保姆级：用AI搭建选题流水线，从信息源到入库全流程
本文分享了如何利用 AI 构建自动化的内容选题系统。作者提出“选题是信息处理问题而非灵感问题”，通过确立“四层水源”（快、深、慢、反）、撒下“关键词渔网”、AI 初筛信息、人工做四维判断以及入库排期这五个步骤，实现每天自动生成 10 个带数据和角度的选题，从而告别创作焦虑，提升内容生产效率。
相关文档
开源CC+Obsidian打造LLM Wiki内容创作3.0系统
文章介绍了一套基于LLM Wiki方法论的内容生产3.0系统，解决了2.0版本中知识库信息垃圾化的问题。通过“三步编译法”（浓缩、质疑、对标）将原始文档编译为持久化Wiki结构，实现知识资产的自动积累与进化，大幅降低维护成本并提升了内容创作与知识管理的效率。
别再听完就忘了：我做了一个小宇宙播客 AI 工作流
作者文子分享了自己开发的「Wenzi 小宇宙工作流」，旨在解决播客听完即忘、难以沉淀知识的问题。该工作流包含两个模块：一是将播客链接自动转录为干净的 Markdown 逐字稿；二是为内容创作者定制化提取选题，先确认用户定位，再从逐字稿中提炼候选选题。作者强调 AI 适合处理转录、排版等繁琐工作，而价值判断和表达决定权应保留在人手中。项目已开源至 GitHub。
别再把收藏夹当知识库了：用 Hermes 和 AutoCLI 搭建自动整理链路
针对“收藏即遗忘”的痛点，文章提出了一套本地化知识管理方案。作者建议结合 AutoCLI（采集层）、Hermes Agent（处理层）和 Obsidian（存储层），构建一条自动化流水线。通过定时抓取网页、清洗摘要并生成 Markdown，将杂乱信息转化为可检索的本地知识库，从而提升资料利用率。
如何将 Claude Code 打造为投资研究分析师
文章讲述了作者如何利用 Claude Code 这一编程工具，成功转型为个人的投资研究分析师。通过将其与 Obsidian 知识库及浏览器自动化工具集成，作者构建了一个能够自动筛选数据、抓取信息、建模并撰写报告的工作流。文章指出，与普通的聊天机器人不同，Claude Code 能够独立执行复杂的任务链条，极大地提高了金融研究的效率。
一键盘活你的收藏夹！我搭了一个全平台自媒体选题库
作者分享了一套基于“Get笔记 + Codex + 飞书 + Obsidian”的自媒体选题管理工作流。通过Get笔记将多平台视频及图文内容转为文字，利用AI提炼选题并自动写入飞书表格，最后沉淀至Obsidian。该方案有效解决了收藏夹内容利用率低的问题，实现了从素材收集到内容产出的自动化闭环。
一个人日更长文，篇均12万曝光——我的AI内容系统长什么样
本文详细介绍了作者基于 Claude Code 工作流改良的一套 AI 内容生产系统。该系统通过建立包含语料库、素材库、内容管线和方法论的四层知识库，实现了从选题、写作、配图到数据复盘的全流程自动化执行。文章重点分享了如何通过“去 AI 味”检测保持个人风格，以及如何利用数据反馈优化标题策略，最终实现单人日更长文并获得高曝光和高涨粉率。
我的 Skill 自动化长文创作方法：告别 AI 味
文章分享了一套名为 noah-writing 的自动化写作工作流，旨在解决 AI 生成文章缺乏人味和观点的问题。该方法通过将写作拆解为选题、定标题、定配方（结构/情绪）、素材预检、写作润色及测试传播六个阶段，让 AI 负责执行，人负责决策。作者结合自研的标题生成技能和文风拆解技术，将写作效率提升 80%，并实现了从隐性写作感到显性规则化的认知升级。
AI Knowledge Layer (and why your agents are useless without it)
本文提出了一种让 AI 智能体变得更聪明的双层系统：AI 知识层。它包含动态的知识库层（KBL）和静态的品牌基础层（BF），通过编译而非检索（RAG）的方式，让智能体在执行任务前拥有上下文记忆。文章介绍了该系统的概念、与传统 RAG 的区别、以及如何利用开源框架 LLM Wikid 构建个人或企业的知识图谱，从而解决 AI 输出同质化、缺乏个性化的问题。
爆文选题雷达 Agent发布！你的私人内容策略军师
文章作者冰河发布了一款名为“爆文选题雷达”的 Agent。该工具旨在解决内容创作者选题难的问题，通过 4 个协同角色和 16 个智能指令，帮助用户扫描热点、分析爆文并生成个性化选题。核心功能包括五维风险评估、Token 极致经济、可视化控制台及多平台形态建议。Agent 配备 ~init、~go 等指令，能基于账号画像自动推荐 S+ 级选题并提供详细创作方案，让创作者将精力集中在写作而非选题上。
如何让Obsidian + Claude Code帮你安排一切（附全网最完整使用教程）
本文介绍了如何通过 Obsidian 结合 Claude Code 搭建一套个人 AI 工作流系统。该系统能够实现每日回顾与规划、自动收集 AI 热点资讯以及将模糊想法转化为可执行项目。作者详细讲解了安装 Obsidian、导入 OrbitOS Skills、以及通过 Claudian 插件或 Terminal 插件接入 AI 的具体步骤，帮助读者利用 AI 提升内容创作与事务管理的效率。
How to Build an AI Chief of Staff With Opus 5.5 (Full Course)
文章介绍如何用 Opus 5.5 驱动的 AI 员工 Viktor 打造'AI 参谋长'，将工作中约 60% 的非核心事务（找线索、写提案、规划内容、做报表等）自动化。作者对比了'参谋长'与普通助手的区别：只需交付目标并设定时间，AI 会在云端自主完成任务并回传成果文件。文章给出 10 分钟上手教程（接入 Slack/Teams 和现有工具），并通过四个实战案例（潜在客户名单、销售提案、一周社媒内容、周五数据报告）展示效果，最后提供为期四周、每周增加一项自动化任务的实施路线，以及暂停任务和撤销授权的管理方法。
从0到1 构建AI 知识工作流，Obsidian笔记进阶·高级玩法
本文是Obsidian进阶教程，接续入门篇，系统讲解了让笔记库真正好用的高级玩法。内容涵盖：块引用的链接与嵌入用法、Callout彩色提示块的语法与折叠技巧、按属性和路径的搜索进阶、Templater动态模板（日期变量、文件名、文件夹自动套模板）、Dataview将笔记库当数据库查询（LIST/TABLE/TASK三种查询）、Canvas白板理清笔记关系、MOC内容地图的构建方法，以及Linter批量维护等。作者强调规范frontmatter是发挥这些功能的前提，并提供了速查表与常见坑集锦，帮助读者构建可持续维护的AI知识工作流。
