老雷AI实验室中文稿改写赚美元，这条 Make 流水线我拆成了八步
先看一对句子。
原文是这么写的，茉莉花的花香，属于你无法忽略的那一种。
改写之后，变成了这样，说起茉莉花，我总想起那年在福州老城区徘徊时，巷口飘来的若隐若现的花香。
第二句读起来像一个人真的在回忆。有城市，有巷口，有一段说不清来历的情绪。可这两句讲的，是同一朵花。
这就是我今天要拆的这条 Make 流水线干的事。一条中文链接进去，出来一篇带着完整人设的深度改写稿，再翻译成英文发到 Medium，靠它的付费阅读分成赚美元。这条路径有人完整实测过，确实能跑出被动的收入。
老雷把整条流水线拆成八个环节，每个环节的要点和坑，一次交给你。你要是想照着搭一份，这篇可以当施工图用，八个模块各自的参数、容易翻车的位置、搭完之后怎么验收，全在里面。
这条流水线在干什么
先看架构，整条链路是一条直线，九个模块串起来。
起点在 Notion。建一个数据库，放文章链接和 IP 配置，状态拨到「开始」，工作流自动触发。Jina Reader 先把原文全文抓回来。
第一个技术关键点跟着就来了，长文本切分。老办法是让大模型把文本转成数组，但模型的输出上限就两三千字，万字长文根本玩不转。这里的解法是 Jina 的分段接口，Return Chunks 设为 true，Token 数设 2000，一万字还是三万字，都能切成均匀的段落。
切出来的每一段，通过 OpenRouter 调 Perplexity，搜一轮相关的背景资料。这一步不是可省的装饰。补充素材干两件事，一是给改写模型递事实依据，压住幻觉，二是给文章加信息量，让它不只是换个说法，而是真的有增值。一段中文讲新能源汽车，Perplexity 就去补这个领域的最新动态和数据，改写模型手里有粮，写出来的东西才有骨头。成本也实测过，一篇万字文章的素材抓取，几毛钱以内，这笔钱换来的深度提升，划算。
然后是内容标准化，把原文里的广告、推广、预告清干净。这里藏着一个很深的坑，Jina 处理 Markdown 格式的图片时会丢掉叹号，图片链接直接渲染不出来，要用正则表达式把这步修回来。
再往后是主角登场，Claude 3.7 接手逐句改写。改写分两个阶段，第一段没有前文可参考，直接基于原文、素材和人设往下写，要求是逐句优化，维持原句数量，靠同义转换、句式重构、修辞运用把表达整个换血。从第二段开始，提示词里多传一份前文，要求承上启下，风格跟前面保持一致，不然九段文字九种腔调，拼起来就是灾难。两个阶段都写死了同一条纪律，忠实于原文和素材，不许虚构数据、事件、人物。这条纪律是整套东西的刹车，删了它，流水线产出的是一篇流畅的假新闻。
改完的稿子还剩一项脏活，图片水印。原文配图通常带水印，这里用一个动态裁切函数自动去掉，裁切参数按图片实际尺寸算，底部、顶部、左右四个方向都能裁。处理完成稿存回 Notion，流程结束。
人设不是一句话，是一份档案
普通的文章改写，是同义词替换加句式调整，读起来像换了个说法，查重一跑一个准。
这条流水线做的是另一回事，IP 代入式改写。大模型不是在改文章，它是以你定义的那个人设的身份，把自己的经历、观点、感受，长进文章里。开头那对茉莉花的句子就是样品，加进去的是主观感受和个人记忆。主观的东西没有对错，查重工具抓不到文字层面的关联，因为字面上确实是两篇文章。
核心信息一点没丢。数据、事实、观点方向全保留，被换掉的只有表达方式。这也是为什么它敢叫深度改写。
这套玩法的真正资产，是 Notion 里那份 IP 档案。四个要素，一个都不能省。
成长经历，在哪个城市长大，什么样的文化氛围。求学背景，哪些学校，什么专业，有没有海外经历。职业经验，什么行业，什么职位，具体干过什么。个人特质，写作风格、兴趣爱好、价值观。
照着这个模板，社区里跑通的四份档案可以参考。茶文化方向，苏州成长经历，身份是生活美学和东方文化的专栏作者，风格定义成温软克制，在细节里营造情感共鸣。财经方向，苏州长大，三年外贸做的北美市场，自己炒美股，改特斯拉财报的时候，外贸期间观察到的市场趋势、2020 年疫情期间投资美股的经历，全都自然长进了文章。美妆方向，杭州长大，艺术院校毕业，美妆电商三年，风格定为闺蜜式表达。跨境电商方向，上海成长，法国留学，法德三语，改到 TikTok 爆款保温杯的文章，行业黑话顺手就来，在跨境电商团队里，我们管这叫「一句话围」。
同一篇文章，换一份档案，出来就是完全不同的一个人写的。
改写的护城河不是文字游戏，是档案里那段没人能复制的经历。
八步交付清单
要动手搭的实施者，老雷把全流程压成八步，每步一句要点。
- Notion 建库，字段至少有链接、IP 档案、状态三样
- Jina Reader 抓正文，反爬严的链接多试两次，还不行就手动把内容贴进文本字段
- Jina 分段接口切文，2000 字符一档，Return Chunks 开 true
- 每段走 OpenRouter 调 Perplexity，抓背景素材
- 标准化清洗，清广告，修图片叹号
- Claude 3.7 两阶段改写，首段独立成文，后续段落带前文衔接
- 图片动态裁切去水印，按宽高比算比例，横图竖图分开处理
- 存回 Notion，人工终审，再进翻译和发布
第七步多说一句。水印裁切别图省事用固定比例，比如统一裁掉底部 8%，竖图会被裁过头。正确做法是写个动态函数，按图片实际宽高比算裁切量，四个方向都能裁。
第八步的人工终审不能省。自动化把产能放大之后，终审是唯一的质量闸门。
搭建的时候别贪快，先拿一条链接把八步全跑通，人设档案用你自己真实经历写一份，看输出对不对味，再考虑换赛道、加批量。一口气堆模块，出了问题九个模块挨个排查，比从零搭还慢。
三种写法，别用错地方
同一套工作流，换提示词和模型，能出三种东西，用错地方会白折腾。
Claude 3.7 加 IP 风格化，改写最狠，查重最低，适合 Medium 这种吃个人故事的平台，本文主线就是它。
DeepSeek 指定大 V 风格，比如莫言的腔调，或者记者风，适合情感、生活这类对准确性要求不高的中文赛道。要提个醒，这条路有幻觉风险，严肃内容别碰。
Claude 3.7 加自定义风格，在提示词里描述你要的表达方式，比如简洁凝练。风格化最弱，但信息准确性最高，严肃领域用它。
老雷的建议是，先想清楚稿子发去哪个平台，再倒推用哪种写法。顺序反了，返工的是你自己。
顺带说下方法二的原理。DeepSeek 的训练数据里吃进了大量知名作者的作品，让它模仿莫言、模仿记者腔，是有据可依的，不是瞎撞。代价是风格越浓，离原文越远，编造细节的空间就越大，所以才说它只适合对准确性不敏感的赛道。
钱从哪来，坑在哪
Medium 的变现逻辑一句话讲完，付费会员的阅读时长分成。文章质量越高，读者停留越久，分到的钱越多。
所以这条路上值钱的动作就四个，选定赛道，立住人设，批量产出高质量内容，坚持发布攒阅读量。注意这个顺序，赛道和人设是地基，流水线是楼宇，地基没想清楚就开建，产出越多浪费越多。自动化解决的是产能，从一条链接到一篇能发布的英文稿，人力只剩终审那几分钟。但产能不等于收入，Medium 付钱买的是读者在你文章里停留的那几分钟。
工具把生产成本打到几毛钱，也把平庸的产量放大成千上万，稀缺的从来是有人的温度的那一篇。
还有一条红线必须写在明面上。改写后的文章查重极低，靠的是主观经历没有对错，但原文的核心信息、数据、事实都保留着。这套方法只能用在合理范围的内容创作上，原作者的知识产权要尊重，这是底线，不是建议。
这也是老雷AI实验室一直在做的事，把 AI 落地路上真正跑得通的路径，一条条拆开给你看。下一步动作很简单，挑一篇你自己写过的最好的文章，照四要素把人设档案写出来，跑一遍这条流水线。跑完之后，你对内容再生产这五个字，会有全新的体感。
