AI 系统

纯调度。识别用户意图，一句话分发到对应的 agent。

设计决策：路由层确保系统一次只处理一个任务。多个需求并存时，强制排列优先级逐一解决——与产品团队的需求分诊逻辑一致。

对选题做通过或淘汰的判断。核心逻辑：80% 的低质量内容问题出在选题，而不是执行。

为什么重要：产品开发中最大的浪费是做了不该做的东西。这个 agent 的作用就是在投入精力之前把不值得做的选题挡掉。

筛子	检查什么	通过	淘汰
1. 认知落差	这个版本有存在的理由吗？	首发、更清晰的框架、或第一手经验	和现有内容一样
2. 素材检查	有什么原始素材？（数据、故事、金句、失败经历）	2+ 种素材	0 素材 = 不通过
3. 三层测试	信息层 → 框架替换层 → 身份层	三层都回答了	纯信息无框架
4. 方法论验证	匹配已验证公式？命中禁区？	匹配有历史数据的公式	命中禁区 = 附数据说明淘汰

关键设计决策：四层筛选按顺序执行，每一层通过后需要用户确认才进入下一层，而非一次性批量判断。这个 agent 的定位是筛选器，不是辩护者——它不会帮用户合理化一个不够好的选题。

关键依赖：第 4 层筛子读取当前方法论文件，而这个文件会被数据复盘 agent 不断更新。这就是反馈循环——筛选标准会越来越准。

选题通过后，生成一份完整的 2.5 分钟左右的短视频脚本。

5 个阶段

1. 再次确认门控——再次确认认知落差、素材数量和框架层级，未通过则中止。
2. 内容库检索——优先检索概念库、金句库和已验证的高表现脚本，可复用的素材优先调用。
3. 脚本生成——根据内容类型匹配对应模板：
   • 模板 A（信息差 → 框架替换 → 身份收尾）：优化触达量
   • 模板 B（问题 → AI 工作流 → 可见结果）：优化收藏率
4. 保存到流水线——将脚本结构化归档，记录内容类型、认知落差和使用的素材。
5. 风格学习——从四个维度分析用户的修改——开头风格、语感、结构偏好、结尾引导——并持续更新风格档案。每一次修改都是系统的学习素材。

生成后审核（7 项检查）

1. 开头三因子强度（乘法——任何一个为零 = 重写）
2. AI 痕迹检测
3. 表达效率
4. 外行可读性
5. 未解释的术语
6. 段落间因果链
7. 信息缺口（缺少前置知识）

先诊断内容本身的质量，再生成 10-15 个开头方案。核心判断：90% 的低效开头并非文案问题，而是内容本身缺乏足够的吸引力。

评分框架——3 因子，乘法

任何一个因子为零，开头就没有力量：

因子	衡量什么	举例
预测打断	开头有没有打破观众的预期？	开头几秒内观众无法预判接下来的内容走向
奖励或损失信号	观众能否在 5 秒内说出「看完能得到什么」或「划走会错过什么」？	「看完你能得到 X」/「划走你会错过 X」
命名	是否为观众长期存在但难以表达的感受提供了一个精准的命名？	将模糊的感受具象化为一个新概念——被精准命名的瞬间，信任随之建立

为什么是乘法不是加法：如果开头完全在预期之内（预测打断为零），再强的奖励信号也无法留住观众。三个因子必须同时不为零，这是一个刻意的设计约束。

生成流程

1. 基于三因子框架审核现有开头
2. 通过三种方法生成 10-15 个方案：从现有脚本提取素材、补充缺失的素材类型、将结论转化为悬念
3. 每个方案标注它命中了哪些因子

基于 75 个经过验证的标题公式进行匹配。每个生成的标题都可追溯到具体公式编号和原始案例。

75 个公式，12 个分类

分类	机制
认知冲突（1-6）	打破现有认知
好奇心缺口（7-12）	信息不对称
恐惧 / 损失（13-20）	「不点 = 错过」
身份代入（21-25）	「这说的就是我」
数字锚定（26-32）	降低认知负荷
结果承诺（33-40）	具体结果 + 时间框架
+ 另外 6 个分类（争议、场景/条件、行动号召、权威、社会证明、互动）

就绪门控：检查脚本、开头方案、标题是否齐全。三项完备则进入拍摄队列，任一缺失则阻断并提示缺少项。

检测文案中的 AI 生成痕迹。覆盖 22 种特征模式，分为 3 个等级。设计目标不是「消除 AI 感」，而是「帮助用户建立自己的表达风格」。

检测：覆盖 22 种常见特征，包括穷举式反驳、过度对称的排比、零犹豫表达、翻译腔语法等。每种特征均标注了不同体裁下的误报阈值。

改写模式：不直接改写，而是针对每个特征提出一个引导性问题：「这几个排比句里，哪一句是你最想说的？」通过提问引导用户挖掘真实表达意图，避免用另一种模式化语言替代原有的 AI 痕迹。

这是系统的学习环节。记录表现数据、执行元复盘、提取可验证的规则、并将结论写回方法论文件。

3 个必答元问题

1. 认知落差判断对了吗？将实际表现数据与立项时的判断进行对比验证
2. 内容类型选对了吗？例如，信息差类内容获得了异常高的收藏率，可能说明其本质更接近框架替换类内容
3. 素材选择产生了预期的开头效果吗？

规则提取

仅对表现明显高于或低于均值的内容提取规则：现象 → 内容类型 → 假设原因 → 结论 → 下一步验证方向。不附带验证方向的规则不会被纳入方法论体系。

方法论写回

• 读取当前方法论文件
• 追加验证证据或反例
• 现有公式无法解释的结果 → 新建公式或标记为「待验证」
• 持续表现不佳的类型 → 评估是否加入禁区