AI自动化选题系统搭建指南：三维度选题法实战拆解

为什么选题是自媒体最难的一环

对做自媒体的人来说，找选题往往是最头疼却最关键的环节。一个好的选题在很大程度上决定了内容质量和最终的数据表现。B站UP主JK在分享中提到，自己副业做自媒体半年涨粉3万后，后台被问最多的问题就是："你平时怎么做选题的？"

他的答案不是靠灵感或运气，而是搭建了一套可持续运转的AI自动化选题系统。这套系统基于Codex构建了一条选题管道，每天早上打开飞书表格，排好优先级的选题就已等候处理。这种"起床即有选题"的状态，正是自动化带来的核心价值。

背景知识：Codex与自动化选题管道

Codex是OpenAI推出的代码生成与自动化模型，能够理解自然语言指令并将其转化为可执行的脚本或工作流。Codex的技术基因源自GPT-3系列，专门针对代码任务进行了微调，支持Python、JavaScript等数十种编程语言。在工程架构上，Codex本质上是一个"意图翻译器"——它能将"每天早上8点抓取36氪AI频道前十条新闻并写入飞书"这类自然语言需求，直接转化为可部署执行的Python脚本，无需创作者具备专业编程背景。在自媒体领域，Codex的核心价值在于充当"胶水层"，将不同平台的数据源（如RSS订阅、社交媒体API、本地文件系统）串联起来，构建端到端的自动化管道。2025年前后，OpenAI将Codex能力进一步整合进ChatGPT与API生态，使得非技术用户也能通过自然语言描述需求、由模型自动生成完整的自动化脚本。飞书作为协作工具，则承担最终的数据看板角色，将AI处理后的结构化信息以人类可读的方式呈现，形成"AI处理—人工决策"的完整闭环。

本文将拆解这套系统的核心逻辑——它由实践、借势、对标三个维度构成，最终汇聚到一张飞书表格中统一排序。

维度一：实践——做过的事自然生长成内容

JK强调的第一个原则是：不要为了更新而更新。好的内容应该是基于实践自然生长出来的，做内容是"实践闭环的最后一步"。

这个观点很有洞察力。如果把内容生产当作做事的起点，创作会越来越痛苦——你会不断为了填充选题而硬凑话题。反过来，如果内容是实践的沉淀，选题就会源源不断。

他举了两个例子：用AI做个人站这件事本身就是选题，搭建选题系统这件事也可以成为选题。更巧妙的是，他让Agent每天扫描自己与AI的对话记录，挑出最值得讲的内容，直接写入飞书选题池。这样一来，"你不用额外想选题，做过的事情会自动变成内容"。

背景知识：记忆增强型智能体与工作流数据化

Agent扫描对话记录这一做法，涉及AI领域中"记忆增强型智能体（Memory-Augmented Agent）"的概念。这类Agent通过持续读取用户的历史交互数据——包括聊天记录、笔记、浏览行为等——来识别高频关注点和潜在内容机会。在技术实现上，通常需要对原始对话数据做向量化处理（Embedding），将文本转化为高维空间中的数值向量，再通过余弦相似度检索或关键词抽取，筛选出"信息密度高、叙事潜力强"的片段。常见的实现路径包括：使用OpenAI Embeddings API对对话记录进行向量化，存入Pinecone、Chroma等向量数据库，再由Agent定时触发检索任务。这种架构的技术优势在于增量更新——每天新增的对话只需追加向量化，不影响历史数据，随着积累量增大，系统识别创作者兴趣模式的精度也会持续提升。更重要的是，个人工作流本身就是经过实践验证的知识，相比凭空构思的选题，它天然具有真实性和可信度，更容易引发受众共鸣。

这种做法的本质，是把个人工作流数据化，让日常实践的副产品直接转化为内容资产。

维度二：借势——用AI筛选行业热点

第二个维度是关注行业动态。但JK特别强调：追热点必须"在自己领域生长的基础上"去做，而不是盲目跟风。

他的具体做法是：让AI每天早上定时推送"AI圈精选日报"，并基于自己的账号定位和受众画像，从20多条资讯中筛出最适合自己讲的那一条，推送到飞书，默认标记为"待判断"。

这个"待判断"的设计很关键——AI负责筛选推荐，最终决策权仍在创作者手中。JK觉得能做就推进，不能做就跳过，定位很清晰："热点对我来说是兜底，不是阻力。"

技术实现上，他建议把关注的热点资讯网站做成Skill接入Agent，实现自动化抓取与筛选。

背景知识：工具调用（Tool Use）与Skill接入的技术原理

将热点资讯网站做成Skill接入Agent，属于当前大型语言模型应用开发中"工具调用（Tool Use / Function Calling）"范式的典型实践。Function Calling由OpenAI于2023年正式引入GPT-4 API，允许开发者预先定义一组工具函数的输入输出规范，模型在推理时可自主判断是否调用、如何调用这些工具。主流的AI Agent框架（如LangChain、AutoGen、Dify等）均在此基础上构建了更高层的编排能力，支持将外部API、网页爬虫乃至本地脚本封装为可调用工具。在调度层面，Cron定时任务或平台内置的"定时触发器"负责在每天固定时间唤醒Agent，Agent随即调用资讯抓取工具、完成语义匹配评分、最终通过飞书API写入表格——整个链路无需人工干预。对于自媒体选题场景，这意味着Agent可以在每天固定时间自动访问微博热搜、36氪、少数派等平台，提取标题与摘要，再结合创作者预先设定的"账号定位关键词"进行语义匹配，输出相关性评分。这种方式将传统的手动刷资讯行为，转化为由参数驱动的自动化信息漏斗，大幅降低信息获取的时间成本。

核心思路是：让AI做繁重的信息过滤，让人做价值判断。

维度三：对标——同行验证过的选题信号

第三个维度是对标同行——优质博主发了什么、低粉账号爆了什么，这些都是现成的选题信号。

JK让Agent每天自动抓取他在小红书订阅的优质对标博主前一天的更新，生成"对标内容日报"。当自己没灵感时，他会重点关注粉丝很少但点赞很高的内容。

他的判断逻辑很精准：低粉账号能爆，说明数据不是靠粉丝基数堆出来的，而是选题本身有穿透力。这类内容的复制和借鉴价值最高。

背景知识：低粉爆款背后的算法逻辑

低粉账号内容能够获得高互动，背后是内容平台推荐算法的运作机制。以小红书、B站为代表的内容平台，普遍采用"去中心化分发"策略：新内容首先推送给小规模冷启动流量池（通常为数百至数千次曝光），系统根据点赞率、收藏率、完播率、评论率等初始互动指标，通过多轮流量赛马机制决定是否进行更大范围的扩散。小红书的CES（内容互动评分）体系、B站的"完播率×互动深度"综合模型，本质上都是在用早期样本数据预测内容的长尾传播潜力。值得注意的是，这套赛马机制对大小账号一视同仁——系统在初始分发阶段并不知晓账号体量，纯粹依赖内容本身的早期互动数据做决策。这意味着内容的传播能力取决于"内容质量×用户需求匹配度"，而非创作者的粉丝基数。因此，低粉账号的爆款内容是一种经过算法验证的"纯净信号"——它证明该选题在冷启动阶段就具备足够的吸引力，选题本身的稀缺性或共鸣点已获得平台数据背书，复制借鉴价值极高。这也是为什么JK将低粉爆款视为对标维度中优先级最高的参考信号。

看到好选题，他会通过浏览器插件一键同步到飞书选题池。

三源汇流：一张表统一管理优先级

实践、借势、对标三个来源最终全部汇集到飞书的一张表格中，系统自动排好优先级。每天早上Agent会检查看板：有在推进的选题就催继续，没有的话就帮推荐一条。

JK特别指出，选题侧重应根据账号类型来调整：

• 他自己是偏副业探索的"时钞型"博主，以实践沉淀和对标为主力，热点和低粉爆款作为补充；
• 如果你是资讯型博主，热点应该是主力来源；
• 如果想锁定对标赚钱，建议找"生意体量十倍以上、且自己学得会"的账号作为对标对象；
• 如果只想短期快速起号，低粉爆款策略可能更适合你。

同样一套系统框架，不同定位的创作者应有不同的权重配置，这种分类思维值得借鉴。

总结：让AI做信息苦力活，把判断力留给自己

JK这套选题体系的本质，是一条信息聚合 + AI筛选 + 人工决策的自动化流水线。它的价值不在于技术有多高深，而在于把选题这件"靠灵感"的事，变成了"靠系统"的事。

三个维度各有分工：实践保证内容的原创性和深度，借势保证内容的时效性，对标提供市场验证。三者互补，既避免闭门造车，也避免盲目跟风。

背景知识：人机协作的分工哲学

"AI做苦力、人做判断"的分工逻辑，与人机协作（Human-AI Collaboration）领域的主流研究结论高度吻合。认知科学研究表明，人类在信息过载环境下的决策质量会显著下降——心理学家Barry Schwartz在"选择悖论"理论中指出，选项数量超过一定阈值后，决策者的满意度和效率双双走低。每天手动浏览数十条资讯本身就是一种认知损耗（即"决策疲劳"），会削弱创作者在真正重要环节的判断力。从信息论角度看，AI的核心价值在于完成"信号与噪声的分离"——将海量原始信息压缩为少量高质量候选集，降低人类决策所需处理的信息熵，同时保留最终裁量权给具有情境理解力的人类。而AI的优势恰好在于可以在毫秒级时间内完成大规模信息的检索、分类与排序，却无法真正理解创作者的个人叙事风格、受众情感诉求和当下创作状态。MIT与斯坦福的多项实验研究均表明，在创意类任务中，"AI生成候选方案+人类筛选决策"的混合模式，其输出质量显著优于纯AI生成或纯人工构思。这种能力的互补性，使得"AI筛选候选集、人类做最终取舍"成为内容生产领域效率最优的协作模式。

对想用AI提升内容生产效率的创作者来说，这套方法最大的启发是：不要让AI替你创作，而是让AI替你处理选题前的信息苦力活，把精力集中在真正需要判断力和创造力的环节。据JK透露，下一期将分享如何用AI协助撰写爆款口播稿，值得持续关注。

核心要点