全景版 · AIGC
把需求、数据、知识、模型、工具、人工审核、发布与反馈，串成可重复、可观测、可治理的内容生产系统。
定义：内容生成流水线是一套端到端工作流，将原始输入转化为可发布内容，并持续优化。
它不是「调用一次大模型」，而是把需求、数据、知识、模型、工具、人工审核、发布、反馈串成可重复、可观测、可治理的生产系统。
批量生产，不牺牲质量。
品牌语气、格式、事实口径统一。
可审核、可回滚、可追溯。
有质量、成本、转化指标。
版权、隐私、敏感、平台政策安全。
模型路由、缓存、批处理、人机协同。
| 维度 | 类型 | 说明 |
|---|---|---|
| 模态 | 文本、图像、音频、视频、多模态 | 文本最常见，视频流水线更复杂 |
| 场景 | SEO 文章、电商文案、社交媒体、新闻、教育、客服、游戏 | 不同场景质量门槛不同 |
| 节奏 | 批量、实时、流式、事件驱动 | 热点新闻需实时，SEO 可批量 |
| 自动化 | 辅助、半自动、自动 + 审核、自主 | 高风险内容必须人工 |
| 来源 | 纯生成、RAG、模板、混合 | 事实要求高时用 RAG |
| 渠道 | CMS、公众号、X、LinkedIn、邮件、APP | 需适配格式与长度 |
日志、追踪、指标、成本。
过滤、权限、审计、水印。
提示、模型、知识库、内容。
A/B、灰度、回滚。
| 阶段 | 输入 | 核心动作 | 输出 | 关键指标 |
|---|---|---|---|---|
| 1. 需求解析 | 关键词、热点、产品信息 | 明确目标、受众、渠道、语气 | 内容 brief | 需求准确率 |
| 2. 选题与意图 | Brief、搜索数据 | 选题、角度、标题、SEO 词 | 选题清单 | 点击潜力 |
| 3. 素材采集 | 网页、API、知识库、文档 | 爬取、导入、去重 | 原始素材 | 覆盖率 |
| 4. 清洗与分块 | 原始素材 | 解析、清洗、分块、元数据 | 可检索块 | 分块质量 |
| 5. 检索与重排 | 查询、向量库 | 混合检索、重排、引用 | 证据包 | 召回率、准确率 |
| 6. 内容规划 | 证据包、Brief | 大纲、结构、段落任务 | 大纲 | 结构合理性 |
| 7. 内容生成 | 大纲、证据、提示 | 分段生成、多候选 | 草稿 | 生成成功率 |
| 8. 事实核查 | 草稿、证据 | 引用校验、幻觉检测 | 修正稿 | 幻觉率 |
| 9. 质量与安全 | 修正稿 | 敏感、偏见、版权、可读性 | 合规稿 | 通过率 |
| 10. 后处理 | 合规稿 | 润色、排版、配图、SEO | 发布稿 | 可读性、SEO 分 |
| 11. 人工审核 | 发布稿 | 抽检或全审 | 批准稿 | 审核耗时 |
| 12. 发布 | 批准稿 | CMS、社交、API、定时 | 已发布内容 | 发布成功率 |
| 13. 监控 | 线上内容 | 阅读、转化、评论 | 数据报告 | CTR、转化率 |
| 14. 反馈迭代 | 数据、反馈 | 优化提示、检索、模型 | 新版本 | 迭代周期 |
变量、版本、A/B、回滚；防提示注入、防越狱；品牌语气、禁用词、格式约束。
索引、分块、嵌入、混合检索、重排；引用溯源、时效性、权限过滤；知识库更新与失效策略。
小模型初筛，大模型精修；多模型回退、成本与延迟平衡；结构化输出、JSON Schema 校验。
短期上下文、长期记忆；用户画像、品牌声音、历史偏好；隐私与数据隔离。
DAG、状态机、队列、重试、幂等、死信；人工任务节点、超时升级；可回放、可重跑。
润色、去重、事实引用、SEO 元数据；多平台格式适配（长度、标签、图片尺寸）；水印、版权声明。
自动过滤 + 人工分级；敏感词、偏见、广告法、平台政策；审计日志、责任追踪。
CMS、社交、邮件、API；定时、幂等、失败重试；多语言、多地区适配。
A/B 测试标题、结构、语气；归因分析、转化追踪；反馈回流到提示、检索、模型。
| 模式 | 说明 | 适用 |
|---|---|---|
| 单次生成 | 一次 Prompt 出稿 | 简单文案 |
| Map-Reduce | 分段生成再合并 | 长文 |
| Refine | 迭代润色 | 高质量文章 |
| 多候选 | 生成多个版本再选 | 标题、广告 |
| 批评-修订 | 一个模型批评，一个修订 | 事实、逻辑 |
| 规划-执行 | 先规划再执行 | 复杂任务 |
| 多智能体 | 分工协作 | 多模态、大型项目 |
| RAG | 检索后生成 | 事实要求高 |
| 工具调用 | 搜索、计算、API | 实时数据 |
| 结构化输出 | JSON、表格 | 下游系统集成 |
| 维度 | 说明 | 方法 |
|---|---|---|
| 事实性 | 是否准确、有引用 | 人工、LLM Judge、知识库校验 |
| 相关性 | 是否满足意图 | 人工、点击率 |
| 连贯性 | 逻辑通顺 | LLM Judge |
| 可读性 | 易读、无冗余 | 可读性分数 |
| 风格 | 品牌一致 | 规则 + 人工 |
| 安全 | 敏感、偏见、版权 | 过滤器 + 人工 |
| 原创 | 重复率、抄袭 | 查重 |
| SEO | 关键词、结构 | SEO 工具 |
| 转化 | CTR、转化率 | 线上 A/B |
素材来源、授权、引用、生成内容水印。
PII 检测、脱敏、数据驻留。
政治、色情、暴力、仇恨、违法。
性别、种族、地域、职业。
绝对化用语、虚假宣传。
各渠道规则不同。
输入、提示、模型版本、输出、审核人、发布时间。
角色、审批流、最小权限。
| 模式 | 说明 | 适用 |
|---|---|---|
| 全自动 | 无人工 | 低风险、批量 |
| 抽检 | 自动发布 + 抽检 | 中低风险 |
| 全审 | 每篇人工 | 高风险 |
| 共创 | 人机协作 | 创意、品牌 |
| 专家 | 领域专家把关 | 医疗、金融、法律 |
| 层 | 工具 |
|---|---|
| 编排 | Airflow、Prefect、Dagster、Temporal、n8n |
| LLM 应用 | LangChain、LlamaIndex、Dify、Coze |
| 模型 | GPT、Claude、Gemini、Qwen、Llama |
| RAG | Milvus、Pinecone、Weaviate、pgvector |
| 队列 | Kafka、RabbitMQ、Celery、RQ |
| 存储 | Postgres、S3、Redis |
| 发布 | WordPress、Ghost、公众号、X、LinkedIn |
| 监控 | LangSmith、LangFuse、Prometheus、Grafana |
| 实验 | PostHog、LaunchDarkly |
幻觉未核查：生成内容未经事实核对即发布。
提示注入：导致数据泄露或被越权调用。
品牌语气不一致：多版本、多模型口径漂移。
内容重复：同质化严重，缺乏差异化。
过度自动化：无人把关，风险失控。
无反馈闭环：发出去就不管，无法迭代。
忽略成本与延迟：规模上来后性价比崩塌。
缺少评估：只看「感觉」，没有量化标准。
版权与隐私风险：素材来源与 PII 处理不当。
发布幂等性差：重复发布，内容错乱。
文本、图像、音频、视频统一编排。
自主规划、执行、审核。
按用户画像实时生成。
热点事件分钟级响应。
隐私与低延迟兼顾。
引用、水印、区块链存证。
用于训练与评估。
从选题到分发的全自动优化。
def content_pipeline(topic):
brief = parse_brief(topic)
sources = collect_sources(brief)
chunks = clean_and_chunk(sources)
evidence = retrieve_and_rerank(brief, chunks)
outline = plan_outline(brief, evidence)
draft = generate_draft(outline, evidence)
checked = fact_check_and_safety(draft, evidence)
polished = polish_and_format(checked, brief.channel)
if human_review(polished, risk_level=brief.risk):
published = publish(polished)
monitor(published)
feedback_to_optimize(published)
return polished