我如何用 Claude Code 做内容工程

以下是我用 Claude Code 和 23 个 skill 文件为 Ahrefs 博客搭建高质量内容自动化系统的做法。

2025 年 8 月，我曾分享自己为 Ahrefs 博客开发的 AI 内容流程。它使用 ChatGPT 项目和自定义 GPT，把某些类型的内容创作从几天缩短到几个小时，但仍需大量人工干预。

仅仅八个月后，我要分享我们的新流程：用 Claude Code 将 23 个自定义 skill 文件串联起来，在六到十二分钟内生成可发布的文章草稿。借助这套新流程，我们已发表约 15 篇文章，并更新了另外 30 篇左右。

自 2020 年起，我一直在借 AI 辅助内容营销创作。早期它以零敲碎打的方式发挥作用，且颇为费力。如今它的水平已足以在不损失质量的前提下自动化内容营销的重要环节（在部分方面甚至有明显提升，例如研究）。正如我近期一篇文章所言：AI 内容一度不够好，现在它够好了。

因此，早在二月，我在公司 Slack 里提出了一个相当大胆的方向：

以下是我们当前的 AI 内容流程。

重要提醒

在进入正题之前，我想再次提醒几项重要注意事项：

经验很重要

AI 内容默认并不好。这套流程有效，是因为它复刻了我们现有的人工编辑流程，而后者建立在数十年集体内容营销经验之上。正如某人在一条 LinkedIn 评论中颇为精辟的总结：

主题选择依然重要

这套流程专门面向信息型 SEO 内容。我只在自己非常熟悉的主题上使用它，这样才有能力审阅每篇文章、核验其论断、纠正错误信息，并确保发布时心里有底。

我还主要聚焦 Ahrefs 已以某种形式覆盖过的主题，从而能把数百篇现有高质量文章作为新内容的参照。

我们没有用 AI “规模化内容” 的计划

用这套流程，我本可以把 Ahrefs 博客扩张到数万篇文章。但我不会这么做，这不符合 Ahrefs 或客户的利益。

相反，我用这套工作流帮助团队在少数几个核心主题上维护一个有用的常青内容库。目标是去除枯燥的劳作，把人的脑力集中到营销中最受益于人的部分。

1. 通过串联编辑类 skill 模拟人类工作流

这套流程的核心是约 23 个 skill 文件，对应 Ahrefs 编辑流程的不同环节，从关键词研究、主题缺口分析，到结构化大纲：

每个 skill 文件都包含一段 Markdown 说明，阐述 Claude（或任何 LLM）应如何执行该环节、可供模仿的最佳实践范例，以及期望输出的格式指令。

这些 skill 中，许多改编自我们现有的、由人撰写的流程文档，另一些从零写起，还有一些完全由 AI 生成并编辑。

每个 skill 都可单独使用，但我也创建了一个主 skill（blog-pipeline），它会指示 LLM 按特定顺序触发这些 skill，依次走完每个流程，把关键词想法推进到（几乎）成型的文章：

理论上，这套流程可以完全自动化。使用我创建的 skill 文件，Claude 可以利用 Ahrefs MCP 触发每日内容缺口分析，审阅并优先排序最值得瞄准的关键词，并启动整个 blog-pipeline 工作流，在新文章草稿可供审阅时通知我。

2. 输出流程的每一步，便于迭代和排查问题

智能体式内容创作的一个风险是：如果在十分钟运行结束后拿到一篇糟糕的文章，很难精确诊断流程究竟在何处、因何出了问题。

因此，这套流程的每一步都会生成自己的输出文件。例如，大纲生成后，既会交给流程的下一阶段，也会作为 markdown 文件保存在 outlines 文件夹中。

我可以审阅流程的每一个阶段，调整那个特定的输出（以及对应的 skill 文件），然后从最后一个符合我质量标准的阶段重新开始。

3. 创建测试用例以实现递归式自我改进

随着 LLM 能力提升，我常惊讶于前沿模型在非常具体的任务上竟能做得如此出色，即便没有任何具体指示或范例。有时，冗长复杂的 skill 文件反而不如给模型一句提示词、然后不挡它的路。

我们一直用 Anthropic 的 skill-creator skill 来测试和改进工作流。这个 skill 会测试流程的每个阶段，在有、无自定义 skill 文件所提供指导两种情况下分别生成大纲、研究素材和草稿。

LLM 会审阅这些输出，并就如何改进 skill 文件以取得更一致的结果提出建议。

skill 文件很容易变得又长又臃肿，这样一来，LLM 正确应用其中指导的可能性就更低。这个过程让我能不断把 skill 精简到最有效的部分，并删除那些对期望输出没有实际影响的 skill。

4. 为 LLM 提供来自优质来源的优质数据

这套流程之所以可行，只因为 Claude 能够访问 Ahrefs MCP。

Claude 无需凭空捏造 SEO 数据，而是可以直接从 Ahrefs 获取每篇文章的关键词指标、父主题和长尾关键词变体。

它会用 questions 报告挖掘常被问到的问题，并把它们归类成主题；也会检索 SERP 概览，以理解占主导地位的搜索意图以及哪类内容在排名。

除优质的 SEO 数据外，我的 skill 文件还包含使用其他重要数据来源的具体指令，例如：

• 竞争对手数据：从同一关键词下排名靠前的文章中提取关键主题、标题和内容缺口。
• 深度研究：查阅可信的新闻和研究来源，获取目标关键词的最新信息。
• 产品功能：LLM 可以访问一份保存在 Markdown 文档中、概述 Ahrefs 全部产品与功能及其最重要使用场景的资料。

默认情况下，LLM 是极有说服力的空话大王：它们能生成听起来连贯、却毫无具体数据或实质内容的东西。规定要使用的具体数据来源，是取得好结果的关键。

5. 前置人类的引导

我们此前 AI 内容流程的一大重点就是前置人类输入。我的论点是：在内容创作流程开头提供少量专家指导，效果远胜于在结尾进行大量人工编辑。

我想在不要求创建完整内容简报（content brief）的前提下允许这种指导，因此给 blog-pipeline skill 添加了一个 context 参数，让用户可以提供一个上下文来引导内容创作流程。

若想生成一篇关于 “content gap analysis” 的文章，可以像这样加入高层次指导：

我用它来点明要覆盖的具体子主题、塑造文章的整体角度与调性，以及要提及的具体产品功能。这个上下文会被保存到专门的文件，并在起草 skill 中作为参照使用。

6. 构建用于审阅和编辑的交互式预览

Ahrefs 博客上发表的每一篇文章，我都会逐字阅读。在 VS Code 里读 Markdown 文件并非我心目中的愉快时光，所以我用一个简单的 skill，把每篇生成的文章转成 Ahrefs 风格的 HTML 预览，并在 Chrome 中自动打开。

我还在尝试交互式预览，让我可以接受或拒绝对现有内容的更新，并留下行内评论供 Claude 执行。到这一步，我们已经涉足完整应用的范畴，所以请期待我内容流程的 v3 版本。

当我对文章草稿满意、准备上传并添加图片时，我会触发最后一个 skill，用我们所需的所有正确表格和短代码（shortcode）来格式化文章。

7. 派生并个性化

这套内容流程按我的个人规格搭建：引用我最喜欢的文章来塑造每篇文章的调性与风格，优先采用我最喜欢的数据来源；最重要的是，它为复刻我的写作流程而建，以契合我大脑运作方式来处理内容创作。

但创作内容并无 “最佳” 方式。即便在 Ahrefs 博客团队内部，也有大量不同的风格、偏好和工作流，塑造着内容被创作出来的方式。

我希望我们的 AI 内容流程能反映团队每个人的个性癖好，因此我鼓励成员派生（fork）这个仓库，并用 Claude Code 按各自独特的规格修改它——增删流程步骤、更改它使用的数据来源和报告，并从自己最好的文章的风格与语气中学习。

目标是让团队每个人都有自己的个性化内容副驾驶，能够按自己的规格工作、发挥自己的长处。

未来

如果你关注 Ahrefs 博客，我敢打赌你并没有注意到任何重大变化，尽管我们一直在用生成式 AI 协助越来越多的工作。

这是因为我们不是用 AI 来 “扩大产出”、发布数千篇文章，也没有用质量换取速度。相反，我们用它自动化工作中最程式化的部分，且只在 AI 能做得和熟练人类一样好、甚至更好时才这么做。

AI 正帮助我们填补内容缺口、更新常青的搜索内容库。与此同时，Ahrefs 博客团队可以把精力用在别处：开展研究、撰写思想领导力内容、举办网络研讨会和线下演讲，以及构建系统来进一步自动化我们生活中最乏味的部分。

尽管围绕 AI 和内容创作有种种危言耸听，这件事其实非常有趣。

附注：我已经在构建这套内容系统的第三版了，而且它也是你可以用的。加入这个等待列表，抢先体验。