一套工作流管四个动作，真实感出图出视频的 Make 四路由拆解

在 Notion 里把一行任务的状态改成「制作图片」，点一下随带的触发链接，几分钟后，一张真实感的人像图挂在图床里，连配文都写好了。再把状态改成「发布图片」，这张图自己出门进账号。这是我们实测跑通的一条产线的日常，一套工作流，管着制作图片、发布图片、制作视频、发布视频四个动作。 做视觉内容的痛不用多讲，拍、修、剪、发，每个环节都在吃时间，靠人力日更几个账号，基本是拿命换产量。这条线把「出活」和「出门」拆成两个独立动作，

千字新闻拧成128字推文，三轮压缩比一次摘要强在哪

先说一条实测出来的账。我们自己运营推特账号期间对比过，同样的事件、同样的发布节奏，压到 128 字的高密度推文，互动率比长推文高出三倍以上。短内容平台上注意力就是这么分配的，字越少，每个字越值钱。 值钱归值钱，产出它的过程特别熬人。每天盯着订阅源筛新闻，点开长文读完，压成一条短推，再找一张配图，手动跑一套下来个把小时就没了，质量还时好时坏。热点更不等人，你压推文的功夫，话题已经凉了一半，配图再耗半小时，发出去的时机就全错了。 后来我们把整条链搬进了 Make，RSS 进，带图的推文出，人只管收尾扫一眼。

一本五页绘本不到一块钱，Make 加 Flux 把插画排版全包了

在手机上点一下 Notion 里的「开始」链接，三分钟后，同一个知识库里躺着一本五页的儿童绘本，故事、插画、排版、生词注释全齐。这是我们实测跑通的一条产线的节奏，成本算下来，一本五页的绘本不到一块钱，其中九成是图的钱。 这两年老雷帮企业做内容产线，最常被问的一句话是，图文并茂的活儿 AI 到底接不接得住。文字早就不是问题，卡点一直在图上，五张图五种画风，拼在一起像五本不同的书。这条绘本产线值得拆，就因为它把图这关用工程手段摁住了，角色不崩，画风不散，还能整本批量出。 整条线架在

初译审校再润色，给 PDF 翻译装一道反思关

先看一句译文，「很多周日我都会在附近的披萨店买一块披萨」。 词没错，语法没错，可你一眼就看出这是英文硬翻过来的，一股洋腔。单个句子尚且如此，整本书这么翻下去，读者撑不过三章。 这事怪不到模型头上。大模型直译，七八十分稳稳拿到，问题出在流程太粗，一遍过，没有反思，没有校对，没有文体适配。人类译者的老规矩是初译、审校、润色三道工序，凭什么机器就只许跑一遍。 再算一笔账。研究者啃外文文献，跨境团队处理外文技术文档，找人工翻译按千字报价还得排队几天。模型直译把几天的等待压到几秒钟，省了等待，牺牲的是质量，你还得花一小时逐句往顺了捋，机器的活人收尾，

三千五百个链接一次抓回来，Firecrawl 采集产线怎么搭

三千五百五十三个。 这是我把一个网站根地址丢进工作流之后，Map 端点几秒钟吐回来的链接数。整个站点的子页面，整整齐齐躺在一个数组里，等着被逐个处理。 做内容引流的人都懂这种饥渴。SEO 要喂养，博客要日更，手动找素材、翻译、去推广、排版、发布，一篇折腾半天，节奏永远追不上计划，断更两天，排名和心态一起掉。我们实测这条产线之后，账变成了另一个算法，配置一次，每天定时跑，三千多篇存量文章按天分批喂进来，每篇自动出一篇图文混排的博客文章，捎带一条小红书笔记。 爬的活交给 Firecrawl，串联交给

爆款不是玄学，是一套能拆出来的指令

先给你看一个标题，「从水中飞鱼到千寻军子，一个冠军的成长之路」。 我看到的时候愣了几秒。这种爆款味很冲的标题不是人写的，是一条 Make 工作流自动生成的。同一条产线出的正文，代入感、修辞、结构编排，都明显强过随手丢给 ChatGPT 的那句「帮我写一篇爆款文章」。 差距出在哪。不在模型，在指令。你那句需求等于让一个新员工凭感觉发挥，而这条产线背后，是一套从真实爆款文章里逆向拆出来的写作指令，十几项约束一起起作用。 老雷把这套东西叫提示词工厂，逻辑一句话讲完，用爆款训练爆款。把真正跑出来的爆款喂给模型分析，提炼写作规律，再用规律驱动新内容。听着简单，

一次采集双平台分发，EXA 加 ChatGPT 的图文产线拆解

同时运营两个内容平台是什么体验。公众号长文写一篇两三个小时，再压缩成小红书笔记又是半小时起步，还没算找配图的工夫。配图还讲究版权，随手百度的图不敢用，图库里一张张挑，一篇八张，又是二十分钟。一天里的大半天，就这么交代在内容生产上。 更磨人的是重复劳动。同一件事，长文写一遍，笔记再换一种口气写一遍，写的人自己都烦。 这条产线我搭过一套完整的。RSS 自动捕捉热点标题，EXA 在全网检索素材，ChatGPT 写出两千字以上的文章，配图自动从免费图库抓，最后连小红书笔记一起生成，全部存进 Notion。实测一次运行不到五分钟，出来的是一篇图文并茂的文章加一条笔记，你要做的只剩精修。

头像定制三毛钱一张卖 79，Make 加 Replicate 的全自动产线

先说一个我盯着看了很久的生意。小红书搜「定制头像」，大量创作者在卖手绘头像，一张标价 79 元，销量两百多单。我当时就愣住了，这玩意看着是门手艺活，实际上是道数学题。 手绘一张头像，画师要花几个小时，产能卡在人的手上，订单一多就排期。数学题的另一边是成本。用 AI 生成，一张不到三毛钱，产线开着就有产能。 三毛对七十九，中间的差价足够养起一条自动化产线。这条产线我搭过完整的一套，照片丢进 Notion，点一下开始，Replicate 的模型自动画出美式卡通贴纸头像，成品自动存回数据库，

万字长文别一口气生成，先大纲后章节的 Make 流水线

给模型下一条指令，让它一口气写一万字，这种活儿多数人都试过。前两千字像模像样，中间开始车轱辘话来回说，写到后半段它自己都忘了结构，编号从第七章直接蹦到第十二章。。。 你要是也收过这种稿子，问题不在提示词，在路线。 一次生成万字，这条路本身就走不通。 拆成两次反而稳。先让模型只干一件事，出结构化大纲。再让自动化工具拿着大纲，一章一章地喂给模型扩写，最后拼装成篇。每次生成只盯着三千字，模型的注意力是够用的，质量自然就稳了。 这条流水线我在 Make 加 OpenRouter 上完整跑过，七个章节合计约一万五千字，全程两三分钟跑完，出来的 Markdown