@VibeMarketer_分享六个AI角色分工做一人媒体

一人媒体公司实操指南：六个 AI 角色的分工系统 大多数人用 AI 只是“写得更快”，不止代码，还有文章内容！但做内容真正的难点在于：持续找到值得写的选题、形成原创角度、并在多平台分发时不重复发同一份内容。@VibeMarketer_ 的解法是：用 6 个分工明确的 Hermes @NousResearch 机器人 + 一个共享知识库，把一人媒体公司的完整闭环跑起来。

# 系统架构：一个闭环，四层分工 核心闭环 选题 → 研究 → 角度 → 长文 → 分发 → 审核 → 数据 → 更新打法 断掉任何一环，质量就会崩。六个各自独立的聊天机器人不等于媒体公司——它们需要明确的职责归属、共享上下文、结构化交接和一条反馈回路。四层基础设施 1. Bot Mode - 让团队可见、可对话 2. Profiles（独立档案）- 每个角色有独立记忆/会话/技能，防止记忆互相污染 3. @obsdmd 知识库 - 存放所有机器人共享的“编辑大脑”（声音、受众、论据、钩子、平台打法） 4. Kanban 看板 - 让任务在角色间持久流转（SQLite 支撑，可依赖、可评论、可重试、可人工介入） # 六个角色的“职责契约” 每个机器人必须遵守统一契约：Owns（负责什么决策）/ Reads（可读什么）/ Returns（交付什么）/ Must not（不得越权）/ Done when（完成标准）。

1. Signal Scout（信号侦察）——找“现在值得做”的选题。只评估不写作，且应否决远多于通过，保护团队不为烂选题浪费时间。2. Researcher（研究员）——把选题变成“有据可查的证据包”：3–7 条经核实的论点、原始链接、矛盾点与证据缺口。

先核实事实，再找角度，而非反过来。3. Content Strategist（内容策略师）——把证据变成唯一的编辑决策：读者、结果、核心张力、论点、形式、标题。只交付“角度简报”，不写稿；一个完整角度胜过十个可互换的想法。

4. Long-form Writer（长文作者）——产出“旗舰内容”（最深、最可复用的版本），作为后续所有分发的母素材。5. Distribution Bot（分发）——不是压缩长文，而是为每个平台重构创意：X 取最锋利的论点，LinkedIn 讲操盘经验，轮播图选可视化框架，视频围绕张力做口述叙事。硬性要求：每个资产都要有独立存在���理由。

6. Editor（编辑）——同时审全部资产而非逐个审，专抓跨平台问题：钩子重复、事实漂移、语气不一、某平台内容注水。可批准/打回/否决，但无权发布。# 三个关键机制 1. 可检查的结构化交接。

每个 campaign 有一份贯穿全程的记录（信号→研究→角度→旗舰稿→分发→审核→数据）。缺字段就退回上一环节，不允许机器人用“合理猜测”悄悄补洞——这是防止多智能体系统质量滑坡的关键设计。2. 人守在编辑边界。

第一版系统“准备好一切，什么都不发”。人类保留批准权：核心角度、旗舰稿、重大事实声明、每条公开内容、以及任何打法规则的变更。每次批准/打回都成为训练系统的判断样本；当某类决策变得可预测，才把它下沉为规则。

自动化应消除重复决策，而不是消除你的品味。3. 数据必须反哺系统。每周复盘产出三个清单：Keep（反复有效）/ Test（值得再验证）/ Stop（持续低效）。

规则变更需人批准后才写入共享大脑——单次爆款只产生假设，不产生定律。这样团队不再从通用提示词起步，而是从积累的判断起步。# 落地路径（MVP 版本） 不要盲目追求一步到位，按这 8 步顺序：先建 Obsidian 大脑 → 只建 Scout/Researcher/Editor 三个角色 → 跑 3 个真实选题 → 再逐个加策略师、写手、分发 → 最后接数据闭环。

第一个可用版本只需交付：一个研究过的选题 + 一份角度简报 + 一条待批准的 X 帖子。可以沿用作者分享的 Hermes Agent，也可以用 Grok @bot 作为替代。