# 用 Codex 做自媒体，先别写稿，先建立一套能校准判断的内容系统
**作者**: Rachel
**日期**: 2026-07-04T17:30:04.000Z
**来源**: [https://x.com/Zesee/status/2073459340527145216](https://x.com/Zesee/status/2073459340527145216)
---
自媒体新手往往没有网感，所谓的网感的具体表现形式是一条内容爆了，你会说：“我当时就觉得这个选题有机会。”
一条内容扑了，你也会说：“其实我发之前就隐约觉得它不太行。”
问题是：你发之前到底怎么判断的？
如果没有记录，你根本不知道。
大多数创作者所谓的复盘，不是在训练判断能力，是在训练事后解释能力。
这就是我认为 Codex 做自媒体最有价值的地方。
不是让它帮你写一条“爆款文案”。
而是让它帮你建立一套系统，逼你在发布前写下判断，发布后面对偏差，然后一点点校准你的内容直觉。
这套系统的最小闭环是：
```
选题对标 -> 发布前盲预测 -> 发布 -> T+3 复盘 -> 更新判断标准
```
注意，写稿不在第一步。
因为自媒体里最贵的不是文字，而是判断。
你真正要训练的不是“怎么写得更像爆款”，而是：
- 这个选题值不值得做？
- 它的需求有没有被验证？
- 我的角度和对标内容有什么差异？
- 我发布前到底押它会怎么表现？
- 发布后到底验证了什么，推翻了什么？
这篇文章讲的，就是怎么用 Codex 把自媒体从“凭感觉创作”改造成“可校准的内容系统”。
## 一、为什么让 AI 写爆款，是最低级的用法
很多人用 AI 做内容，第一句话就是：“帮我写一条爆款视频文案。”
这句话的问题在于，它默认爆款是文案问题。
不是。
一条内容的表现，至少同时受这些东西影响：
- 选题本身有没有需求。
- 标题和封面有没有点击理由。
- 前 3 秒能不能截住注意力。
- 中段结构能不能撑住完播。
- 评论区有没有身份表达和讨论欲。
- 平台当时有没有推这个话题。
- 账号历史权重是否支持这类内容。
- 这条内容是否服务产品和转化。
AI 直接写稿时，看不到这些变量。
它只能生成一篇“看起来像爆款”的东西：有冲突、有金句、有总结、有互动引导。
但它不知道你之前什么内容验证过，不知道你的受众真正对什么有反应，也不知道这条内容到底是在测试哪个假设。
所以很多人用 AI 做内容会经历三个阶段：
第一阶段：觉得 AI 太会写了，效率暴涨。
第二阶段：发现内容都很顺，但发出去没反应。
第三阶段：开始怀疑 AI 没有网感。
其实不是 AI 没有网感，是你没有给它建立反馈系统。
没有历史样本，没有对标样本，没有发布前预测，没有发布后复盘，没有持续更新的 rubric，AI 只能给你生成通用正确的内容。
但自媒体要的不是通用正确。
自媒体要的是账号特异性。
同一个选题，在不同账号上结果完全不同。同一个开头，在不同平台上效果也完全不同。你要找到的不是普世爆款公式，而是你的账号、你的受众、你的表达方式，在某个平台上的可重复规律。
Codex 的正确位置，不是文案枪手。
它应该是内容判断校准器。
## 二、真正的核心动作：发布前盲预测
如果整套系统只能保留一个动作，我会保留发布前盲预测。
所谓发布前盲预测，就是在你看到任何发布后数据之前，写下你对这条内容表现的判断。
不是一句“我觉得会不错”。
而是具体写：
- 这条内容属于什么 bucket。
- 每个结果区间的概率是多少。
- 为什么这么判断。
- 哪些因素支持它跑出来。
- 哪些因素会限制它。
- 如果爆了，说明什么。
- 如果扑了，说明什么。
一个最小预测可以长这样：
```
## 发布前盲预测
**预测 bucket**：命中，约 1-3x baseline
**概率分布**：
- 退步：15%
- 持平：25%
- 命中：40%
- 小爆：15%
- 大爆：5%
**一句话 reason**：
选题有明确认知冲突，前 3 秒 hook 强，但案例不足，中段可能掉留存。预计高于账号中位数，但不具备大爆条件。
**关键假设**：
这条主要测试“AI 工具类话题里，审美/判断力角度是否比效率角度更有传播力”。
```
为什么它重要？因为它直接阻止你自欺。
没有预测，你复盘时永远可以改口。
内容爆了，你可以说你早就看出来了。
内容扑了，你也可以说你早有预感。
但如果你发布前写下：
“我押 40% 概率命中，15% 概率小爆，原因是 SR 强但案例弱。”
那复盘时就不能糊弄了。
你必须面对：
- 我高估了哪个因素？
- 我低估了哪个因素？
- 是选题判断错了，还是标题/封面/结构执行错了？
- 是对标规律不能迁移，还是我的账号还没建立这类内容权重？
真正有价值的复盘，不是“这条为什么爆”。
而是：
“我发布前以为它会这样，结果不是。我的判断哪里错了？”
这就是 Codex 能训练你的地方。
它不会替代你的内容判断。它会逼你把判断写下来，然后用数据打脸你。
## 三、写稿前先做选题对标
发布前盲预测解决的是“我怎么校准判断”。但在预测之前，还有一个更前置的问题：
这个选题到底值不值得做？
很多创作者最浪费时间的地方不是写得慢，而是一直在写低价值选题。
所以闭环第一步不是写稿，而是选题对标。
选题对标不是抄爆款。
它是用对标样本判断一个候选题的需求、竞争、结构和差异化空间。
它要回答三个问题：
1. 这个选题属于什么需求、情绪或冲突？
2. 同类选题在对标账号里，哪些角度跑得好，哪些跑不动？
3. 我能不能在不复制表达的前提下，迁移它的需求洞察或结构？
1. 对标不要只找头部账号
头部账号当然值得看，但不能只看头部。
因为头部账号的很多表现，来自账号权重、人设积累、资源和历史信任。你直接照着学，很容易误判。
更好的对标组合是：
```
| 对标类型 | 用途 |
|---|---|
| 1 个梦想账号 | 看长期方向和内容气质 |
| 2 个同量级账号 | 看现实可复制的选题和表现 |
| 1 个跨领域结构账号 | 学结构，不学题材 |
| 1 个反面对标 | 明确你不想变成什么样 |
```
2. 每个优先选题都做一张对标矩阵
假设你有一个候选选题：
> AI 工具不是效率问题，是审美问题。
不要马上写，先让 Codex 做一张对标矩阵：
```
## 选题对标：AI 工具不是效率问题，是审美问题
### 我的选题假设
- 核心冲突：大家以为 AI 替代执行，其实先替代低审美决策
- 目标受众：独立创作者 / 创业者 / 内容团队
- 预期动作：收藏 + 转发给团队
### 对标样本
| 样本 | 平台 | 标题/主题 | 表现 | 角度 | 结构 | 可借鉴 | 不可复制 |
|---|---|---|---|---|---|---|---|
| A | 小红书 | AI 让普通人更普通 | 高 | 反直觉 | 观点-案例-反转 | 反直觉定义 | 标题句式 |
| B | 抖音 | 为什么你用 AI 没效率 | 中 | 工具误区 | 痛点-清单-建议 | 痛点分类 | 具体案例 |
| C | YouTube | Taste is the new productivity | 高 | 审美门槛 | 故事-概念-框架 | 概念命名 | 英文原梗 |
### 结论
- 已被验证的需求：用户关心“为什么我用了 AI 还没变强”
- 拥挤角度：效率工具、提示词技巧
- 差异化角度：审美、判断力、内容品味
- 我的改写方向：从“AI 效率”改成“AI 暴露审美”
```
这张表的作用是让你知道：
- 这个需求有没有被验证。
- 同类内容已经怎么讲了。
- 哪些角度太拥挤。
- 哪些表达不能碰。
- 你真正的差异化在哪里。
## 四、把复盘变成系统，而不是记忆
上面的案例如果只存在脑子里，很快就没了。所以你需要把自媒体账号变成一个本地内容工程。
目录不用复杂，最小版就够：
```
media-workbench/
├── AGENTS.md
├── WORKFLOW.md
├── STATUS.md
├── rubric_notes.md
├── audience.md
├── benchmark.md
├── candidates.md
├── script_patterns.md
├── samples/
├── scripts/
├── predictions/
├── videos/
└── reports/
```
每个文件解决一个问题：
```
| 文件 | 作用 |
|---|---|
| `AGENTS.md` | 固化账号定位、语气、禁区和工作流 |
| `benchmark.md` | 保存对标账号和样本 |
| `candidates.md` | 保存结构化候选选题 |
| `rubric_notes.md` | 保存评分标准和被验证/推翻的判断 |
| `audience.md` | 从评论和数据里沉淀真实受众画像 |
| `script_patterns.md` | 保存被验证过的结构、开头、转折、结尾 |
| `predictions/` | 保存发布前盲预测 |
| `videos/` | 保存发布记录和 T+3/T+7 复盘 |
```
最关键的是 `AGENTS.md`，它是给 Codex 的账号宪法。
示例：
```
# AGENTS.md
## 账号定位
- 平台：小红书 / 抖音
- 目标受众：独立创作者、创业者、内容团队
- 内容主轴：AI、内容系统、个人生产力
- 不做：空泛鸡汤、虚假焦虑、未经验证的数据
## 语气
- 直接、具体、有判断。
- 不使用“在当今时代”这类空话。
- 不编造经历、数据、案例。
- 不为了冲突制造虚假对立。
## 工作流
- 任何要发布的最终稿，都必须先写发布前盲预测。
- 发布后登记平台、URL、标题、封面、发布时间。
- T+3 必须复盘，能拿到 T+7 数据时追加 T+7。
- 复盘只能追加，不能修改预测段。
```
很多人每次打开 AI 都要重新说：
“我是做什么的，我的语气是什么，我不要什么，我要怎么写。”
这会导致 AI 每次都像刚认识你。
`AGENTS.md` 的价值，就是让 Codex 每次进入项目时都加载长期规则。
## 五、Codex 在这套系统里的分工
当你跑过几条内容后，会发现很多动作是重复的：
- 拆对标账号。
- 给候选做选题对标。
- 写稿后打分。
- 发布前写预测。
- T+3 复盘。
- 每周清理候选池。
- 每月检查要不要升级 rubric。
这些动作可以做成 Codex skills。
```
| Skill | 触发 | 输出 |
|---|---|---|
| `media-init` | 初始化账号 | 目录、AGENTS、rubric、模板 |
| `media-learn-from` | 拆对标账号 | benchmark、script_patterns、候选 |
| `media-topic-benchmark` | 对单个候选做选题对标 | 对标矩阵、Benchmark Fit、改写方向 |
| `media-score` | 给稿子打分 | 7 维分 + 修改建议 |
| `media-predict` | 发布前预测 | immutable prediction |
| `media-publish` | 登记发布 | publish.md + 状态更新 |
| `media-retro` | 复盘 | report.md + 更新规则 |
| `media-status` | 看板 | buffer、待复盘、候选 |
| `media-bump` | 升级规则 | 新 rubric + 历史重打 |
```
固定节奏可以交给 automations：
```
| 自动化 | 频率 | 做什么 |
|---|---|---|
| 每日热点 | 每天早上 | 扫描热点源，追加候选 |
| 发布提醒 | 每天 | 检查 buffer 是否断档 |
| T+3 复盘 | 每天 | 找到到期内容，提醒补数据 |
| 周度诊断 | 每周 | 输出选题池、发布节奏、表现分布 |
| 月度校准 | 每月 | 检查是否该升级 rubric |
```
## 最后
用 Codex 做自媒体，真正的目标不是让你少思考。恰恰相反，它会逼你更认真地思考。
你要在发布前写下判断。你要在发布后面对判断的偏差。你要承认哪些“我以为”是错的。你要把偶然爆款拆成可验证的假设。你要把失败样本也放进系统，而不是只记住成功。
这套流程跑久了，最值钱的不是 Codex 写出了多少稿。而是你的内容直觉被校准了。
你会越来越清楚：
- 什么是你账号真的能讲的。
- 什么只是看起来有流量。
- 哪些对标规律适合你。
- 哪些爆款模板不适合你。
- 哪些观众反馈值得听。
- 哪些数据只是噪声。
这就是 Codex 做自媒体的最佳实践：不要让它帮你写爆款。让它帮你建立一个持续校准爆款判断的系统。
## 相关链接
- [Rachel](https://x.com/Zesee)
- [@Zesee](https://x.com/Zesee)
- [48K](https://x.com/Zesee/status/2073459340527145216/analytics)
- [Upgrade to Premium](https://x.com/i/premium_sign_up)
- [1:30 AM · Jul 5, 2026](https://x.com/Zesee/status/2073459340527145216)
- [48.8K Views](https://x.com/Zesee/status/2073459340527145216/analytics)
- [View quotes](https://x.com/Zesee/status/2073459340527145216/quotes)
---
*导出时间: 2026/7/5 15:41:14*